數據智慧處理公司Collibra估值破50億美元，如何與微軟、Snowflake等雲端巨頭競爭？|數位時代 BusinessNext

從布魯塞爾發跡的數據智慧處理公司Collibra於2021年11月9日宣布，於G輪融資中籌集了2.5億美元，其投後估值已來到52.5億美元，比去年F輪宣布的23億美元估值高出2倍之多，其聯合創辦人兼首席執行長Felix Van de Maele告訴《TechCrunch》：「跟其他競爭對手相比，我們的估值是最高的，這強烈反映出我們在市場上的地位」。

數據處理公司的重要性：幫助企業或組織「化零為整」

Collibra是布魯塞爾自由大學STARLab的衍生產品，創立於2008年，是一家專門提供客戶查詢、管理、儲存和分析數據工具的公司，可將內、外部數據集中到一個名為數據智慧雲（The Data Intelligence Cloud）的平台，幫助客戶遵循當地數據保護政策，安全地儲存數據；讓員工更輕鬆進行協作和檢索，以全面了解公司營運狀況，並達到整合組織或加強公司決策的效果。

最新一輪的融資是由紅杉資本全球股票和Sofina共同領投，並得到Tiger Global Management、Battery Ventures、臉書執行長馬克祖克柏格管理的基金Iconiq Capital、谷歌成長基金（Capital G）、Dawn Capital等的支持；新資本將用於擴大在美國、歐洲、中東和澳洲的業務，並在工程、銷售和產品方面進行人才招聘，預計到2023年員工人數將增加1倍。

不過，Van de Maele也提到：「儘管公司已成立十多年，過去我們也看到許多數據陸續搬移到雲端，並有許多創新，但也因為數據使用的廣泛，例如：AI、機器學習或數位化，其結果反而是更加複雜和分散。我們也聽到許多組織需要的是一個能將零散數據全面整合的平台，而不是需要透過3或5個不同的工具來處理數據」。

數據及其隱私在當代社會為何受到重視？

在了解數據處理公司在企業和組織運作所扮演的角色與提供的功能後，接下來揭開「數據在當代社會愈加受到重視」的幾個原因。

一、國際上相關立法通過，讓數據使用與保存受到關注

被稱為史上最嚴格的個資法《一般資料保護規範》（GDPR）和其他數據保護與隱私法規陸續成為正式法律後，許多擁有大量客戶數據的企業和組織，在如何保存與使用數據之類似問題上，不斷受到社會關注，許多公司也已意識到他們無法以最佳方式使用和儲存數據，成為Collibra能介入的契機。

二、設備雖易攜帶且易於連接網路，但公司安全漏洞卻反而增加

根據Proofpoint釋出的《2021年網路釣魚狀態報告》，61%的美國員工允許家人或朋友使用自己的工作設備，員工也越來越常選擇使用安全性不足的個人電腦、平板或手機來工作；此外，反惡意軟體開發商PC Mactic Inc. 對遠端工作者的網路安全調查顯示，91%的遠端工作者從未取得任何防毒軟體，這些現象讓企業或組織不得不開始重視數據保存與安全防護。

三、疫情大流行讓雲計算的需求增加，數據對日常業務的重要性也逐漸提高

COVID-19大流行讓遠端工作模式興起，公司也被迫走向數位或雲端化，但組織或企業的數據也因此愈來愈容易外流；此外，Collibra的另一位創辦人兼首席數據公民Stijn 'Stan' Christiaens也說：「數據對日常業務流程至關重要，而且其重要性還在不斷提高」。

數據處理公司現在與未來

《SiliconANGLE》於8月刊出的文章中，作者Betsy Amy-Vogt從技術革新、大環境轉變和數據文化等層次，討論個人和組織在維護數據安全面臨的狀況以及應扮演的角色，該文更開門見山的點出數據雲端時代的有趣現象--「隨著軟體吞噬掉世界，數據也接管了工作場所」（原文為As software ate the world, data took over the workplace）。

Van de Maele說：「以前數據處理都是人為手動完成，現在我們利用AI和機器學習讓模型自動化」，對於Collibra所扮演的角色，他也充滿信心的說：「因為我們相信好的數據能透過將人和想法融合在一起來改變關係、業務和生活，也因為我們在改變組織使用數據的方式，我們的客戶開始可以改變世界」。

