台灣產業AI化指數今年從36.77分躍升至47.26分，增幅近26%，整體產業AI化程度處於「 Ready AI」 與 「Scaling AI」 的企業合計佔比已達近五成。台灣企業正式從「知道但做不到」的摸索階段，跨入全面落實的普及新局。然而，數字亮眼的背後，真正的挑戰才正要開始。

企業進入「深水區」，導入AI已無法成為優勢

人工智慧科技基金會（AIF）執行長溫怡玲指出，隨著AI應用進入普及化，台灣企業已進入新賽局。這不僅意味著市場競爭全面加劇，更代表企業必須跳脫單純的工具引進思維，轉向核心競爭力與組織架構的全面重構。

她以「紅皇后效應」形容當前的競爭態勢，當所有企業都在用AI、生產力都得以提升，光是導入工具已不足以建立優勢，真正的分水嶺在於能否比對手更精準地找到值得解決的核心問題，進而打造出難以複製的競爭護城河。

這樣的警示，在傳統製造業體現得尤為真實。勤工股份有限公司成立於1996年，起初以製造堆高機與物流運搬設備零件為主。深耕台灣堆高機特殊改裝設備市場逾30年，長期為各大國內堆高機廠牌指定改裝廠。2017年正式成立AXON品牌，並於2021年帶領研發團隊跨足無人自動化堆高機領域，結合大數據與人工智慧技術，推出AMR自主移動堆高機，致力於協助製造業客戶以最少人力創造搬運最大的可能性，從傳統設備製造商蛻變為智能運搬解決方案提供者。

從失敗中汲取無可取代的價值

一路走來當然絕非一帆風順。隨著AI技術快速演進，「跟不跟得上」的焦慮感幾乎蔓延至每一位企業經營者。執行長林少顗坦言，「自己會不會被淘汰」幾乎是所有人心底共同的壓力。花錢購買工具也許可以解決這份焦慮，但真正困難的，是如何讓AI從外部工具轉化為企業內部真正的核心能力。

這樣的體悟，源自一段並不輕鬆的摸索歷程。林少顗說，傳統製造業過去普遍認為AI與自身無關，工廠有ERP、MES、WMS就夠了。然而2016、2017年數位轉型浪潮席捲而來，勤工也跟上腳步。成立工業物聯網公司、引進軟體廠商、申請政府補助，大量資源投入後，換來的卻是一場曇花一現。

這段過程讓林少顗沉澱出兩個關鍵思考。第一，企業僅是追求特定硬體或技術堆疊，在AI快速迭代的今天根本沒有長期價值。第二則是和團隊一起摸索、再站起來，以及陪著客戶走過困境所累積的實戰經驗，才是最難被複製的資產。

「以前我們在意投了多少錢，後來才發現，錢反而是最不重要的，最重要的是怎麼走過這條路。」林少顗重新審視這段歷程後，得出一個結論：AI與所有人過去的想像都截然不同，而關鍵在於「人才」。

下一步的競爭：誰先建立AI治理能力

林少顗指出，過去企業比的是誰先導入AI，接下來的競爭則將取決於誰先建立AI治理能力。其中，人才觀念的轉變是最根本的起點。首先，人才的觀念必須改變。技術缺口確實是企業轉型的一大障礙。根據世界經濟論壇預估，未來將有39%的勞工面臨核心技能的根本性改變。過去工廠倚重的是能寫程式、會畫機構圖的專業技術人員，但在AI輔助下，這道門檻正在快速降低。未來只要能清楚描述想法，AI就能協助將其具象化，工作的職能需求正在改變。

除此之外，資料的保護與管理同樣是企業不能迴避的課題。林少顗說，許多企業員工為了方便作業、盡快向主管交出成果，習慣將公司內部資料直接輸入外部AI平台取得答案，在無意間將敏感資訊暴露於外部風險之中。隨著這幾年國際治理標準逐步成形，歐盟也於今年二月正式實施AI新規範，資料管理已從企業的選擇題，變成必須認真面對的必答題。

林少顗強調，在解決人才斷層之後，企業下一步必須認真盤點資料分散在哪裡、如何妥善保護，並建立可安全運用的機制，才能真正讓資料成為AI的燃料，而非潛在的風險來源。

技術決定你跑多快，但治理決定方向是否正確

「你（經營者）沒有架好公司的框架，員工在下面再努力也是白費，AI一年三變，一場浪潮掃過來，什麼都垮了。」林少顗說，許多主管以為AI轉型是叫員工去學、考取架構師認證就夠了，但需要成為架構師的是企業主自己。

企業真正需要的不是跟上每一次的技術更新，而是建立內部的框架與架構。沒有治理的AI，只能創造短期的成效，真正的轉型需要像備戰馬拉松一樣，有規則、有秩序、有流程地長期投入，才能讓AI真正成為企業持續成長的核心動力。

林少顗提到許多企業在AI導入上常過度依賴外包，但外包廠商給的是規格，不是理解；給的是工具，不是能力。因此，經營者與管理者必須親自建立公司的AI架構，把值得解決的題目先定出來，再按優先順序逐步推進。更重要的是，過去員工各自學習AI、各自使用，累積的個人經驗，一旦離職便帶走了。AI治理真正要做的，是把思考邏輯與決策框架沉澱回公司，讓知識得以傳承，不因人員流動而流失。

資料、流程與架構是企業穩固的核心

數據孤島則是另一個關鍵障礙。林少顗說，部門之間若缺乏串聯，資訊流就會像假日高速公路一樣動彈不得。而勤工的做法是先將架構建立起來，讓數據能夠跨部門流動。以製造與品檢部門為例，過去評檢只是被動防堵錯誤流出，對提升品質幫助有限。導入AI後，讓品檢與製造兩個部門協作而非分工，製造過程中就能即時完成檢查與修正，徹底消除重複工序。

此外，許多企業習慣跟著技術跑，買了各種帳號、比對各種答案，卻忽略了一件最根本的事：最終做出判斷的，永遠是人。他強調，企業必須建立一套一致的決策架構與判斷基準，讓每一位同事在面對AI輸出時，都能用相同的邏輯加以評估與應用。否則，主管花了錢、員工用了工具，做出來的結果卻天差地遠，問題不在技術，而在於雙方思考基準根本不在同一條線上。

「有了判斷邏輯與基礎，知識才能真正轉化為智慧。」林少顗說，企業必須穩固的核心是資料、流程與架構這三件事。模型可以換，但這三件事不會變。當架構建立起來，題目的優先順序自然浮現，每個人不再只是各自為了績效表現，而是在同一個思維平台上共同協作、共同治理。

從賣設備到賦能客戶，傳統製造業的商業進化

這套治理思維，也徹底改變了勤工的商業模式。林少顗將核心方法論濃縮為「4A模型」：先定目標、評估風險與價值、分配責任、持續追蹤。在這個框架下，部門邊界逐漸模糊，取而代之的是跨部門共同解題的協作文化。

勤工也從過去單純販售硬體設備，轉型為提供可交付的「AI能力」。他強調，這不是賣訂閱平台、不是租工具，而是走進客戶現場、深入理解痛點，陪著客戶一起進步。「當你成為一個解題的公司，客戶就會和你長期共生。」這套模式更具備跨產業複製的潛力。

林少顗也重新定義了勤工的使命。從製造能力出發，疊加智慧力與自主力，勤工正透過AI將過去難以實現的生態系整合逐步實體化。「Empower Your Move，」他說，「我們雖然是移動設備製造公司，但我們真正在做的，是賦能所有的客戶與夥伴。」

當 AI 從少數企業的專屬工具演變為產業標配，一場新賽局悄然展開。然而多數企業尚未意識到，競爭優勢的關鍵已不只在於是否導入 AI，更在於能否透過完善的政策框架，做出正確的資源配置決策。

根據人工智慧科技基金會今年發布的《2026 台灣產業 AI 化大調查》結果顯示，台灣產業 AI 化雖已正式跨越普及門檻，但在治理面卻有高達 61.8% 的企業，內部 AI 應用完全脫離組織管控；而長期被忽視的算力配置問題，更與實際應用需求之間存在日益擴大的錯位。

人工智慧科技基金會執行長溫怡玲指出，儘管「台灣缺算力」的聲音不絕於耳，但歷次調查數據顯示，台灣企業似乎並不缺算力。實際上，多數企業多半直接使用國際大型公有雲，大型企業更已自建地端伺服器。然而，這並不意味著算力佈局的問題可以置之不理。

若將眼光放遠至 2027 年後，全球算力供應恐將出現供過於求的局面，缺乏政策引導的重複投資將造成龐大的資源浪費。她強調，算力佈局必須從企業層次提升至政策層次統籌規劃，從地緣政治風險、實際應用需求到產業鏈特性等多重角度出發，積極推動多元算力架構，確保資源真正用在刀口上。

小模型能力提升，加速AI應用的典範轉移

面對這場新賽局，高通行銷資深總監江昆霖從技術層面指出，近兩年小型模型能力持續躍升，綜合表現已足以超越過去 700 億參數規模的大型模型，所需的運算資源與記憶體門檻也同步降低，AI 推論從雲端走向地端的條件日趨成熟，這波演進同時加速了 AI 應用的典範轉移。

隨著 Agentic AI 浪潮興起，每個人都能培育屬於自己的 AI Agent，而成熟的 Agent 將能統合不同模型與周遭智慧裝置，協同完成複雜任務。正因如此，分散式應用架構的重要性日益凸顯，不僅能滿足個人需求，更能回應企業對資料安全、算力掌控與主權性佈局的核心訴求。

江昆霖表示，Agentic AI 若要真正落地，光靠軟體進步還不夠，更必須走向 Physical AI 的整合。唯有在地端有效解決低延遲、隱私保護與資料自主性等關鍵問題，搭配雲端與地端協同運作的「混合式架構」，方能在效能、成本與資料主權之間取得平衡，真正實現 AI 的全面規模化。

AI已成為人與裝置的全新互動介面，帶動生態系建立

他指出，Agentic AI 工作流在行動裝置上其實已然成型。以手機為例，使用者只需透過語音或文字對話，便能指示手機完成規劃生日派對、預訂餐廳、訂購蛋糕等一系列複雜任務。這背後有兩個關鍵驅動力：其一，AI 已成為人與裝置之間全新的互動介面，無論語音、圖像或影像輸入，Agentic AI 都能在後台自動調用最適合的模型即時回應；其二，Agentic AI 不僅能調動不同模型，更能串聯使用者身上的各種穿戴裝置，持續累積個人化資料，形成真正專屬於個人的 AI 體驗。他將這套以個人為核心、跨裝置協同運作的生態模型稱為「Economy of AI of Things」，也是 AI 從工具演變為生活基礎建設的關鍵一步。

江昆霖認為，Agentic AI 的應用載具也將從手機逐步擴展至各類智慧裝置。隨著裝置端 AI 能力持續提升，裝置之間得以互相傳遞個人資訊，無論是車內座椅與溫度的自動調整，還是跨裝置切換時的無縫銜接，核心的 Agentic AI 都能將使用者的個人喜好與操作習慣跨裝置一致地呈現與實現。而這樣的多裝置協同，也進一步凸顯了算力分層配置的必要性。

雲端與地端分層協作將是未來趨勢

關鍵概念在於，雲端與地端之間應是分層協作而非相互取代的運算架構。江昆霖指出，企業可在兩者之間部署 On-prem Edge，讓資料留存於公司廠房內而不外流，同時藉助高達數千 TOPS 的本地算力，在企業內部運行數十億乃至數百億參數的大型模型，供各部門靈活調用。

