維基經濟下的台灣危機
維基經濟下的台灣危機
2007.08.01 |

今年六月三日龍應台基金會主辦的思沙龍座談會上,台積電董事長張忠謀認為,台灣企業首要命題是創新商業模式,而非兩岸開放。大家都知道,台灣的成功經驗起自於代工,久而久之,台灣在國際經濟上也就自我限定於此一角色。當這種角色所帶來的利潤愈來愈低的時候,台灣並沒有尋求轉型,而是在一樣的商業模型運作之下,變本加厲。最後產業利潤愈來愈低,員工工時卻愈來愈長。

當中國崛起,台灣承續傳統的思維,看到的是夕陽產業的脫困之機。但英特爾(Intel)在大連設廠卻有著明顯的遠見。如果我們了解英特爾始終掌握開放式創新策略,不僅是一家生產工廠,也是價值中心的話,就可以非常清楚,它這一步棋,絕對不是著眼於節省成本,而是搶著占領一塊開放式創新的處女地。中國有的不僅是廉價勞工、大學知識份子,更重要的是「未來」。現在大家可以同意,關係或關聯的建立,包括顧客、供應商、員工,在維持競爭力上,比創新更為根本,也更為長久。而根據佐格比民調機構(Zogby International)的調查,美國有四分之一的人認為,未來十年,中國將成為創新發明的世界領袖。

然而,要讓台灣的眼光從短視的「兩岸開放」轉變成創新商業模型,卻又是臨淵羨魚。首先,我們習慣線性合作,只有上下游的連接,或同業之間的扶持,缺乏創造與拓寬價值的廣度。在生產上的創新是游刃有餘,但對於產品、甚至組織的整體規劃卻一籌莫展,但這些才是讓企業在當前國際商業環境中存續的關鍵。品牌管理就是一例。品牌所蘊含的是整體的組織文化,因此也絕對不可能以購併得來。
**
善於要求員工卻吝於分享**

中國人有所謂「海納百川,有容乃大;壁立千仞,無欲則剛」。照理說,這種分享的胸襟,和將全球視為研發的平台、研發人員不必一定為我所控管的開放創新,不謀而合。然而,華人企業的經營模式卻往往反其道而行:對分享興趣缺缺,但充分運用中國人勤奮努力的個性,極度開發(exploitation)人力資源,卻成了保持競爭優勢的唯一方法。

事實上,台灣產業居於科技產業鏈當中風險最高、報酬最少的位置,也有其苦衷。單打獨鬥、激烈的競爭,使得企業不得不現實功利、求速效而失遠利。這使企業不欣賞任何一項離開目標的研究。而台灣企業往往離不開降低成本、銷售業績,這些短期、量化、與遠景無關的目標。狹窄思維積重難改,結果就是企業無法推動革命性的研發或商業模型的改良,只能就在最低水平享受微薄但可能量大的利潤。

這種欠缺創新的企業文化,當前遇到了一個更為嚴峻的難關,就是創新的周期愈來愈短,創新者與非創新者的差距將會愈來愈大。過去一家創新公司要能夠達到在國際上呼風喚雨的地步,沒有幾個十年是不行的。例如一八七六年貝爾發明電話,但電話真正成為全民的工具,發揮具體的商業效能,恐怕是二次世界大戰之後的事了。然而,現在科技要達到那樣的程度,所需的周期明顯縮小。用經濟學的術語來說,就是創新的時間邊際效益比以往更大。

沒有創新的傳統難以劇變

不但如此,創新的風險比以往更低。例如一八八○年代美國出現前所未有的鐵路熱潮,但一八九○年代卻是美國歷史上公司破產最多的時期,因為鐵路的投資太高,一旦挹注資金,就無法轉型。但現在不同,透過開放式商業模型,公司可以迅速調整經營方針,歷史包袱不再成為新組織的負擔。受惠於這種邊際成本遞減的效益,使得創新更為值得嘗試。然而,如果企業長久以來沒有形成創新的文化,驟然創新,談何容易?

今天Web 2.0、甚至過去的Web 1.0之所以為人樂道,就是因為它們在既有體制之外創造了生機,但如果它們永遠處於商業的邊陲,無法成為現有企業致勝的手段,就會很快失去動能。Web 2.0尤其重要,因為創造力在Web 2.0的回饋比起以往更大。不管是合作對象還是顧客來源,都透過Web 2.0向全球無限延伸。

大家也許知道摩爾定律:每十八個月,CPU的運算能力加倍。如果摩爾發現這個定律,但他所創立的公司並不是設計以適應它,那麼英特爾就不過是另外一家普通的科技公司罷了。但摩爾看到了此一趨勢,而英特爾的開放式創新設計,就是以靈活變化為特色的新商業模型,用以配合他對計算機能力的預測。

所以Web 2.0固然帶給我們很多驚喜,但這機會是給全球的。當我們正準備運用Web 2.0出奇致勝,全球也一樣看到了這個機會。根據網路效果,誰能夠快速轉型,首先行動,誰就脫穎而出。台灣企業的僵化體制、在適應變化上較歐美公司為弱,讓我們為台灣的未來擔憂。 

往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

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。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

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。

2025 年活動論壇現場,資料照
圖/ AWS

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。

10/23高雄展覽館盛大舉行
圖/ AWS

「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

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
一次搞懂工業AI
© 2026 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