在工業縣種出比日本貴的米!他和700稻農攻進21國、米其林餐廳
在工業縣種出比日本貴的米!他和700稻農攻進21國、米其林餐廳

重點一:翻轉台灣米劣勢!米屋智農創辦人陳肇浩,如何在工業縣的土地上,打造全台最大越光米產地,甚至可以賣得比日本米還貴,打進21國,連米其林餐廳、王品都採用?

重點二:攜手七百多位農民,他用科技精準管理,解決量少、品質不穩困境!有底氣能長期供貨,成功獲得多家連鎖業者生意。

從台中烏日出發,歷經一小時車程,高樓市景逐漸褪去,取而代之的是,大塊拼接的綠色稻田在眼前展開——這是彰化二林,台灣最大的越光米產地。

來到冒著綠色新芽的稻田旁,一名八旬老伯做完農事,熟練的舉起手機拍照,「剛施完肥,要記錄一下啦!」他笑說,這是糧商米屋智農讓他養成的習慣。

「科技管理,讓我們從放牛班變成資優生!」米屋智農創辦人暨董事長陳肇浩解釋,他與七百多位農民合作種植越光米,結合科技力,打造量穩質精的平價好貨。

稻米產自工業大縣,被污名化!先征戰海外,有日本背書再反攻回台

它旗下的大橋米,是台灣拿過最多次包裝米獎項的品牌,獲米其林餐廳採用。但它不只做精品生意,亦有實惠產品線,每公斤越光米單價只比美國米高出二十元,讓看重成本的連鎖餐飲集團長期採用。

餐飲龍頭王品三度表揚它為績優供應商,旗下半數品牌指名使用;連鎖日式定食大戶屋,則因為白飯擁護者眾,還專門為它推出包裝米銷售。

在海外,它進軍香港市場,該品牌越光米能賣得比日本米還貴,依然暢銷二十年,近年更打進全球二十一國市場。

「剛開始是因為不甘心,」身為糧商二代的陳肇浩坦言,彰化是全台稻作面積最大的縣市,占整體兩成,「大家以為彰化只是工業縣,對農產品有刻板印象。」

東部好山好水的形象深植人心,當地米定價能比西部高出兩成。相形之下,即使是台灣人熟知的優良品種,長在這塊背負污名的土地上,就讓品牌路注定顛簸。

「我們是從逆境誕生的品牌,」陳肇浩回想,台灣市場有疑慮,就從海外打起。

它定期檢驗土壤與水質,是台灣最早推動產銷履歷、最早建立專區管理的業者,二○○七年就打進英國的日商超市。有了重視食安、口味挑剔的日本客戶背書,讓該品牌成功反攻回台,「別人看不起你的時候,就拿出成績說服。」

回到台灣,市面上早有許多形象佳、報價比它低的品牌,該如何勝出?

靠科技精準控制,穩住產量、品質!具備長期供貨底氣,獲連鎖業者訂單

關鍵在它從根本解決台灣米痛點,端出量穩質精的解決方案。

台灣耕地破碎,許多品牌受限於此,規模很小。即使品牌業者有心邀集數百位農民契作,指定品種、要求種植方法,卻苦於每位農民認知不同,品質參差不齊。

「我們有七百多位農民,但是東西很一致,」陳肇浩驕傲的說,他從育種就掌握稻米基因,接著在田間設置感測器,訓練農民用手機拍下每個種植步驟,輔以AI分析,「用影像辨識去判斷稻米生長進度,搭配氣候資料、品種特性,」能評估施肥量,也安排每塊稻田最好的收成時機,讓每粒米都能在一致狀態下銷售。

他舉例,近年氣候變遷,讓越光米的種植與採收,比農民循節氣經驗判斷,晚了兩週,產出品質就證明數據決策的重要性。

台大農經系特聘教授陳郁蕙觀察,「米屋強項是用智慧農業,落實契作的生產管理。」精準控制,吸引許多想大量種植的新興米種米商,找上該品牌合作。

它建立科技決策,是深刻理解現有稻米產業模式的局限,徹底解決量少、品質不穩的困境。

例如,成功與連鎖餐飲業者合作,雖能一口氣收穫大訂單,確保稻米出海口,但也有風險,「對方要求固定價,市場波動是由我們承擔啊。」陳肇浩認為,精準管理下,他有底氣長期供貨,如今與多家連鎖業者合作超過十年。

面對進口米強勢叩關,同業追求量少質精的金字塔頂端生意,他卻不然,「我的競爭力在穩定,用品牌打天下。」

陳肇浩更直言,「農業的競爭力不是靠政策保護,要靠你自己爭氣!」曾經,他只能仰望日本米業,二十年過去,他已與之比肩,並把台灣米賣進二十一國,靠著穩定好品質,在香港市場站穩腳步,甚至賣得比日本米更貴。

「我相信能掌握細節,從源頭做起,才是農業的王道,」他自信道出,每次危機都是轉機。就連米業模範生日本都缺糧, 只要願意持續進步,就有彎道超車機會。

本文授權轉載自《商業周刊》

延伸閱讀:
3度創業「叫賣」平民版AI伺服器,群聯潘健成:3年後還賣舊產品是找死
從台積電到內需業都受衝擊,新台幣升到28恐還沒完

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