江昆霖進一步點出，Edge 端成為 Agentic AI 規模化關鍵的核心原因在於，AI 的持續進化有賴高品質資料的持續輸入，然而近兩年前沿大型模型的問世頻率明顯趨緩，根本原因在於可供訓練的真實公開資料幾近耗盡。未來真正有價值的資料，將來自企業內部與使用者日常場景中持續產生的現場資料。如何將這些資料回傳雲端進行再訓練或 Fine-tuning，再重新部署至地端，形成持續優化的資料閉環，也是決定 AI 競爭力的關鍵。而這也正是連接能力（Connectivity）不可或缺的戰略價值所在。也凸顯了高通在串聯 Edge 端與 Cloud 端連接能力的核心優勢。

另一方面，江昆霖也提到，隨著無線通訊技術持續演進，6G 的發展目標已不僅止於提升資料速率，更必須承載來自邊緣端日益增長的 AI 推論需求。

為進一步降低技術落地的門檻，高通也針對工業電腦、機器人、零售等多元產業提供邊緣 AI 解決方案，並透過收購 Foundries.io、AnythingLLM 與 Arduino 等關鍵夥伴積極賦能開發者生態。其中 AnythingLLM 能即時收集產線、廠房與機器手臂上的現場資料，在線上完成模型 Fine-tuning 後重新部署，讓模型持續貼近實際應用需求；Arduino 則擁有全球 3,700 萬開發者社群，提供從電腦視覺到大型 LLM 的完整開發環境，開發者可將驗證成果直接套用至機器人、機器手臂或 AGV，實現從原型到落地的快速轉化。
高通認為，硬體、場域與開發者生態三位一體的整合佈局，將是推動邊緣 AI 真正規模化、讓 AI 從技術概念走向產業現實的關鍵所在。

台北，2026年4月30日——由財團法人人工智慧科技基金會（AIF）與高通技術公司 (Qualcomm Technologies Inc.)共同主辦的《2026 台灣產業 AI 化大調查》發布會在台北舉行，公布台灣企業今年導入人工智慧（AI）的進程。

人工智慧科技基金會進行台灣產業AI化大調查已邁入第五年，2026年的調查報告顯示，台灣企業的 AI應用已在今年進入爆發期。過去數年，企業熱議的是「要不要做 AI」，而今年問的則是「該如何導入 AI」，顯示隨著生成式 AI 工具快速普及，大大降低了技術門檻，AI已從趨勢正式邁入落地階段。

調查指出，在滿分為100分的基準下，整體企業在產業AI化指數由去年的 36.77 分躍升至 47.26 分，近 10 分的漲幅，凸顯出企業對於AI工具的應用與認知顯著提升，且在人才培育、技術應用與經營策略三大面向都出現成長，若從「創新傳佈理論」觀察，這也象徵台灣產業 AI 化已迎來「早期大眾」的出現，正式邁入主流市場。然而，數據成長的背後，卻也隱藏著被低估的結構性風險。

財團法人人工智慧科技基金會執行長 溫怡玲 指出，導入 AI 後，企業需要掌握AI治理方法論，盤點人才、基礎建設、工作流程等面向的改變，也需考量應該如何評估與驗收，這些都是轉型過程中的挑戰。其中包括何時確認實驗失敗該喊停、何時該繼續，都是企業往前邁進正在面對的真實問題。

近半數企業跨越技術門檻，轉型進程呈現兩極化

依循過去幾年的研究架構，基金會同樣依據企業的 AI 成熟度，將其分為四個階段：Unknowing AI（完全不了解）、Conscious AI（初步瞭解）、Ready AI（準備就緒）、Scaling AI（規模化應用）。

相較於 2025年，調查結果顯示，整體產業處於 Ready AI 與 Scaling AI 的企業合計佔比已達近五成，而處於 Unknowing AI狀態的企業僅剩不到三成，顯示 AI 基礎認知已在企業界廣泛普及。

即便如此，企業導入 AI 的進程卻出現明顯落差。領先的企業已跨越專案測試階段，開始將 AI 全面應用在業務中，並著手建立管理規則與重塑經營模式；相較之下，進度較慢的企業則仍困在數位基礎建設不全、人才不足，以及找不到核心問題的泥淖中。此差距顯示，企業的AI 競爭已不再只是技術好壞的問題，更是考驗企業整體的經營體質，以及轉型決策的眼光。

針對此議題，國立政治大學傳播學院副教授陳宜秀 認為，企業發展 AI 的成敗關鍵在於「定義問題」的能力，企業應該要清楚痛點是什麼、要回答什麼問題，以及為什麼要選擇這樣的解決方式，他也強調：「不能只把重點放在技術是否到位，卻忽略的最核心的問題定義」。

跨產業 AI 轉型步調各異：資通訊布局完善，零售展現強勁成長動能

各產業在 AI 化的轉型步調上，也展現出截然不同的面貌。資通訊科技產業是 AI成熟度最高的產業，AI 策略布局最為完善；零售服務業則展現最強勁的增長動能，「經營面向」分數成長率高達 144%，技術與人才面亦呈現翻倍增長；而專業服務業在導入 AI 時，呈現兩極化的分歧，領先者持續進化、落後者卻停滯不前。

這場 AI轉型競賽同樣在製造業中發酵，為協助業者應對挑戰，人工智慧科技基金會自去年開始與資策會數位轉型研究院合作，透過《製造業 AI 普及度調查》挖掘產業痛點，該調查不僅揭示了製造業導入 AI 的關鍵洞察，更藉由示範案例的分享，協助企業在技術浪潮中精準定位。

驅動邊緣 AI 規模化，打造智慧新時代

此外，隨著生成式AI (Generative AI) 與代理式AI（Agentic AI）加速滲透各類應用場景，企業正加速推動AI轉型，身處全球AI硬體供應鏈核心地位的台灣，正面臨關鍵課題：如何有效部署邊緣AI解決方案，讓AI運算工作負載能在「最合適的節點」發揮效益，並結合雲端深度推論與邊緣即時反應，打造可規模化的混合式AI（Hybrid AI）運算架構，加速產業AI化落地，掌握競爭先機。

高通技術公司業務副總裁 吳南億表示，AI 應用早已突破單一終端裝置的限制，從終端、邊緣一路延伸到雲端，每一個節點都扮演不可或缺的角色。高通認為，結合雲端與邊緣算力的「混合式 AI」，將是能全面釋放 AI 潛能、同時兼顧效能、即時性與隱私需求的最佳架構。

吳南億進一步指出，高通相信「AI is the new UI」：未來人機互動將從以應用程式為核心，轉變為以AI Agent為核心的全新體驗。企業在推動AI轉型的過程中，可透過部署於邊緣端的AI Agent，讓終端裝置具備即時感知、理解情境並主動執行任務的能力，在兼顧隱私與資訊安全的前提下，提供更即時且高度個人化的使用體驗。憑藉超過十五年AI研發的技術優勢，高通將持續以Snapdragon®與Dragonwing™兩大平台為核心，分別深化消費性與工業、企業市場的AI布局，協助各行各業打造橫跨終端裝置、車用與產業應用的AI運算生態系，實現更智慧的決策與更高的營運效率，開啟AI規模化落地的全新時代。

企業缺乏 AI 治理，藏結構性風險

調查顯示，企業對 AI 轉型的急迫感顯著提升，進一步分析後卻發現，企業的戰略佈局與具體執行細節尚未同步，這道落差正成為轉型過程中的阻礙。

數據指出，企業內部有 61.8% 的 AI 應用完全脫離公司的管控。在缺乏資安準則與隱私框架的狀態下，這種「野蠻生長」的模式使企業暴露於資料外洩與法規合規的威脅之中。

除此之外，多數企業雖具備轉型願景，卻因缺乏具體的發展藍圖，導致難以擬定執行策略，成為阻礙 AI 落地最顯著的瓶頸。

勤工股份有限公司執行長 林少顗表示：「突破 AI落地瓶頸的關鍵，在於建立一套完善的 AI 治理方法」，他強調，即便技術領先，轉型的核心仍須回歸於「人」，唯有透過治理，建立透明與信任，才能讓 AI成為驅動企業穩健增長的動能。」

為了協助企業建立安全、合規的 AI 治理框架，人工智慧科技基金會宣布將推出全新版本的《AI 落地指引》，持續結合多年在產業輔導與技術顧問的經驗，針對不同成熟度階段的企業，提供導入策略與實作建議。

關於財團法人人工智慧科技基金會（AIF）

About AIF

財團法人人工智慧科技基金會（AIF）藉由長期持續的調查，深入描繪台灣產業導入 AI 的實際情境。《台灣產業AI化大調查》參考國際相關文獻及分類建議，將 AI 應用能力分為經營策略、人才培育及技術應用等三大面向，再將分數加總平均。依據分數不同分為四個群組，並針對每個群組提供導入AI 的建議方案。期望協助企業快速理解自身所在位置，並對標整體產業落點，了解如何使用 AI 技術協助營運，或進行企業轉型。

如欲瞭解更多人工智慧科技基金會（AIF）的完整洞察，請造訪aif.tw  

媒體聯絡

隨著 AI 技術持續深化，人工智慧已由「科技趨勢」正式跨入「實質落地」階段。財團法人人工智慧科技基金會（AIF）深耕五年、長期追蹤產業界 AI 導入動態的《台灣產業 AI 化大調查》顯示，在歷經前四年的緩步成長後，今年的 AI 化指數呈現顯著躍升。目前處於「準備就緒（Ready AI）」與「規模化應用（Scaling AI）」的企業合計佔比已達 47.8%，象徵近半數企業已跨越技術門檻，開啟規模化轉型的新局。

然而，在亮眼的成長數據背後，調查也看出企業轉型過程中隱而未現的風險與集體焦慮。

意願高漲，成效卻仍在過渡地帶

調查發現，儘管 AI 基礎認知已在企業界廣泛普及，更有高達 85.8% 的企業明確表示將於今年啟動或擴大 AI 佈署，Ready AI 與 Scaling AI 合計佔比亦已達 47.8%，顯示企業對 AI 轉型的急迫感與投入意願呈現積極增長趨勢，但調查數據反映出，實際成效的推進速度尚未與意願同步。

在實際應用端，企業「目前應用人工智慧的程度」平均得分僅 36.84，且導入後「暫無明顯成效」的企業仍達 23.0%；在組織配套端，44.7% 的企業尚未制定任何 AI 人才培訓做法，61.8% 的企業 AI 應用游離於組織管控之外；在落地深度上，真正將 AI 完全整合進核心營運流程的企業更僅有 6.6%。

這些數據同時也反映出，多數企業的 AI 化，仍停留在「想做」與「開始做」之間的過渡地帶，工具的引進未能同步帶動治理機制的建立、人才職能的轉型與流程的系統性整合。高昂的導入意願，尚未轉化為可衡量的組織成效。

且當我們進一步探問不想導入AI的企業，也可發現最大的阻礙在於缺乏適用的應用場景（23.6%）： 尚未找到能具體解決業務痛點的切入點，擔憂為了導入而導入。

花大錢投資 AI 仍失敗？問題出在「定義問題」的能力

這樣的困境，是基金會近年協助企業轉型時經常看見的情況。部分企業即便已投入 AI 研發逾一年仍頻頻碰壁，往往是因為最初認定的「痛點」只是表象，而非問題核心。這也是轉型必經的認知轉換歷程，企業無法僅憑想像就找準方向，必須在實際落地、真槍實彈運行後，才能看清真正的問題。

