2001年深冬,又一家著名的新經濟公司倒下,而且它的破產金額寫下美國史上最高紀錄──510億美元。它的名字是安隆(Enron)。一家以石油、天然氣起家,以旗下世界最大期貨商品交易網站Enron Online而知名的能源公司。
1985年成立的安隆,2000年營業額曾超越1000億美元,在美國500大企業排行榜中名列第七,擁有北美地區天然氣等能源市場將近25%佔有率,特別是能源產業網路交易市集Enron Online,被視為極具開創性的企業典範,因為它不僅能買賣石油和電力,還可以兜售DRAM、頻寬及紙漿、自來水等──任何有固定需求,但價格波動極大的大宗商品。
今年7月,世界老牌的英國《經濟學人》雜誌才將它列為世界7家卓越.com公司,股票巔峰期創下600億美元市值,為什麼突然就倒地不起?
原因在它複雜、黑箱的財務操作,騙倒了華爾街和老財經記者,但騙不了景氣!為了大舉擴張業務,安隆在全世界購併和成立許多新事業,介入當地水利和電力的買賣,包括英國的Wessex水公司、印度的Dabhol電廠、巴西的聖保羅電力公司,還花了12億美元建立全美光纖網路。這些總計超過100億美元的投資都是安隆透過它的策略夥伴公司出面成立,使得業務的真實盈虧數字不會出現在安隆的財務報表上;而資金則由安隆提供它的股票作擔保,由夥伴向銀行借錢。
在執行長史基林(Jeffrey Skilling)、財務長法斯托(Andrew Fastow)的大力鼓吹下,安隆化身新經濟代表,股價扶搖直上,2000年8月最高來到90美元一股。高漲的股價使安隆很容易就借到錢,但蕭條的景氣、投機倒把的經理人(法斯托就被控將3000萬美元中飽私囊),卻使安隆事業沒一個賺錢。2001年,當安隆股價逐步下跌超過當初借款時的擔保價格,銀行要求安隆還錢;這家全美最大能源公司一下子出現「現金流量」危機,3個月前,知名債信評等機構標準普爾公司(S&P)把安隆的信用評等降為「垃圾債券」等級,成為安隆破產前的最後一根稻草──它再也借不到錢,卻必須在2個月內立即還出160億美元的債務。原本安隆的對手交易商動能公司(Dynegy),要以230億美元收購安隆,但因它的會計師「實在看不懂」安隆的財務報表,宣告作罷。安隆股價由天價90.56美元,跌至2001年11月底的26美分,連公司的搖錢樹Enron Online也被宣布無限期停止交易,在全美各地的交易螢幕上消失蹤影。
安隆留下什麼啟示呢?
在各種創新商業模式出現的全球化社會中,沒人能真正了解技術與新事業的內涵;任何一個投資者要做投資判斷,一定要看經營者的過往事業記錄。美國《財星》雜誌說得好:「始於傲慢,繼之以貪婪,而後又在財務上企圖欺騙掩飾」的公司,你最好離它遠點。
在台灣股市大反彈的資金狂潮中,你可得小心這樣的公司!
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
