[蕭瑟寡人] 美國傳產與加速器結盟，給台灣育成體系的啟示是什麼？|數位時代 BusinessNext

2005年後，以Y Combinator為首開啟的創業加速器潮流，使得美國以至世界各地創業家有了進入金融與業師資源內環圈的明確管道。此後，創業家與新創公司的數量大增，也吸引更多的資金、人才投入新創事業。一直到金融海嘯發生後，壯大的科技新創圈才引起了傳統大型企業的注意。

2012至2013年算是美國科技新創界的分水嶺。在這之前，金融海嘯造成百業蕭條，卻間接為科技新創帶來了新誘因。

到了2011年，創投與加速器大肆擴張，美國矽谷以外的科技新創重鎮如紐約、波士頓、奧斯丁等，都在這期間快速成長。2013年以後，美國與全球的知名加速器有了兩大轉變，那就是越來越多加速器與傳統產業締結策略聯盟，以及加速器走向產業專業化。

在這之前，加速器的策略夥伴多半是Google、微軟、Facebook、亞馬遜、Rackspace、Salesforce等科技大企業，而且加速器多半是不分產業別，只要是新創公司都收。

創業生態系　　

傳統產業與創業加速器策略聯盟，或投資成立加速計畫，也讓加速器開始走向產業專業化。圖片來源：Shutterstock。

傳產瞄準加速器，鎖定垂直領域

傳統產業的加入，許多通路以及品牌難題瞬間得到紓解，科技新創如虎添翼。而過去加速器跨產業別造成加速器資源多而不精，傳統產業加入後，加速計畫開始將資源重整，專注於金融、教育、智慧工業、穿戴裝置、醫療健保、通訊等單一產業領域，提供一條龍式的專業培育。

若參考美國媒體的加速器的相關報導（1、2），Y Combinator與異業結盟後成立物聯網加速計畫，TechStars則與知名產品設計公司R/GA結盟成立了工業與B2B物聯網加速計畫。

美國東岸起家的DreamIt Ventures，在2016年從一般加速計畫轉型，一方面與賓州州立大學、馬里蘭大學合作成立教育科技加速計畫，另一方面又與賓州大學與約翰霍普金斯大學合作成立了醫療生技加速計畫。

除此外，TechStars與Barclays銀行合作成立金融科技加速器、Startup Bootcamp則與MasterCard、Thompson Reuters與德意志銀行合作培植金融科技新創。TechStars也與美國第四大行動通訊提供商Sprint合作成立行動科技與穿戴裝置加速器。其他更有意思的還有食物相關科技以及流行相關科技的加速計畫。而StartEd（團隊來自於前Techstars與Kaplan合辦的加速器）則與紐約大學合作合辦教育科技加速器。

整體而言，這是非常正向的發展。首先這代表科技新創與傳統的深度產業專業結合，第二優勢則是傳統產業的資金與研發資源，與其用於對抗科技公司，不如轉而透過與科技公司的合作，來提升自身的效率和多元性。

傳統產業與新創的深度合作

先前提到的許多計畫都是科技加速器利用自己的投資和管理知識與傳統大企業合作。由於時勢所趨，美國與許多跨國大企業都紛紛跳入，自行創立產業專業加速計畫或孵育計畫，一方面研究潛在的發展方向以及競爭對手，另一方面則是尋找潛在的併購對象。

最好的幾個例子就是，可口可樂的科技培育網路、迪士尼成立了影視娛樂科技加速器以及三星成立的虛擬實境與物聯網加速器。

透過這些大企業扶植之加速計畫，創業家可以迅速地將自己的產品透過大企業的網路進入市場，同時也能得到大企業高層主管的輔導和幫助，可說是雙贏局面。

給台灣育成體系的啟示

與其說國際大企業與新創產業結合是2012年才發生的事情，應該說是許多國際企業在過去就已慢慢與新創公司接觸。以三星為例，早就成立了三星策略創新中心（Samsung Strategy and Innovation Center, SSIC），定期派人到美國各地參訪科技新創公司（敝人的公司在Kickstarter上成功群募後，隔幾天就接到三星SSIC的電話，一個月後三星就從韓國派人來訪問，非常積極）。

成立加速計畫和育成體系，對於這些大企業來講只是形式上整合資源，將長期的產業研究資源重整。這也告訴我們傳統產業面對世界科技化的潮流，必須要定期觀察研究產業脈，並且要有改變的勇氣因勢務事。

過去美國企業，不管是早期的IBM、AT&T，還是九○年代的微軟、網路串流元年的百視達，亦或智慧手機早期的蘋果，都使用了「洪荒之力」透過法律和反競爭手法打壓新創公司，最終不但不得其果，反而被強迫轉型。有了前車之鑑，才有越來越多大型企業逐漸用合作互利代替惡性競爭。

說到台灣的情況，台灣可說是深陷兩難局面。不管是AppWorks、TSS新創競技場、IDEAS Hatch還是FinTechBase，都可馬上看出其與美國的國際知名加速器之差別。

台灣的育成計畫不但完全沒有妥善的產業業師，甚至連領導人都沒有創業經驗。這病徵源自於台灣世代隔閡的兩難局面：傳統產業的前輩食古不化，無法理解服務經濟，而其對於價值創造的了解局限於製造業卻全然不知。