因此，在本次發布會上，基金會特別邀請國立政治大學傳播學院陳宜秀副教授，以設計思考為方法論，協助企業重新聚焦與定義痛點，釐清哪些只是表面現象、哪些才是真正影響成效的關鍵。

以設計思考重新定義「企業痛點」

生成式 AI 展現了無限的想像空間與應用潛力，技術更新的速度更是一日千里。然而，當我們希望解決的問題與「人」密切相關時，問題本身就具有高度複雜性，且各環節相互連動、持續演變。若只看到表層現象，沒有深入理解問題的根源，即使有再好的技術或解決方案，也不過是隔靴搔癢，甚至徒勞無功。

在生成式 AI 出現後，視覺內容、音樂、3D 模型、影像，都能透過問答方式快速生成；幾乎任何問題，AI 都能在極短時間內給出答案。陳宜秀副教授引用英國建築學者 Cedric Price 1966 年的提問：「如果科技是答案，什麼才是問題？」置換到當下的 AI 時代，這個問題同樣值得深思：如果人工智慧是答案，那什麼才是問題？

設計思考（Design Thinking）的核心在於共情（Empathize）與定義問題（Define）的步驟。對於解決方案的開發者而言，以同理心理解潛在需求，將有助於建構問題全貌，並精準鎖定核心痛點。

完美的技術若錯置應用場景，終將淪為無效投資

為什麼定義問題的能力如此重要？因為最完美的技術，若錯置了應用場景，終將淪為無效投資。這種「以人為本」的認知轉換，在國際公衛實踐中提供了經典範例。

以瘧疾防治為例： 瘧疾長期是非洲各國重大的公衛挑戰，更是 5 歲以下兒童的五大死因之一。政府曾大規模發放蚊帳，根據世界衛生組織（WHO）報告，蚊帳的推廣使多數非洲國家的死亡率下降了 50～60%。

然而，儘管蚊帳已被證實有效，迦納中產階級家庭的使用率卻僅有 14%。經研究人員深入訪查發現，多數家庭認為蚊帳影響美觀、阻礙空氣流通且使用不便，這些「生活細節」才是真正阻礙防疫的關鍵。基於這些洞察，設計團隊最終開發出兩款貼近當地審美與生活習慣的新型設計：錐形拉鍊入口網與彈出式帳篷網，這才真正解決了問題。

同樣地，任何希望透過 AI 解決的業務難題，都應採用設計思考的路徑：先累積資訊、後拆解脈絡、最終分析根因。 當技術門檻不再是障礙，唯有精準定義問題，才能讓 AI 投資轉化為真正的競爭力。

當技術門檻愈來愈低，定義問題的能力，才是真正的決勝關鍵

跨越了技術導入的門檻後，企業更需掌握系統化的 AI 治理方法論。轉型的下一步，不僅是科技的更新，更是組織全方位的重構：從人才職能的再定義、數位基礎建設的加固，到工作流程的自動化整合，乃至於建立一套科學化的評估與驗收機制。這些深層挑戰雖然艱巨，卻是決定企業能否將 AI 潛力轉化為實質產出、實現規模化成長的必經之路。

AI 轉型從來不只是技術的競賽，更是一場關於「如何定義問題」的能力考驗。

今年的發布會，我們將從三個面向陪您看清全局：透過最新調查數據，解析台灣產業在策略布局、人才發展與技術應用上的真實進度與潛在機會；引入設計思考方法論，協助您穿透表面現象、直擊核心痛點，找出真正影響轉型成效的關鍵所在；並從資料治理到人才梯隊建置，提供讓 AI 脫離實驗階段、在組織中穩定創造價值的長遠路徑。

根據人工智慧科技基金會（AIF）最新發布的《2026 台灣產業 AI 化大調查》，高達 85.8% 的企業計畫在今年導入或擴大 AI 佈署。然而，多數企業寄望 AI 緩解人力成本壓力的同時，「AI 人才缺乏」卻反過來成為轉型最大的阻力。

調查顯示，「缺乏關鍵人才與技能」是所有 AI 導入障礙中佔比最高的項目（49.5％)，揭示AI 落地成敗的關鍵，最終仍回歸到「人」的身上。

數位基礎穩健，但「人才」與「治理」成轉型天花板

調查顯示，台灣企業在 AI 轉型的三大評估維度中，呈現顯著的發展不均：技術層面平均得分最高（50.63 分），經營層面次之（48.61 分），人才層面則以 39.73 分明顯落後。三者之間的落差清楚揭示了當前的轉型困境：基礎設施已到位，策略意願也在增強，但能夠承接並深化 AI 應用的人才能力，卻尚未跟上。

這個缺口也具體反應在「AI 人才發展策略」指標上，整體產業平均得分僅 29.17 分，是三大維度中得分最低、落差最大的單一指標。這些數字共同指向同一個現象：多數企業雖已深刻感知 AI 帶來的衝擊，在系統性人才培育與職能發展的行動上卻幾乎停滯，認知走在前面，行動遠遠落後。

同樣不容忽視的還有治理面的缺口。調查顯示，僅約 10% 的企業訂有明確的 AI 使用規範，61.8% 的企業內部 AI 應用完全處於缺乏管控的「野蠻生長」狀態。這也帶出了一項警訊，AI 工具雖已提升員工個人生產力，但若未能有效轉化為組織流程的結構性優化，隨著競爭者同步提升效率，個體間的相對優勢將逐漸消弭。也就是當所有人都在跑，速度本身就不再是優勢，企業可能跑得更快，卻依然停在原地。

面對人才斷層與治理真空的雙重挑戰，技術採購與資料整備固然必要，但唯有能將 AI 工具轉化為實際流程改善的人，才是決定落地價值的核心變數。這在製造業中尤為具體：生產現場的 AI 落地，不缺技術，缺的是理解場域脈絡、能夠設計解法並推動變革的人才。那麼，面對這樣的困局，企業能從哪裡找到突破口？

製造業落地治理方法：勤工以「賦能」化解員工 AI 焦慮

面對產業普遍存在的人才落差與組織隔閡，本次報告發表會特別邀請近年來積極導入 AI 的勤工股份有限公司，分享其轉型歷程與治理實踐。

以堆高機與物流運輸設備製造起家的勤工，近年來已成功將業務擴展到無人化設備領域。然而，這場轉型並非一帆風順。勤工執行長林少顗指出，製造業導入AI的一大挑戰，來自於員工對於AI的焦慮感 。他觀察到，傳統的電焊與組裝工人與新世代的AI工程師之間存在巨大的鴻溝，雙方語言不通，甚至會產生「這是要監督我、操控我」的抗拒心理 。

為解決「人的問題」，勤工重新審視了AI落地的核心，強調AI應該是「賦能」而非「取代」 。因此，公司推動了一項名為「專才變通才」的計畫，透過跨部門工作坊，打破各個職能部門之間的隔閡 。林少顗認為，過去只專注於自身技能的「專才」模式已經過時，現在每個人都必須成為能夠互相理解與協作的「同儕」 。

在工作坊中，大家會面對面討論問題、分配資源，而不是透過書面文件互相推卸責任 。公司的目標不是要「檢討任何人」，而是要「解決問題」 。此外，勤工還透過工作坊與問卷調查，確保AI專案的成果能夠被員工「有感」地體驗到，這比評估能賺多少錢或省多少錢更為重要 。一路走到現在，勤工將AI視為協助客戶與自身共同成長的夥伴，並將品牌重新定位為「賦予你的行動力量（Empower your move）」 。

只有解決『人』的問題，AI 才能真正發揮價值

人工智慧科技基金會指出，台灣產業 AI 化正處於「工具普及、治理滯後」的關鍵期，企業的核心挑戰已從「是否導入工具」，轉向「能否建立可持續的組織治理能力」。

AI 治理不是一蹴而就的工程，而是一場需要全員參與的長期旅程。在這波 AI 浪潮中，若企業僅是盲目跟進工具，不僅難以創造真正的價值，更可能在不知不覺間累積龐大的組織隱性成本。正如勤工執行長林少顗所強調：唯有先解決「人」的問題，AI 才能真正從工具蛻變為推動企業成長的力量。

以台灣來說，台北市大同區的獨居長者、花蓮縣富里鄉的高齡農戶、高雄市六龜區的偏遠部落、雲林沿海小鎮的老農，雖然同樣是統計表上超高齡社會的組成份子，但由於所在的地區與環境不同，所面對的風險結構、可用的資源完全不一樣，因此要有效預防高齡化社會風險的政策思維，必須深入審視許多不同面向的指標。

國家發展委員會委託亞洲大學與人工智慧科技基金會，共同以資料科學為基礎進行《高齡化社會風險地圖》研究。這份研究所要探究的並不是縣市排名，反倒是讓我們重新思考，如果長期以「縣市」作為政策規劃的基本單元時，究竟有多少結構性的重要差異被平均值掩蓋了？

在這個研究中涵蓋 22 個縣市、368個鄉鎮市區，以六大主題為骨幹，分別是人口結構、經濟弱勢、健康醫療、公共安全、氣候災害、社會參與。由於研究當下能夠蒐集到的資料有所差異，因此縣市層採33項指標，鄉鎮層採24項指標。

這些指標是如何來的？主要參考國外面對超高齡社會採用的指標，包括全球高齡觀察指數（Global Age Watch Index，GAWI；HelpAGE International, 2015）、活躍老化指標（Active Ageing Index，AAI；UN, 2019）、高齡社會指數（Aging Society Index，ASI；Chen, C et al,2018））、人類發展指標（Human Development Index，1990年開始每年出刊，2026年版）、全球高齡社會指數Global Aging Society Index（GASI；Chen, C et al, 2024）等，評估哪些指標可應用到國內。

花蓮縣的風險，不等於花蓮市的風險

在縣市層，目前綜合風險指數63.5是全國22縣市中最高分。但當分析尺度調得更細、以鄉鎮為單位時，現象就變得複雜許多。以花蓮縣為例，就數據資料看來，富里、玉里這些深陷老化、貧窮與氣候壓力交織的鄉鎮，與花蓮市的處境完全是兩回事。

同樣地，在一般印象中風險最低的雙北地區，仍有12個鄉鎮區經過數據分析後，被標示為高風險地區，其中包含台北市萬華、大同，新北市平溪、瑞芳等。這些在縣市平均值底下完全看不見的「高風險地帶」，正是這個研究想要辨別並找尋答案的問題。

透過「高齡風險地圖」重新錨定問題

在方法論上，研究特別保留A、B兩個版本的對照，並選擇版本B做為最終結果。

版本A直接平均所有指標分數，但很快發現，由於健康醫療面向有9個指標，影響力是只有2個指標的經濟弱勢的4.5倍。因此光是在方法論上就可以明白看到，資料的完備程度對於議題比重有極大的影響力。

版本 B 則讓六大主題各六分之一等權重，主題內再依指標項目再均分。指標的選擇原本就是價值的選擇，決定了六種風險同等重要，不因為某個主題被研究得比較多、數據較多，就造成整體結論的失真。
這個判斷，在處理高齡化議題時特別重要。因為人口結構的指標（扶老比、老化指數、獨居老人比率等）往往會與其他主題的指標產生複雜的交互作用，若不先把權重處理乾淨，後續的共現分析與空間分析就難以解讀。

