沒有憧憬，就走入歷史黃昏|數位時代 BusinessNext

台灣的投資市場，每十年就是一個週期。民國七十年代，國泰人壽以每坪75萬買下華航旁的土地，開啟土地資產投資熱潮，在股市由636點漲到12682點的日子中，有八檔股票股價超過1000元，其中國壽股價漲到1975元。民國八十年代，是以效率管理創造獲利的代工式年代，我們看到鴻海、仁寶、英業達、華碩股票大漲，其中民國79年以三千萬創業的華碩創造了千倍以上的投資利得。民國八十年代結束的今天，國泰人壽股價的千位數和百位數都不見了，也再沒有人談華碩的成長傳奇，取而代之的是網路、通訊、軟體與IC設計公司的股價開始上漲。公元二千年後，隨著網路與通訊科技帶來的網路新經濟，人類的智慧財產將取代有形資產，如果一家公司對未來沒有憧憬與佈局，即使股價與本益比再低，都將乏人問津，在明年台灣股市重上萬點的過程中，我們照樣會看到一些高額舉債、囤積土地的公司爭相破產。
這是一場巨大的淘汰賽，我們應該投資贏家。
美國Nasdaq股票市場，比以往更深切的影響台灣股市，尤其自China.com成功於Nasdaq上市後，國際企業開始將目光轉向亞洲，微軟以每股300元買下寬頻和信超媒體股權，意義與當年國壽買土地一樣深遠。如果台灣在公元2000年能有企業於Nasdaq上市，就是相關產業大漲的開始。十年前買下一千多塊金融股的，今天實在不堪回首，但在今年我們將會在網路、通訊、軟體與IC設計公司中看到比比皆是的3、500元股價，這是價值極大化的結果。
今天的年輕人比我們過去幸福多了，睜開眼睛到處都是賺錢的機會。因為賺錢不必再靠經驗，靠的是才智，過去的經驗反而是累贅；同時企業經營模式也由老闆當家，轉折到老闆和員工共同創業，好的人才，比山坡上那塊地皮，更能為企業創造更大利潤。
在今年豐厚的投資機會中，當然也會有泡沫，公元2001年會有另一場強勝弱敗的殲滅戰，然而當Internet在革傳統產業的命之時，你應更小心地是：不要再選擇沒有希望的昨日泡沫。

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