相對地，台灣新創界過度吹捧青年創業，誤導了許多完全沒有工作經驗、產業常識的年輕人盲目創業，且胡亂造神，一場荒腔走板最後比製造業更沒有價值，只會徒增誤會。

其實這問題在台灣科技業已經不是第一次。過去雲端產業起步時，台灣的製造業與新創圈兩派人馬就曾弄巧成拙：製造業不懂得扶植軟體服務，只關注銷售硬體設備。

而創業者則是過於資淺，一味地模仿國外的成功服務模式，無人用心發展成本需求與風險較高的雲端基礎建設。最後，台灣傳統產業沒能轉型升級，新創產業依然沒有成熟的雲端資源，空耗結果就是被南韓與中國大幅超越，如今追都追不回來。

因此，國外大企業與新創體系的結合，是台灣可以參考的對象。除了參考對方的模式以外，更要深入了解對方的文化和態度，才能建立穩定的台灣大企業與新創界合作平台。

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長800至1000字，兩天內會回覆是否採用，文章會經編輯潤飾，如需改標會與您討論。

@@ACTIVITYID:638@@

「代理式 AI 」（Agentic AI）的創新服務正在重新塑造企業對AI的想像：成為內部實際運行的數位員工，提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢：2025 年是 AI 邁向「代理式 AI」的起點，讓 AI 擁有決策自主權的技術轉型關鍵，2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮，企業如何加速落地成為關鍵，博弘雲端以雲端與數據整合實力，結合零售、金融等產業經驗，提出 AI 系統整合商定位，協助企業從規劃、導入到維運，降低試錯風險，成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路，企業該如何走對第一步？

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題、生成內容的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工，應用場景也從單一任務延伸至多代理協作（Multi-Agent）模式。

「儘管 AI 前景看好，但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出，到了 2028 年，高達 70% 的重複性工作將被 AI 取代，但同時也有約 40% 的生成式 AI 專案面臨失敗風險；關鍵原因在於，企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭，更涉及流程變革與人員適應。

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時加速 AI 落地。

圖／數位時代

正因如此，企業在導入 AI 時，其實需要外部專業夥伴的協助，而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力，涵蓋數據、雲端、應用開發、資安防禦與維運，可以一站式滿足企業需求，更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示，許多企業在導入 AI 時，往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵：HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論，並非紙上談兵，而是已在多個實際場域中驗證成效；鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程，正是其最具代表性的案例之一。陳亭竹說明，HAPPY GO 過去曾面臨AI 落地應用的考驗：會員資料散落在不同部門與系統中，無法整合成完整的會員輪廓，亦難以對會員進行精準貼標與分眾行銷。

為此，博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化，完成建置數據中台後，再依業務情境評估適合的 AI 模型，並且減少人工貼標的時間，逐步發展精準行銷、零售 MLOps（Machine Learning Operations，模型開發與維運管理）平台等 AI 應用。在穩固的數據基礎下，AI 應用成效也開始一一浮現：首先是 AI 市場調查應用，讓資料彙整與分析效率提升約 80%；透過 AI 個性化推薦機制，廣告點擊轉換率提升 50%。

左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例，許多企業往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

圖／數位時代

整合 Databricks 與雲端服務，打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中，博弘雲端發現，底層數據架構是真正影響 AI 落地速度的關鍵之一，因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台，作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架（Apache Spark）為核心，能同時整合結構化與非結構化資料，並支援分散式資料處理、機器學習與進階分析等多元工作負載，讓企業免於在多個平台間反覆搬移資料，省下大量重複開發與系統整合的時間，從而加速 AI 應用從概念驗證、使用者驗收測試（UAT），一路推進到正式上線（Production）的過程，還能確保資料治理策略的一致性，有助於降低資料外洩與合規風險；此對於金融等高度重視資安與法規遵循的產業而言，更顯關鍵。

陳亭竹認為，Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台，當需要啟動新型 AI 或 Agent 專案時，再切換至 Databricks 進行開發與部署，待服務趨於穩定後，再轉回雲端平台，不僅兼顧開發效率與成本控管，也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程，資訊安全與治理的重要性也隨之同步提升。對此，宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層，企業在導入 AI 應用初期，就應做好資料分級與建立資料治理政策（Policy），明確定義高風險與隱私資料的使用邊界，並規範 AI Agent「能看什麼、說什麼、做什麼」，防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層，當 AI Agent 角色升級為數位員工時，企業也須比照人員管理方式為其設定明確的職務角色與權限範圍，包括可存取的資料類型與可執行的操作行為，防止因權限過大，讓 AI 成為新的資安破口。

第三為技術應用層，除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外，還需導入專為生成式 AI 設計的防禦機制，對 AI 的輸入指令與輸出內容進行雙向管控，降低指令注入攻擊（Prompt Injection）或惡意內容傳遞的風險。

博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」，透過完善治理政策與角色權限，並設立專為生成式 AI 設計的防禦機制，降低 AI 安全隱私外洩的風險。

圖／數位時代

此外，博弘雲端也透過 MSSP 資安維運託管服務，從底層的 WAF、防火牆與入侵偵測，到針對 AI 模型特有弱點的持續掃描，提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞，更可以即時監控活動，快速辨識潛在威脅。不僅如此，也能因應法規對 AI 可解釋性與可稽核性的要求，保留完整操作與決策紀錄，協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向，」陳亭竹強調，面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時，加速 AI 落地。在這波變革浪潮中，博弘雲端不只是提供雲端服務技術的領航家，更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗，以及完善的資安維運託管服務，博弘雲端將持續協助企業把數據轉化為行動力，在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機，立即聯繫博弘雲端專業顧問