人口老化在哪裡「獨行」，又在哪裡「疊加」？

在初步研究成果中另一個值得注意的，是提供了兩種看待高齡化風險的方式：什麼時候老化是一個獨立問題，什麼時候會與其他風險綁在一起惡化且互相影響。例如在縣市層，相關性矩陣顯示：

• 人口結構X經濟弱勢：r =0.66
  老化與貧窮在縣市層高度同步。這意味著，在宏觀尺度上，高齡化最嚴重的縣市，往往也是經濟條件最弱的縣市。
• 人口結構X公共安全：共現次數= 4（縣市層配對中最高）
  高齡化縣市同時面臨公共安全壓力。
• 社會參與X人口結構：共現次數= 0
  老化最嚴重的縣市，社會參與風險反而不高。兩個問題不是同一批縣市。

光是選擇這三個數字就可以看出，在縣市尺度上，高齡化是「複合型風險的核心」，傾向於與貧窮、公共安全同步惡化，但與社會參與呈現反向關係。

但是當視角切到鄉鎮層，關係變了。人口結構與其他主題的高度相關性，在鄉鎮層並不明顯。反倒看出不同的可能性，例如：

• 公共安全X人口結構：r = −0.16
  高交通事故、停水次數多的鄉鎮，與老化的農村，落在不同的地方。
• 社會參與X經濟弱勢：r = −0.46
  貧窮高風險鄉鎮的社會參與分數反而低。

為什麼縣市層與鄉鎮層會出現這樣的落差？原因在於，縣市是異質鄉鎮的集合體。當我們說「這個縣高齡化嚴重」，實際上可能是縣內幾個偏遠鄉鎮極端老化，拉高了整體平均；而縣內的市區鄉鎮，現象與成因也可能有很大差異。縣市層的高相關性，其實是把兩群不同性質的地區「打包」後產生的統計假象。

從這樣的數字已經隱然看出，以縣市為單位配置的長照、社福、公安資源，可能只解決了錯誤的問題，卻錯過了真正需要被照顧的地方。

隨著 AI 工具逐漸普及，技術的領先優勢正迅速拉平。企業的焦慮卻不減反增，戰場已從「要不要用」的選擇，轉向「如何轉化、如何賦能、如何變現」的商業本質競賽。而在今年3月的智慧城市展中，已經出現「AI城市主題展區」，AI城市所需要的軟體、硬體以及系統整合力，被認為是台灣產業在AI時代創造優勢的關鍵機會，也是其他國家紛紛來台取經的重點。

在智慧城市發展的關鍵轉折點上，台灣坐擁算力、資料與人才三項核心優勢，但無法否認的是，因法規制定或修改速度速度，加上公部門的組織慣性，導致這些珍貴資源受困於資料孤島與行政藩籬之中。當醫療、製造與交通等產業的 AI 轉型進入實戰階段，台灣如何發揮硬體實力與高信任優勢、突破跨局處協作瓶頸，從單點的「技術導入」躍升為「全球輸出的 AI 生態系」，已成為此刻最關鍵的戰略課題。

為了破解轉型困局，人工智慧科技基金會於月初召開專家會議，邀集產官學研各界領袖，針對當前台灣推動轉型時的核心痛點，包括資料開放、算力分配及跨局處協作等轉型痛點，試圖在數位轉型的下半場，為台灣勾勒出更具競爭力的生態系藍圖。

資料孤島與治理困境：轉型實務的結構性障礙

儘管產業界早已公認資料是 AI 應用的核心燃料，實務落地時，「資料孤島」問題卻依然是城市管理者難以跨越的門檻。人工智慧科技基金會於月初召開的專家會議中，邀請產官學研各界領袖，針對當前台灣推動 AI 轉型的核心痛點，包括資料開放、算力分配及跨局處協作展開深度討論，試圖為台灣在數位轉型的下半場勾勒出更具競爭力的生態系藍圖。

與會專家指出，資料破碎化的根本原因在於現行政府體制中「各部會／局處分而治之」的運作模式。政策合規與隱私保護的重重限制，加上各機關對雲端概念與資安認知不足，共同構成技術落地的首道屏障。傳統「一局處、一標案、一廠商」的採購模式，使得AI與數位相關轉案幾乎無法產生綜效。政府部門重複推動類似的政策，例如幾乎每個部會都在開AI課培養人才、大家都在想辦法做電子公文系統，因為缺乏完整的政策目標與藍圖，使得資源分散投入且不斷重工，難以產生真正的效應。

這也解釋了為何大家都覺得需要的治理平台，始終難以實現，因為各自建各自的「平台」，這就只是單一專案，完成不具備平台的功用。

面對由上而下的建構瓶頸，產業界開始尋求更務實的「突圍戰略」，改由具體的單點應用切入，而非追求一次性的平台革命。透過影像辨識、無人機巡檢等具體場景的落地驗證，企業與政府得以在實作中逐步完成資料收容。藉由逐步解決單一行政痛點，緩步如拼圖般各個打通跨局處的協作關節，最終由下而上地拼湊出完整的智慧城市藍圖。

SI 業者的能力缺口將是AI轉型的關鍵環節

這場轉型不僅是技術升級，更是牽涉組織架構與流程再造的系統性工程。能在其中穿針引線、將尖端技術轉譯為各行各業解決方案的資訊服務業者（SI）與獨立軟體商（ISV），將成為此一進程中不可或缺的關鍵角色。然而，台灣現有的資服業者是否真正具備這樣的能力，正是眼下最值得正視的隱憂。

當前台灣 SI 生態正面臨嚴重的能量與能力瓶頸，問題可歸納為以下四個層面：

缺乏完整解決方案，也不理解客戶真正的需求：許多資服業者目前並沒有完整的 AI 解決方案，常常只能追著最新技術跑，也缺乏評估技術效益的能力。在輔導過程中，甚至無法清楚辨識企業客戶真正需要解決的問題。常見的做法是將手上現有的傳統系統產品直接銷售給客戶，缺乏針對痛點對症下藥的能力。

既有系統的 AI 整合技術嚴重不足：在政府部門導入 AI 的實際經驗中，多位與會者反映，長期承接政府標案的資服業者，技術能力往往僅限於維護舊系統，或單點導入AI技術。無法擴大AI應用規模，也無法訂出正確的驗收標準。常見的是政府專案驗收、結案了，但因為服務或工具不符合使用者需求，從此束之高閣無人使用。

欠缺帶動企業流程再造的輔導能量：AI 導入絕非僅是採購軟硬體，更牽涉企業內部組織與流程的深層重塑。台灣上百萬家中小企業無力自行承擔這種轉型壓力，必須仰賴資服業者協助進行流程再造。然而，多數業者目前尚無法勝任這種高階的技術與流程顧問角色。

缺乏解決方案架構的整合型人才：未來的資服業者不能只懂單一軟體或硬體，而是迫切需要具備全局觀的 Solution Architecture 人才。這類人才必須能夠拆解客戶在特定領域中的問題，並熟練地將硬體、軟體與 AI 模型加以整合，才能真正滿足百工百業對客製化系統的需求。

培訓、賦能與市場淘汰三路徑填補缺口

面對日益擴大的技術能力缺口，與會專家勾勒出三條並行的應對路徑，首先是推動產業化課程與培訓。產業界正在討論如何透過系統性教育訓練，引導資服業者將單純的客製化專案（Project）思維，轉化為可規模化的標準產品（Product）邏輯，從根本上提升業者的解決方案設計能力。

其次是大廠賦能與平台資源共享。國際技術大廠正積極尋找 SI 合作夥伴，透過提供底層的 AI 開發平台與工具套件，幫助資服業者更快速地將創新技術落實到不同產業的應用場景中，以縮短業者能力養成所需的時間與成本。

第三則是回歸市場的自然淘汰機制。面對 AI 時代的結構性變革，資服產業本身也必須接受正常的市場淘汰。未來唯有能夠真正「以 AI 提供服務」的業者，才能在新一輪的產業競局中存活，這是無可迴避的現實。

多元算力興起，台灣硬體底蘊的新戰場

由於 AI 的迭代速度以月甚至以週計算。若政府的審查流程與預算編列仍固守舊制，台灣極可能在國際競爭中失去戰略地位。

在這場與時間賽跑的賽局中，邊緣運算（Edge AI）也將成為另一個關鍵決勝戰場。相較於高度依賴雲端的架構，將 AI 算力直接部署於個人電腦、行動裝置乃至穿戴設備，不僅能有效解決算力分配不均與資料隱私的隱憂，更推動了「個人化 AI」的加速普及。

這種分散式架構與台灣深厚的硬體製造底蘊高度契合，在提升即時運算能力的同時，也為硬體產業創造了全新的加值空間。唯有當政府、產業界與開發社群能同步在法規開放、資源共享與邊緣應用上協力推進，台灣才能在數位轉型的下半場，從技術導入者躍升為具備全球競爭力的 AI 生態系輸出者。

AI 時代，政府的核心任務

迎接AI 時代，政府的定位不應是投入龐大預算凡事親力親為，而應專注於建構環境與制定標準。包括積極釋放國家級算力、擴大資料開放，針對非機敏性公共資料，應更積極轉化為開放資料，供民間加值運用，以推動整體資料經濟發展。同時，也需加快訂立清晰的規則框架，放手讓具備研發能量的民間企業自由競爭。

另一方面，目前各縣市政府與局處常為相似的 AI 需求重複編列預算，資源浪費嚴重。除了開放編輯共享外，也可擁抱開源機制，讓民間社群的開發能量得以參與市政系統的建置與優化。

而現行體制對公務員的容錯率極低，導致基層對採用 AI 創新普遍存有疑慮。政府應盡快頒布明文的 AI 使用指引，讓公務員在合理規範下得以免責推動創新。推動政策的官員不能僅止於口頭宣導，更必須親自使用 AI 工具，唯有具備真實的 AI 素養，才能制定出務實有效的政策。

台灣正站在一個機會與風險並存的關鍵路口。算力、資料與人才三張王牌能否在政策改革與產業協作的推動下真正發揮效用，在很大程度上取決於兩個條件同時成立：政府能否即時鬆綁法規、釋放資源，以及資服業者能否完成從「系統維護者」到「轉型推手」的角色躍升。這兩道關卡，將共同決定台灣能否在這波全球 AI 浪潮中，完成從「硬體代工王國」到「AI 生態系輸出者」的歷史性轉型。

清晨七點，新北市偏鄉的一戶人家中，孫子因發燒不適，七旬阿公拿起手機，對著AI智慧助理簡單說了幾句話，不到一分鐘即完成請假。相較於過往在校園尖峰時刻反覆撥打電話、苦等接聽，「校園通」透過AI與即時通訊技術，補上了親師溝通最後一哩路的效率缺口。

很難想像，這款榮獲行政院政府服務獎、下載量突破88萬的App，四年前曾幾乎乏人問津，教育局長也因此在市議會承受強力質詢。那時，客服電話每天響個不停，來電內容幾乎清一色是忘記密碼、帳號權限等基本操作問題。

關鍵不在於功能的堆疊，而在於使用門檻的拆除。校園通的突破，是一場徹底回歸「以人為本」的思維革命，不問要「加」什麼，而是能「減」去什麼。

破除「登入障礙」，向使用者體驗看齊

這款以「親師生平台」為核心的 APP，改版前在 App Store 與 Google Play 的評分僅有慘澹的 1.5 分。最受使用者批評的功能，竟是最基礎的「登入」環節。