Collibra在數據管理和治理領域與微軟、Snowflake和Informatica等雲巨頭互相競爭，現今更與全球500多家企業和其他大型組織合作，例如 AWS、Google Cloud和Tableau。雖然Collibra並非唯一的數據處理公司，它的競爭對手還包括Informatica、IBM、Talend和Egnyte等，但目前Collibra的市場地位及其先進技術，已給投資者留下深刻印象。

資料來源：techcrunch、collibra、siliconangle、techstartups、siliconangle

責任編輯：傅珮晴、錢玉紘

曾是台灣製造業重要根基的塑膠射出產業，如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者，老師傅退休、新人才接不上的現況，更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具，許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出，全球塑膠射出市場規模超過 3000 億美元，每年仍以約 3% 至 4% 的幅度成長。需求並未消失，只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉，老師傅數十年累積的經驗卻很難複製。

這道人才缺口，正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發，歷經近十年研究與工廠驗證，嘗試把老師傅腦中的射出經驗，轉化成可以計算、保存與持續學習的 AI 模型，解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI，射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備，不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後，生產現場仍得依產品、材料與機台特性，調整溫度、速度、壓力、位置等條件；即使使用同一種塑料，不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處，不只是記住參數，而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的，就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後，第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統，工廠只要輸入材料、機台規格、產品尺寸等資訊，sMolding 便能計算第一組成型參數；若試模後出現產品缺陷，再由 sTroubleshooting 提供修正建議。

「它就像導航。我今天告訴你要從 A 點到 B 點，但不知道路怎麼走，導航會把路徑算給你。」張詠翔說。對射出成型而言，這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例，傳統方式需 7.5 小時，導入系統後縮短至 2 小時，材料使用量從 23 公斤降至 8.7 公斤，整體試模成本降低 64%。

但找到正確參數只是第一步，真正進入量產後，工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損，都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組，透過射出壓力數據持續監控品質，並依生產狀態自動補償關鍵參數。換言之，AI 不只在試模階段提供一條正確的「導航路徑」，進入量產後還能因應製程變化持續修正，進一步朝「自駕」邁進。

從產線驗證到海外布局，桃園如何助攻智穎智能跨過0到1？

但要讓 AI 真正走進工廠，智穎智能採取 SaaS 訂閱模式，將核心運算留在雲端持續學習與更新，降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備，因此智穎智能的方案既能導入既有設備，也能與射出機、控制器業者合作，在新機出廠時直接整合。「一個工廠不會只有一個廠牌，就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言，AI 真正走進製造現場的關鍵，在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言，降低導入門檻還不夠，更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言，桃園不只是公司所在地，也提供了技術走向市場的第一塊試驗場。「對新創來說，第一個就是要經費、要人才、要場域，再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期，團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源，降低早期研發與營運負擔。更重要的是，桃園密集的製造業聚落，本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業，智穎智能在創業初期接觸到位於桃園的「良器」，成為公司第一個客戶。從概念驗證、產品調整到實際導入，合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言，第一個願意開放場域的客戶，意義遠超過第一筆營收。

如今，從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次，完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示，透過市府帶領團隊前往日本神戶，智穎智能接觸當地官方與企業資源。在市府引薦下，團隊成功對接了神戶知名加速器，更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局，為下一階段海外市場拓展做準備。

AI 解決「怎麼生產」後，下一步是「替誰生產」

當 AI 開始解決「怎麼生產」，張詠翔看到的下一個問題，是「替誰生產」。部分製造商提高生產效率後反過來問他，如果我的產能多了 20%，但沒有多 20% 的訂單，我何必要做那麼快？

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家，品牌要在海外重新尋找符合特定規範與製程能力的供應商，也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商，讓品牌端能依條件尋找供應商，也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務，初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究，到桃園工廠提供第一個實際驗證場域；從把老師傅經驗變成 AI「導航」，再走向能自行修正製程的「自駕」，智穎智能試圖數位化的，是製造業最難被保存的資產：人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散，這套從桃園工廠磨出的 AI，下一步不只要替老師傅找到數位接班人，也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源，將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去，讓外界看見桃園豐沛且具實戰力的創新動能。