全世界最大的海底光纖電纜公司Global Crossing,在1月底援引美國Chapter 11破產法,正式宣告破產保護。離它1998年8月在Nasdaq上市以來,不到4年。
當年看好Internet時代中大量傳輸資料需求,Global Crossing從1997年開始,投資超過100億美金在全世界的海底,舖設了10萬英哩的高速海底光纜,連接世界200個城市,包括台北、香港、新加坡。困難的是:這些剛舖好、嶄新的光纖網路中,只聽到咕嚕咕嚕水聲,沒有資料(data)在滾動,Global Crossing一開業就入不敷出,拖到今年1月,欠下的124億美金債務再也付不出利息,只好宣告破產。
美國《華爾街日報》惋惜說道:Global Crossing沒有看錯趨勢,也夠努力,全是美國電信法規害了它。在美國,掌握Internet骨幹到企業與家庭用戶「最後一哩」(last mile)的電話、纜線公司、有線電視各擁執照,它們把寬頻接續費訂得其高無比,連帶使用者寥寥可數──反正Global Crossing又不關它們死活。一旦全球網路頻寬使用最高的美國市場都振作不了,何況是網路仍未發達的其他國家,能租下多少它的頻寬?
有趣的是,華人首富李嘉誠領軍的香港和記黃埔,與新加坡科技集團聯手,出價7.5億美金要買下Global Crossing的79%股權,頓時讓這樁破產案,陷入「知識與膽識、財力與風險」交相角力的迷離局面。對全球電信業而言,李嘉誠著稱的不是他深不可測的口袋,而是他「黃大仙」般、精準的眼光。他曾在無線通訊發燒前,買進英國第二大行動電話公司Orange股權,再於1999年脫手賣給德國Mannesmann電訊,轉手賺進146億美金。因此,也就在李嘉誠出手後,原先借錢給Global Crossing的債權銀行頓覺公司資產確實值錢,因此聯合起來反對李嘉誠入主,轉而要求「清算」(變賣資產)公司,雖然表面上它們說「如此可取回較多當年的借款與貸款」,但任何人都明白,他們是希望公司能賣給李嘉誠更高的價錢。
在這樁破產事件中,李嘉誠也是受害者之一,去年1月,和記黃埔借給Global Crossing一筆4億美金的可轉換公司債,雙方議定一定時間後當GC股價位於45美元價位以上,這筆債權就可轉換成股票。到了今年1月,GC股價僅剩0.3美金一股,要還錢嗎?口袋空空,和黃的4億美金等同沉入世界最深的馬利亞納海溝,唯有出奇的策略,才能再打撈上岸。而「李嘉誠」+「有資產實力的破產公司」,似乎就是勝利方程式,去年年初到年中,李嘉誠宣布投資美國競價網站Priceline.com,並更換新經營團隊,不出一年,不僅公司首度賺錢,股價也漲了3倍。
Global Crossing的老外債主看似反對李嘉誠,其實心中可拜服他不得了,千方百計要由他的東方算盤中擠出最大利益。話雖如此,一開春就要面對一家卓越企圖心公司的默哀式,也讓你不得不感嘆世事無常吧。
隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。
Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。
企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運
模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。
高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。
AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。
政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。
OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題
今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。
面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。
上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。
「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。
金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。
從六種產業場景,看 AI 如何走進真實流程
真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。
下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。
| 產業場景 | 議程規劃與關鍵課題 |
|---|---|
| 智慧支付 | 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷 |
| 製造 | 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料 |
| 媒體科技 | 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰 |
| 零售製造 | 零售製造轉型;把技術接進實際營運與使用者體驗 |
這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。
現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。
10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。
「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名