當時的系統要求家長自行設定帳號密碼，看似標準，卻成為最高門檻——家長要記的密碼太多，忘記是常態，客服電話因此天天接不完，教育局員工淪為「密碼客服」。

轉機來自第一線師長的建議，「為何不用電話號碼加簡訊驗證就好？，就像民間APP一樣。」這句話點醒團隊：政府服務為何要堅持自己的邏輯，而不是順應使用者最熟悉的習慣？

2021年1月改版後，登入只需手機號碼加簡訊驗證碼，系統自動比對校務資料庫完成身份確認。操作簡單，連不熟悉科技的長輩也能上手。改版後數月內，客服電話大幅減少，評分在2022年底升至4.3以上，下載量突破60萬。降低門檻，比增加功能更有效。

疫情逼教育現場轉型，卻也是最好的驗證

2021年5月疫情爆發、全國停課，讓教育現場從未想過的問題一夕浮現：請假單無法傳遞、繳費單發不出去、成績單困在教室、新生報到無法辦理。

校園通趁勢推出線上請假、線上繳費、電子成績單、新生線上報到等功能，逐一補上缺口。線上請假至今累計600萬筆，；線上繳費突破700萬筆，累計金額達600億元，八成家長改用APP繳費；電子成績單下載逾150萬筆。到2023年，下載量超過80萬，評分穩定於4.7，成為全台使用人數最多的智慧校園類APP。

最珍貴的不是技術，而是「聽見需求聲音」

校園通的另一個關鍵，是「使用者參與設計」。教育局借調校長擔任承辦人，將多年校園觀察直接轉化為系統邏輯，打破政府數位服務「關起門來做」的慣例。

「到校簽到」功能就是個很好的例子。過去每則2元的簡訊費用，若推廣至全市30萬名學生，一年開銷逾億，始終無法實現。改用App推播後，成本歸零，家長在孩子刷卡的瞬間即可免費收到通知，成功將高昂的行政成本降至零。

為了讓老師和家長願意使用，教育局從烏來山區到北海岸、從偏鄉小校到都市大校，舉辦了200多場研習會，帶領老師實際操作，化解使用者焦慮，並且蒐集使用者回饋。

這種滴水穿石的推廣策略，成效顯著。59所偏鄉學校中，家長註冊人數從2021年的177人、2022年的2125人，到2023年的4079人，每年呈現倍數成長，證明簡化操作介面能有效弭平數位落差。

超前部署與零預算的公私協力生態

2021 年「班班有冷氣」政策上路，為全台校園帶來冷氣虛耗與能源管理的艱巨挑戰。面對全市 338 所學校、逾 1.3 萬間教室的巡檢壓力，新北市教育局並未訴諸人力，而是在政策推行初期，便超前部署，要求冷氣廠商必須將能源管理系統（EMS）與校園通APP整合，讓新北市成為全台唯一實現「冷氣控制行動化」的縣市。

現在，學校總務主任無需逐一巡視，僅需透過手機即可遠端監控並一鍵關閉漏關的冷氣。這個功能的成功，展現了數位轉型要「超前部署」的重要原則。如果等冷氣都裝好了才想到要整合管理系統，技術上幾乎不可能實現，成本也會暴增。但因為在規劃初期就將系統串接納入設計，現在全市的能源管理才能如此便利。

在解決內部維運的同時，校園通更進一步翻轉了政府的採購邏輯：建構了一套「零預算」的公私協力模式。

將校園通的繳費功能整合9種線上繳費方式，並與7-11合作推出OPENPOINT積點，全程無須額外預算。

核心的邏輯是「互利共生」：對廠商而言，新北市有30萬國高中學生、10萬幼兒園學生，加上家長和老師，潛在使用者超過50萬人，觸及率極高。透過合作，廠商能接觸到這個龐大且穩定的用戶群，相當於獲得免費的廣告效益。

教育局則以流量換服務，在有限資源下提供更多元的選項。教育放送臺自2021年啟用以來，已推播逾17,000則訊息、點閱超過900萬人次，這樣的曝光效果，對合作廠商來說價值難以估量。

這種「服務換流量」的模式，打破政府部門「沒預算就做不了事」的迷思。其中關鍵在於政府不要認為自己是採購方，而該換位成平台方，才能創造讓所有人都獲益的生態系統。

這種開放策略也延伸到學制整合。從幼兒園、國小、國中到高中職，校園通提供K12一貫服務，更開放私立學校申請，目前已有6所私校加入，為全國唯一提供公私立跨學制整合服務的APP。全市教職員生超過40萬人已綁定，家長逾24萬人綁定。

基礎建設決定上限

校園通的部署並非一步到位，早在2006年新北市就建置全市統一校務行政系統，將所有學校的資料都集中管理、系統化儲存。

有了完整的資料庫，任何新功能的開發都能直接串接既有資料。無論是門禁簽到、健康檢查、成績查詢，都能即時從校務資料庫調取數據。這種架構設計讓APP的擴充變得相對容易，也確保了資料的即時性與準確性。

數位轉型不是一蹴可幾，需要長期的基礎建設投資。想要短期見效的政府機關與企業，往往忽略了這個最根本的前提。

AI智慧員工：從減法到增效

2024年1月，校園通推出全國首創AI智慧員工「小通」，結合OpenAI與語音辨識技術，目前提供繳費查詢、線上請假、餐食券查詢三大語音操作功能。導入目的明確：讓同仁從每天接聽大量電話中解放，專注於政策規劃。

未來，小通將成為新北教育界的「AI代理人」，各業務單位可上傳教育政策、比賽簡章等資訊訓練語言模型，使用者能快速查詢教育相關問題。

並且規劃三大方向：與師大SmartReading合作推動適性閱讀、建置職涯性向量表協助職涯探索，以及導入大數據儀表板，讓校長與教師依據學業、健康、閱讀等數據調整策略。

2021年起，新北市已以數據分析取代傳統紙本校務評鑑，評鑑委員只需檢視數據儀表板，就能清楚了解學校的辦學狀況，不需要學校花費大量人力整理資料。

回歸服務本質，以「減法思維」定義政府創新

新北校園通APP的成功，不在功能有多炫，而在於徹底理解了「服務」的本質。
在數位治理的競賽中，當多數單位仍深陷於「要加入什麼功能」的迷思時，新北市先問的是「要減去什麼障礙」。

數位創新路上，最重要的是使用者；不是預算多寡，而是思維轉換；不是一次到位，而是持續迭代優化。登入門檻、紙本流程、重複作業、分散平台，每減去一個障礙，就多一分使用率。

對政府創新者來說，數位轉型不是技術問題，是思維問題。不是要教民眾如何使用政府系統，而是要讓政府系統適應民眾習慣。當阿公阿嬤在家都能輕鬆用手機幫孫子請假時，我們就知道，政府數位服務真正成功了。

《先問，為什麼？》為TED超人氣演說家賽門‧西奈克的重要著作，自出版以來，連續十年高居亞馬遜分類排行榜 TOP 1。十多年前，西奈克首度發表黃金圈理論，揭開個人生涯、團隊、企業品牌長期成功的思維模式。西奈克透過本書完整深入地探索「黃金圈」概念，揭開個人生涯、團隊合作及企業品牌邁向長期成功的關鍵思維。

黃金圈是三層同心圓，由外到內分別是做什麼（WHAT）、怎麼做（HOW），與為什麼（WHY）。架構看似簡單，卻與人腦處理資訊與情感的結構完全一致。

多數人習慣從比較清楚的事開始做，模糊難形容的擺最後。我們很容易忙於做什麼與怎麼做，卻忘了為什麼而做。然而，創造改變產業的創新、經得起時間考驗的人物與企業，都從為什麼出發。

在人工智慧高速發展的時代，「從為什麼開始」變得前所未有的重要。因為清晰的核心價值才能撼動人心，產生強大連結，但也正是語言最難清楚表達的部分。

有些領導者選擇以激勵人心，而非操弄手段來促使別人採取行動。無論個人或組織，這些感召力超強的領導者，思維、行為及溝通模式幾乎完全一樣，而且剛好和一般人都相反。無論是出於有心或無意，他們完全符合自然界的一種模式，我稱為「黃金圈」原則（The Golden Circle）。

黃金圈有助我們從不同角度理解，為什麼某些領導者及組織，能擁有非比尋常的影響力。

與世俗手法相比，這個另一種選擇，不僅對改變世界大有幫助，也能讓各行各業的人獲得激勵別人的能力，改善管理品質、企業文化、人力資源、產品開發及行銷業務等。黃金圈甚至能解釋人類的忠誠度，說明如何創造強大動能，將一個概念發酵為波瀾壯闊的社會運動。而這一切都必須由內而外，從「為什麼」開始。深入討論之前，我們先定義某些名詞。

• 做什麼（What）：無論規模大小、身處哪個行業，世界上任何組織都知道自己是做什麼的。每個人都能說明公司提供什麼商品，或自己在組織內負責什麼工作。換言之，我們很容易就能定義「做什麼」。
• 怎麼做（How）：有些公司知道怎麼做自己的工作，這些做事方法的定義，「價值主張」、「專業流程」、「獨特賣點」等，大家通常是用怎麼做來解釋為何某些事物不同或優於其他事物。雖然答案不像做什麼那麼明顯，但很多人以為怎麼做就是產生不同決策或結果的主因，事情絕沒有這麼簡單，因為還有下列這項關鍵要素。
• 為什麼（Why）：很少人能清楚說明，自己為什麼會做現在所做的事情。為什麼指的並非賺錢，賺錢是結果，不是原因。「為什麼」是一個目的、使命和信念。公司為什麼存在？你每天為什麼起床？別人為什麼要在意你們的商品？

大部分組織或個人的行為模式，通常都是從這個黃金圈由外向內，也就是從做什麼、怎麼做，到為什麼。原因很簡單，大家通常都從比較清楚的事開始做，最後才輪到比較模糊的事。我們通常都能很清楚地說出自己在做什麼，有時也說得出怎麼做，但很少會說自己為什麼做這些事。然而，那些能夠激發熱情、啟發人心的組織或領導者卻不一樣，無論規模大小、行業為何，他們的模式都是一種由內向外的過程。

我常以蘋果為例，除了因為他們的知名度高、產品在各地受到歡迎，更重要的是，他們創造出的長期成功並不多見。連年創新、吸引狂熱粉絲，蘋果正是說明「黃金圈」原則的最佳範例。我從一個簡單的行銷例子說起，如果蘋果也跟多數企業一樣，他們的行銷訴求，就會從黃金圈的外圍開始，先談他們是做什麼的，然後說明產品如何不同，再鼓勵消費者採取行動，並期待消費者有所回應，付錢購買。換言之，他們的廣告訴求應該是這樣：

我們很會做電腦。

我們的電腦有最美的設計，不但使用簡單，也容易上手。

想要買一台嗎？

這種行銷方式實在沒什麼吸引力，但大多數企業卻都採用這種方式。這是企業常規，先從做什麼開始：「這是我們的新車」，然後告訴我們是怎麼做的、為什麼比較好：「真皮座椅、低油耗，還有超優惠利率方案。」最後，他們要我們心動不如馬上行動，並期待我們做出決定。這種模式存在於各行各業，這些溝通方式，都想彰顯商品的與眾不同處。

但那些能激勵人自發採取行動的領導者和組織，做法卻完全相反。無論組織規模大小、行業為何，每個人的思維、行為及溝通模式，都是由內向外。讓我們再看一次蘋果的例子，他們的溝通模式會是這樣的，從為什麼開始：

我們所做的每件事，都是為了挑戰、改變現況，因為我們相信「不同凡想」的力量。

而我們挑戰現況的方法，就是讓我們的產品擁有最美的設計，而且簡單、好用。

剛好，我們做的就是最棒的電腦。

想買嗎？

這個例子證明，吸引大家購買的，不是你做什麼，而是你為什麼做。這真的很重要，我們再強調一次：吸引人們的，不是你做什麼，而是你為什麼做。

知道為什麼，並不是成功的唯一方法，卻是擁有長久成功、過人創新動能及彈性的唯一途徑。一旦組織的為什麼開始失焦，要維持原有的高成長率、忠誠度和事業熱情，就會變得異常困難。面對所有情況，回歸本質、找回初衷，都是企業快速適應改變的不二方法。

別再問：「我們應該做什麼，才能從競爭中脫穎而出？」大家真正應該問的是：「我們當初『為什麼』會做這些事？考量目前的科技和商機，我們應該做什麼，才能實踐理念？」當然，這些話不是我說了算，黃金圈的概念不是我發明的，它其實深植於每個人的生物本能之中。

本文節錄自《先問，為什麼？【15週年紀念新訂版】：顛覆慣性思考的黃金圈理論，啟動你的感召領導力》由天下雜誌 授權提供。

每年《台灣產業AI化大調查》的問卷回覆，都有政府部門主動填答；行政院「政府服務獎」今年已經是第九屆，每年也都有許多不同組織單位以數位創新成果來爭取獎項。得獎是重要的肯定，而更重要的是，也可以從這裡看出公部門並非被動等待政策指令的觀望者，許多機關早已在各自的位置上摸索轉型的路徑。

公部門數位轉型、導入AI應用，與一般企業有什麼不同？

這個問題之所以重要，是因為政府與企業面對的是截然不同的任務性質。企業可以聚焦最有價值的客群、以效率與獲利作為優化方向，轉型成果最終反映在財務數字上。

然而，政府沒有這個選項。政府的服務對象是所有人，包括不會用智慧型手機的老人、看不懂表單的新住民、以及在數位化過程中最容易被遺忘的各種弱勢族群。所以，追求行政效率固然重要，但不能以犧牲普及性與公平性為代價；就算讓八成民眾覺得便利、卻讓兩成民眾更加無所適從的系統，並不算成功的轉型；若為轉型而讓公務員不堪負荷，也絕非良好的政策。

因此，公部門數位轉型的真正目標，不是系統汰換與技術升級，而是治理模式的根本轉變。目標是，必須從被動回應走向主動感知，讓每一位民眾，不論背景與能力，都能感受到服務是順暢的、資源是到位的、政府是值得信任的。把這個目標說清楚，才能決定資源配置的優先順序與技術選擇的判斷標準。

如果缺乏明確目標，轉型很容易變成採購案，IT工具一批批進來，真正需要被服務的人卻依然被擋在門外。

然而，即便目標明確，要真正推進，還必須先正視幾道幾乎所有機關都會碰到的結構性障礙。而這些障礙反覆出現的共同特徵是：卡關的地方，從來不是技術。

清理「資料債」是避無可避的關鍵

觀察近年推動數位轉型較有成效的公務機關，幾乎無一例外，都在某個時間點做了一件瑣碎、不起眼卻至關重要的事：清理資料。

嘉義縣稅務局花了五年進行地址清洗與座標化，才成為全國第一個完成房屋稅與地價稅全面座標化的機關。臺中榮總則依循「連線、收集、清理」三個步驟，逐步將院內資料轉換為國際標準格式。這些工程耗時、耗力，很難對外展示成果，甚至預算審查時也不容易說明價值。但少了這一步，後續導入的任何AI工具，都沒有足夠穩固的基礎，也無法擴散影響力。

問題的根源在於，台灣公部門的資料現狀是數十年累積下來的「數據債」。不同部會、局處因業務權責分立，各自找外包建立各自的系統，形成彼此無法互通的資料孤島；中央與地方政府之間的串接同樣困難，系統架構不同、主管機關不同，協調成本極高。許多機關至今仍是紙本與電子檔混雜，電子化的部分也因建置年代不同，格式眾多、欄位定義不一。即便是同一筆資料，在不同系統裡可能根本無法比對。

這不是換一套更好的技術就能解決的問題。資料要能流通、要能被AI有效使用，前提是有人決定「誰的資料、誰負責、誰可以用、用到什麼程度」。這需要的不是工程師，而是明確的資料治理框架：資料分類標準、跨機關授權機制、歷史資料清理的責任歸屬。框架不到位，採購再多工具也無濟於事。

支撐數位創新，須倚賴制度設計

資料問題之外，還有一道同樣棘手的障礙：法規與資安的現實夾縫。

政府機關核心資料多運行於封閉內網，而目前多數數位工具仰賴雲端運算，兩者之間存在本質上的衝突。更複雜的是，這不是單一法規的問題，而是個資法、政府資安規範、採購規定三層交疊，往往讓第一線承辦人員陷入兩難：做了可能違規，不做又跟不上需求。

所以政府機關很常遇到的問題，像是早期選用的工具因依賴雲端而無法處理機敏資料，最終必須轉換為地端方案，並重新建立資料管理機制。如果牽涉到更敏感的醫療資料時，採用聯邦式學習技術，也就是在不移動原始資料的前提下進行模型訓練，既解決了隱私疑慮，也避免因數據環境差異導致模型失準的問題。

技術持續進步，很多問題可以找到技術來解決，但必須透過資料分級管理與技術方案的選擇，才能在合規框架內，找尋到可以推進的空間。等待完美的法規環境建構完成，在AI應用發展仍在起步階段的此刻，絕對是不夠務實的期待。真正的突圍方法，來自願意在現有侷限中找尋、設計出解決方案的企圖心。

最難解的問題，藏在組織裡

然而，就算資料基礎到位、法規限制也找到了應對方案，還有一道最不容易具體描繪但最難突破的障礙：組織慣性。

這道障礙的面貌，往往不是明確的拒絕，而是各種形式的消耗：資料有，但不願意開放給其他單位；數據介接在技術上可行，但權責歸屬談不攏；試辦計畫啟動了，首長換屆之後推動力道就此消散。多次訪談公部門的資訊、統計與管考單位之後可以發現，在推動數位工具導入、整合資料時，最大的阻力來自公務體系普遍存在的「資料不願釋出」心態。

這樣的心態，不是個別公務員的問題，而是結構長期累積下來的工作心態與模式。在現行考核與激勵機制下，主動釋出資料、配合跨域協作，對個別機關或承辦人員幾乎沒有誘因，卻要承擔額外的協調成本與潛在的責任風險。謹慎保守，在目前的制度下是完全理性的自我保護。

因此，例如台南市的解法，是嘗試將「協作」納入工作常規中；針對資料問題，則建立三層式架構：首長會議凝聚整體共識、幕僚團隊與各局處進行年度業務訪談發掘需求，若局處之間無法就資料釋出達成共識，由秘書長層級的仲裁機制介入協調。首長共識、需求訪談與仲裁單位，將數位創新的核心邏輯，從原本全部依賴個人意願的協作，轉為有制度支撐的常態運作。

減法，為轉型找到價值的起點

釐清了公部門數位轉型障礙構成的幾個面向之後，就會理解為什麼公部門的數位轉型不能只靠技術採購來驅動。因為要面對的利害關係人眾多、對推動者缺乏誘因，甚至對使用者來說，都充滿障礙。

所以推動數位轉型的起點，不該是追求「加入」許多酷炫技術，而是先思考要為使用者「減去」什麼障礙。

有些數位創新必須面對的使用者眾多、需求差異極大。例如新北市教育局的「校園通APP」，使用者有小學到高中的學生、老師、行政人員、家長甚至還有學生的爺爺奶奶、其他親戚；有人住在偏鄉、有人住在人口稠密的都會區。不只需求不同，連基本的數位能力都有很大落差。

因此，這支原本評價不高的App，為了讓更多使用者願意下載，先做了一個小小調整：簡化登入方式。複雜的帳號密碼改成手機號碼加簡訊驗證，民眾立即可以上手，再加上持續聆聽不同利害關係人的需求，優化介面設計，APP評分從1.5提升到4.7，下載量從不到3萬突破90萬。

同樣的，內政部移民署推動入出境自動通關，之前還需要民眾事先到櫃台申請。後來發現其實可以將身分驗證整合進通關閘道，約七成旅客只要走入閘道就完成註冊，並同時通關，而移民署則減少了七成的人力需求。所以技術不只是加快速度，更重要的是重新拆解、定義「通關」的服務流程。

對內部的「減法」邏輯也相同。臺中榮總一開始就確定，目標並非打造最先進的AI系統，而是降低醫護人員的負擔。因此，光是將床頭卡以電子紙取代紙本之後，全院一天節省423小時護理人力，相當於釋放出53位護理師。中榮護理師離職率7％，遠低於全國平均的12％。

這些轉型成功的背後有共通的思惟：從使用者的角度出發，檢視流程中重複、冗餘的步驟，移除或整合，比新增功能更能產生實質效益。而技術的導入，則是實現減法的工具。

智慧治理，讓民眾感覺不到系統存在的狀態

數位轉型不是終點。當資料基礎逐步到位、協作機制開始運轉、使用者痛點被系統性回應，治理模式本身會開始發生質變：從事後處理走向事前預判，從民眾來找政府走向政府主動到位。

智慧治理的目標如何定義？民眾的日常感受是最直接也準確的檢驗。

10歲小女孩跟著家人一起出國，在桃園機場10秒完成通關，不會知道也不需要知道背後有超過70個單位的資料系統在同步運作。

偏鄉的阿公替孫子請假，不會知道一個APP串接了19年前就開始建置的校務系統和多少AI技術。

在醫院住院患者不必排隊苦等病床、隨時有護理師親切細心的專業照顧，不需要知道這是20多年來從電子病歷逐步優化改進的智慧系統。

這些「不需要知道」，正是智慧治理最理想的狀態：使用者不必理解系統如何運作，只需要感受到服務是順暢的、資源是到位的，而且是可信任的。

而能夠感受到這一切的，必須是每一個人，不因年齡、語言、數位能力或社會處境而有所差別。這正是政府與企業轉型目標的不同，也是公部門數位創新核心的價值。

1976 年 4 月 1 日，兩位同樣名為史帝夫的青年在車庫創立了蘋果（Apple），目標是將電腦的力量帶給每一個人。50年後的今天，蘋果從差點破產的危機中重生，發展成市值突破 4 兆美元的全球科技霸主。也留下許多傳奇歷史，例如至今無人可超越的創新巨人：賈伯斯。

沒有了賈伯斯之後的蘋果，其實已經在現任執行長庫克的帶領之下走過15年，也從行動時代走入AI時代。50歲的蘋果下一步要走向哪裡，是全球科技業關注的焦點之一。但與其猜測，不如回頭看看，蘋果如何成為今日的巨擘，當中的成功與失敗如何累積、造就它的今日。

《蘋果之道：重新定義世界的50年》一書作者，科技觀察家大衛．波格詳實梳理蘋果半世紀興衰，深度採訪超過 150 位橫跨各個時代的核心人物，包括共同創辦人沃茲尼克、與賈伯斯決裂的史考利，以及主導蘋果設計靈魂的強尼．艾夫。

蘋果開放多位高階主管與設計師接受專訪。波格藉此公開這間最具爭議、也最受愛戴的公司，如何從兩個人、一間車庫的魯莽創業，演變成觸及全球超過 22 億人的商業帝國。以下為本書精彩書摘內容：

真正讓蘋果稱霸全球、締造數十億台銷量、改變社會的發明，不是筆電，也不是音樂播放器，而是iPhone。2007 年，iPhone 橫空出世，它的設計成熟、精美絕倫、充滿自信，設計理念更是渾然天成。

但在光鮮亮麗的iPhone 背後，它能夠順利問世並非只靠大膽豪賭、對細節近乎瘋狂的執著、卓越的設計和遠見。蘋果也曾走過無數次的冤枉路，在最後關頭全部推翻重來，再加上幾分運氣的加持，才推出這個劃時代的產品。

首先，蘋果最初計劃打造的東西不是手機，而是平板電腦。

平板電腦

2005 年底，賈伯斯參加一場生日派對。壽星是個五十歲的微軟工程師，他太太是蘿琳的朋友。晚餐時，這個工程師滔滔不絕的向賈伯斯介紹，微軟已經用帶觸控筆的平板電腦掌握運算的未來，它便於攜帶、功能強大、無需連線。

「微軟根本是在亂搞，」賈伯斯後來說：「吃飯的時候他至少跟我講了十次。我快被煩死，回家後，我說：『去他的。我們給他看看什麼才是真正的平板電腦。』」

賈伯斯在週一早上的高層會議上激動表示：「我們得讓世界看看如何打造真正的平板電腦。」他的意思是不用觸控筆。「因為上帝已經給我們十枝觸控筆。」他一邊說一邊晃動手指。

FingerWorks 的展示突然變得非常有用。蘋果於是收購FingerWorks，把韋斯特曼、伊里亞斯和他們的專利全部帶到庫珀蒂諾。

艾夫的團隊用iBook 筆電的零件，組裝幾台能跑Mac OSX 的多點觸控平板原型機，但結果並不理想。2005 年的技術還有很多瓶頸，書頁尺寸的觸控顯示器需要高效能處理器；另一方面，高效能處理器則需大容量電池支援，原型機因而又重又厚。此外，Mac 作業系統本來就不是為手指觸控設計的。

FingerWorks iGesture 原本是為了幫助肌腱炎、筋膜受傷等重複性勞損病人而設計。

第一支手機

很多人都說是自己讓賈伯斯萌生開發手機的念頭。但其實，根本不需要其他人來啟發賈伯斯。2005 年，手機已經能播音樂。儘管功能粗糙，限制重重，但誰都看得出來：沒有人會想同時帶著兩個裝置出門。iPod 時日不多。

然而，蘋果完全沒有製造手機的經驗。他們沒有工程師、沒有設計師，在行動通訊產業也沒有人脈。於是賈伯斯在董事會的建議下，選擇與手機界老將摩托羅拉攜手合作。

這個選擇很合理。多年來，摩托羅拉的處理器一直是Mac電腦的心臟，更何況摩托羅拉那款輕薄、時尚的RAZR 摺疊手機正紅透半邊天。蘋果計劃在摩托羅拉既有的手機設計中加入iPod 軟體，這將成為第一支能播放iTunes Store 音樂的手機。要知道，當時全美八成的音樂下載用戶都是在iTunes Store 購買音樂。

蘋果正在開發手機的風聲傳開後，公司股價應聲上漲，網路上湧現種種P 圖做出的概念設計，果粉更是興奮莫名。大家紛紛猜測外型跟iPod 一樣酷炫嗎？操作介面會有經典轉盤嗎？能存放幾千首歌嗎？歌曲可直接下載到手機嗎？能自訂來電鈴聲嗎？另一半打來的時候，手機就會播放洛．史都華的〈你覺得我性感嗎？〉（Do Ya Think I´m Sexy?）？

遺憾的是，答案一概是「否」。這款名為摩托羅拉ROKR E1的產品，不過是支外型普通、介面雜亂的廉價塑膠手機。令人匪夷所思的是，不管記憶卡有多少剩餘空間，最多只能存一百首歌。

蘋果與摩托羅拉合作打造的第一支手機。

更糟的是，由於沒有FireWire 或USB 2.0 支援，歌曲傳輸慢得要命。雖然能連上網路，還是無法下載音樂。

「最令人難堪的是，大家一直說這就是『蘋果手機』或『iTunes手機』，」喬斯維亞克說：「我們當時心想：『說真的，這跟我們一點關係都沒有。我們做的是iTunes，手機是摩托羅拉做的啦。』」
2005 年9 月賈伯斯在產品發表會上介紹ROKR 時，不屑之情溢於言表。「這支手機……還算酷。」他硬擠出這句話，台下一片靜默，無人鼓掌。

說實話，ROKR 不算特別差，因為那時候所有手機都差不多糟。

「那些手機真的無藥可救，用起來糟透了，」賈伯斯指出，手機市場規模龐大，年銷量達十億支，是個人電腦銷量的四倍。他又說：「這是一個絕佳機會，我們要打造一款讓自己也會著迷的手機。我們有技術。iPod 讓我們掌握微型工藝的訣竅，我們還有Mac 厲害的作業系統。」

不用說，蘋果做音樂手機等於是拿槍指著自家iPod 的腦袋。但賈伯斯的想法是寧可自己扣扳機，也不要被對手幹掉。

P1 和 P2

研發音樂手機最短的路徑，就是在iPod 增加電話功能。賈伯斯要求當時負責 iPod 業務的費德爾試著製作原型機。

費戴爾的小團隊想出幾個方案。一個是全螢幕的影音iPod，費德爾形容就像是「iPad 問世前的迷你iPad」。這款設計採虛擬轉盤介面，滾動清單時會出現在螢幕上，播放影片時則會自動隱藏。

另一個原型則是在標準iPod 裡塞進手機零件。

但兩種方案都遇到同樣的問題，那就是轉盤。轉盤用來滾動瀏覽電話簿的話，很棒，但要輸入文字，簡直是一場惡夢。你得一個字母、一個字母慢慢轉。即使有字詞預測功能來輔助，依舊令人抓狂。「我們試了好幾個禮拜，想要解決這個問題，但始終無法突破。」費德爾說。

接著，有人想起設計工作室團隊幾年前做的多點觸控實驗。說不定那個技術縮小能用在手機上！說不定可以做成全多點觸控螢幕，如此一來就沒有討厭的小鍵盤！正面除了螢幕，什麼都沒有！
「平板電腦計畫暫停，」賈伯斯下令：「先做手機。」

此時，包括克爾、歐汀和邱德利的多點觸控團隊已經不需要投影機。他們做出真正的硬體原型，這是一台具備多點觸控功能的12 吋iBook 螢幕，但是仍需連接Power Mac。為了呈現手機螢幕的效果，他們把螢幕的「可用」區域設定成手機大小的長方形。

歐汀自1998 年就在蘋果擔任介面設計師，專長是設計炫目的動畫效果。他用Macromedia Director 動畫軟體做出一個通訊錄應用的展示原型，裡頭有兩百個聯絡人。手指一掃，就能捲動清單；點選某個人的名字，就能打開此人的「名片」；再點電話號碼，就會跳出模擬的撥號畫面。

最棒的功能是慣性滾動。你只要在網頁上輕輕一撥，畫面就像被你推了一把，帶著慣性持續滾動。你可以一直撥，讓它滑得更快；手一停，它就慢慢停下來，就跟真實世界的物理現象一樣。

歐汀說，你滑到頁面盡頭時，「它不會突然停住，而是會輕輕彈回來。這樣不但更有趣，也很實用。」那個輕微的彈跳就像在說：「嘿，到底了喔！」這是個令人驚艷、充滿樂趣、符合直覺的科技魔術。

當時有兩個團隊各自研發手機。費德爾帶領「iPod 加手機」專案，代號P1。賈伯斯則將全螢幕手機專案P2 指派給資深軟體設計師佛斯托爾，他在1997 年從史丹佛畢業後就進入NeXT 工作，之後跟著賈伯斯到蘋果，曾經主導Mac OS X 的Aqua 介面和Safari 瀏覽器的設計。

賈伯斯鼓勵這兩個團隊在六個月內全力衝刺。這兩個專案之間的競爭究竟是良性還是惡性，就看你問的是誰。

最後，總要從中選出一個。蘋果會把所有籌碼押在最有潛力的那一個。

看完兩組人馬的最新展示，賈伯斯已有定案。P2 做出一支多點觸控、全玻璃的手機，難度高、風險大、複雜得要命，但是……太酷了！「我們都知道，這才是我們想要的，所以我們把它做出來吧。」賈伯斯說。

費德爾負責硬體，福斯托負責開發軟體。現在整併一個手機專案，代號是Purple（紫色）。

但問題來了，而且是個大問題。全螢幕手機這個構想，打從一開始就面臨一項可能無法克服的技術挑戰：沒有實體鍵盤，你要怎麼打字？

當時智慧型手機的霸主是黑莓機（Blackberry）。這是一款商務手機，一半是螢幕，一半是小小的塑膠鍵盤。「黑莓迷」熱愛那設計巧妙的鍵盤，打起來快又精準。一支沒有鍵盤的手機怎麼可能贏？更何況每個螢幕按鍵的寬度只有指尖的三分之一。打字肯定錯字連篇，讓人抓狂。

但賈伯斯堅持，虛擬鍵盤才是革命性的創新。你要打字時，鍵盤才會跳出來，不用的時候就隱藏起來。按鍵會隨著使用情境改變：當你打開計算機就顯示數字，輸密碼就顯示符號。語言和輸入法也能隨意切換。這些黑莓機都做不到。

作業系統

這支手機該用什麼作業系統？研發初期，費德爾主張把iPod 的Pixo 軟體拿來改一改，就可以用了。盧賓斯坦則偏好Linux，這是類似Unix 的系統，而且已有低功耗的手機版本。但佛斯托爾和邰凡尼恩支持用Mac OS X。雖然這個系統需要大幅瘦身（Mac 版本對手機而言太過龐大），但OS X 穩定、完善、成熟，而且能防止當機和病毒入侵。

「以前根本沒有人想過要把像OS X 這麼複雜的作業系統放進手機，」賈伯斯後來說：「我們為此激烈辯論，討論到底行不行。這是少數需要我親自出來拍板定案的問題。我說：『就這麼做，試試看吧。』」

保密

賈伯斯向來認為，保密是產品成功的關鍵。但Purple 專案的保密程度根本史無前例。

賈伯斯對費德爾和佛斯托爾說，他們可以在公司內部拉任何人進團隊，但不准從外面找人，而且面試時，不得對應徵者透露要做什麼案子。於是，佛斯托爾對應徵者說：「你必須拚命工作好幾年，每週七天全力衝刺。但加入這個團隊，你這輩子不只是能驕傲的告訴子女『老爸當年做出這個東西』—名字我現在不能講—你將來甚至可以對孫子炫耀。」

賈伯斯安排軟體團隊在總部外的一棟建築裡工作。不久，那裡就被叫做「紫色宿舍」，裡面到處都是門禁刷卡點和監視器。

艾夫在總部二號大樓的工作室原本就是個戒備森嚴的聖殿，有門禁、監視器，對外窗戶使用磨砂玻璃以防窺探。但現在，連內部的玻璃門也用磨砂玻璃。所有原型機都蓋著黑布，測試使用者介面的區域則圍起簾幕。為了讓硬體設計師知道螢幕長什麼樣子，於是給他們一張3.5 英寸的紙片，上面還印假的圖示。

為了不讓工程師發現大家在做同一個案子，蘋果刻意用好幾個代號。知道整個Purple 專案全貌（包括軟、硬體設計）的人，一隻手就數得出來。

蘋果對三星（處理器）、Marvell（Wi-Fi 晶片）和 CSR（藍牙晶片）等供應商說，這批零件要用在新款iPod 上，就連給他們看的設計圖和技術文件都是假的。蘋果代表有時會冒用其他公司名義前往拜訪，以免接待櫃檯上出現一疊印有「蘋果」的訪客證。

大多數參與iPhone 開發的人員，直到賈伯斯在麥金塔世界博覽會舞台上舉起這支手機的那一刻，才真正看到這項產品的廬山真面目。

iPhone team (席勒、費德爾、艾夫、賈伯斯、佛斯托爾與庫依合影)

本文節錄自《蘋果之道：重新定義世界的50年》由天下文化授權提供。

4月初，兩則來自美國科技產業的新聞引發社群媒體上熱烈討論。一則是洛杉磯新創業者Matthew Gallagher以二人團隊、不到2萬美元的資本，讓旗下遠距醫療平台Medvi在2025年達到4億美元年營收，並預估2026年上看18億美元；另一則是Oracle宣布大規模裁員，估計影響2至3萬名員工，裁員比例高達18％。裁員的原因與績效、業績沒有直接關係，但對象包括資深工程師、架構師與技術主管。

兩則新聞放在一起，很快形成看似合理的直觀推論：AI 時代的企業邏輯正在劇烈重組，小公司透過科技槓桿、可以快速擴張、獲利，而大科技公司也選擇以算力取代人力。因此，台灣有不少企業深受鼓舞、摩拳擦掌想快速跟上。

但在跟上之前，有一個更基本的問題需要先問清楚：這兩個案例，成立的條件是什麼？台灣究竟該跟上什麼？

Medvi實現一人公司獨角獸預言？

Medvi的出現，像是讓OpenAI執行長Sam Altman之前所說，「AI 將讓一人建立10億美元公司」的預言成真。據《紐約時報》4月2日報導，記者取得並驗證Medvi的財務數據：2025年營收4.01億美元，淨利率16.2％，全職員工只有創辦人與弟弟兩個人。

若與同業比較，如Hims & Hers是美國最大的線上處方藥平台之一，2025年營收24億美元，員工約2400人，淨利率5.5％。簡單換算，Medvi用兩個人做到Hims六分之一的營收，淨利率則是Hims的三倍。

然而，仔細看Medvi的商業架構，會發現它的核心邏輯恐怕不在於「兩個人取代了2000人」，而是「兩個人只做2000人工作中最值錢的那一塊」，其他全部外包出去。

在《紐約時報》同篇報導指出，Gallagher自己負責品牌、行銷、客戶關係與AI工具整合；至於所有受法令規範監管的醫療環節，全數外包給 CareValidate 與 OpenLoop Health。報導中稱這類平台提供的是「telehealth-in-a-box」，也就把醫師網絡、處方合規、藥局出貨等環節，全部整合成一套可直接租用的服務，讓品牌方只需專注在行銷與客戶關係上。Medvi在自家服務條款中甚至明確聲明，它本身不是醫療服務提供者。

值得注意的是，Medvi 並非沒有風險。多家媒體報導指出，美國食品藥物管理局（FDA）已在2026年2月針對網站用詞違規，發函警告Medvi；3月還有逾30家性質類似的遠距醫療公司收到FDA警告。顯然，這樣的營運模式目前處於爭議的灰色地帶，Medvi高速成長仍需面對未來監管風險。

Oracle裁員 轉移為資料中心建設資金

Oracle的故事同樣需要重新理解。根據CNBC與多家財經媒體報導，Oracle 上季淨利成長近95％，達61億美元。所以，就財報來看，Oracle並不是陷入困境的公司，而這波裁員最可能的動機，是為了籌措AI資料中心建設所需的現金流。據投資銀行TD Cowen估計，裁員之後每年可釋出80至100億美元。也就是說，Oracle是為了打造一個算力擴張的未來，將人力轉換成資本支出。

進一步思考，被裁的資深工程師和架構師，帶走的不只是薪資成本，也帶走了系統知識。更值得長期觀察的是，當資本大規模從人力移向機器設備，中產階級的消失與貧富差距的擴大，可能才是這波AI革命最深遠、也最少被討論的代價。

了解這兩個案例背後脈絡之後，再回頭思考台灣在AI時代的定位，可能會更加清晰。因為，了解做出決定時所處的情境，和決定本身一樣重要。

產業情境不同 無法越級打怪

首先，產業結構的差異，是無法一步跨越的關卡。美國軟體產業發展蓬勃，台灣的強項則在於AI相關硬體，到目前為止，還沒有發展出「基礎設施即服務」生態，而這才是讓Medvi得以發展出商業模式的基礎。這樣的生態系，是美國網路、雲端、零售……甚至遠距醫療產業發展多年累積的成果，不是工具或技術到位就能跳過的發展階段。

但這個落差本身，也點出台灣可以著力的方向。在之前解讀AI產業分層框架的文章中（見〈解讀三種 AI 分析框架，找尋台灣產業定位〉上、下篇），梁伯嵩的七層模型將「代理層」與「協調層」獨立出來。這兩層的核心能力，不是訓練大模型，而是對特定產業場域的深度理解：什麼業務流程適合讓AI Agent處理、多個 Agent 如何分工合作、什麼情境必須保留人類介入。

這恰好對應了台灣產業數十年累積的核心能力。台灣在硬體供應鏈累積的複雜系統整合能力，極有可能正是從硬體出發、串接產業AI落地經驗的關鍵條件，也是台灣獨有的發展路徑。不需要與全球巨頭在算力或基礎模型上正面競爭，而是立足於台灣最深厚的優勢，向上發展。根據《產業AI化大調查》結果，有超過三成的台灣企業已進入落地部署階段，正在形成「把AI串接營運策略」的場域知識，這是最實質、也最有發展潛力的基礎。

當然，必須誠實面對從「擁有系統整合能力」到「能夠轉化為AI核心競爭力」之間，仍然存在不小的認知與能力落差，仍需要更多時間與資源來找出正確發展路徑。

問對自己的問題，才能找到新定位

進一步來看，對美國大科技公司而言，「生產力」的定義，已經被AI徹底改寫。如果再加上3月份時《路透社》披露，Meta將進行一波大規模裁員，受影響人數可能高達20％，同樣是為了將資金用來填補AI基礎設施的需求。很明顯，這是大科技公司布局未來的共識，將帶動AI相關產業發展藍圖的巨大變化。

但台灣呢？大算力、大數據都不是我們的強項，加上產業結構天生的差異，AI轉型路徑，不太可能像 Medvi這樣的新創，也沒有能力學習美國大科技公司的大資本投資。我們所需要的是，更誠實面對自己的現況，仔細盤點哪些是台灣的優勢，哪些是現在需要迎頭趕上的。以及，有哪些問題根本還沒被問到。

「有時候一通電話就能解決的事，新一代經營者往往找不到敲門磚。」

MISA智享會理事長曾國棟觀察到，許多資深企業家退休後賦閒在家，腦中豐富的經營智慧與人生歷練因缺乏分享平台而被閒置；與此同時，新一代創業者在開展事業時，明明亟需前輩的指引與點撥，卻常常只能自己摸索。「他們不是不努力，而是不知道該問誰，甚至連門在哪裡都找不到。」

曾國棟本身就是台灣資通訊產業高速成長年代的親歷者。他於1980年創辦友尚集團，2000年帶領友尚成為台灣第一家上市的電子零組件通路公司，2010年加入大聯大控股並擔任副董事長。大聯大控股為台灣設立產業控股公司之先驅，創造出「前端分、後端合」的營運模式，2025年營業額已接近台幣1兆元，是全球領先、亞太區最大的半導體零組件通路商。

這樣的歷練，讓曾國棟深切體會到「傳承」的重要性。年輕時他曾立下「無私分享」的宏願，因此很早就開始親筆寫下各種決策與思考，做為企業內部員工訓練教材。然而，他更想做的是把這件事從企業內部擴大到整個台灣產業。

成立MISA智享會 創造實務與理論對話機制

2019年，曾國棟振臂一呼，由30多位上市櫃公司老闆及資深企業領袖共同發起，成立中華經營智慧分享協會，簡稱MISA智享會（Management Intelligence Sharing Association）。更匯聚多位科技、法律、財金、媒體、零售等跨界領袖，建立「企業院士」制度，針對創業者與經營者開設課程。同時還與多所大學如台灣科技大學、中山大學、淡江大學等校EMBA合作，彌補過去產學之間的落差，創造管理實務與理論深入對話的機制。

如同馬克．吐溫所說：「歷史不會重複，但會押韻。」曾國棟創業40多年，本身擁有創業成功、上市成功、整併成功等豐富經驗，也看過多次產業起落與環境劇變。他觀察到，雖然新型態創新產業不斷湧現，但企業策略、商業模式、品牌塑造、資本運用、智權法律、投資併購、股權設計、薪酬激勵等核心經營要素，並沒有本質上的改變。曾國棟在MISA不只是發起人，至今仍然親自授課、持續更新教材。對他而言，這不是退休後的志業，而是幾十年來從未停歇的使命。

將經驗整理為系統化知識，讓新世代站上前人肩膀前進

也許有人會疑惑：在AI浪潮與地緣政治衝擊之下，前輩的經驗還管用嗎？

曾國棟認為，目前許多具體的產業情境確實已大不相同，但關鍵在於如何將過去的經驗整理為「系統化知識」，從個人的直覺與故事，淬煉為可傳遞、可重複使用的架構，讓後進者不必重頭摸索，而是站在前人肩膀上往前走。

這份堅持背後，是數十年不變的初衷。曾國棟從不認為自己累積的經驗只屬於自己。多年來，他自費投入大量時間與資源，長期記錄實戰案例與管理對話，早在20多年前就彙整成三大本工具書，並持續更新至今，相關文稿已累積逾150萬字。

在這些書中詳列了不同部門、職能員工與主管可能遇到的錯誤與解法，例如針對簡報溝通，他提出「73」與「532」原則：簡報中應有7分滿足聽眾需求、3分表達自己訴求；在個人品牌日益重要的今天，進階版「532模式」則是5分滿足聽眾、3分表達訴求、2分展現個人特色。又如談話技巧，曾國棟認為最有效的業務對話，往往發生在非正式的閒聊之中，透過輕鬆的對話，讓對方在放鬆的狀態下說出真實想法與需求，才是最深層的管理技術。

隨著科技演進，這套知識系統也有了全新樣貌。近期，曾國棟藉助生成式AI技術，將過去累積的原始文稿、12本專業著作與大量影片匯入資料庫，建立專屬的「對話助理」。學員只需透過提問，就能迅速獲得管理重點，讓智慧的傳承以更直覺的方式延續。

不過，如果只是將MISA定位為「另一種管理課程」，其實低估了最核心的本質差異。

一般管理課程的知識來源，多數是學者、顧問或講師，從理論研究或觀察他人的角度出發加以整理；MISA的企業院士，則是在台灣產業高速成長的年代裡，親身主導過企業策略、資本運作、品牌建立、跨國布局的實際經營者。他們傳授的，不是「應該怎麼做」或「別人怎麼做」的二手資料，而是「當時我為什麼這樣決定、後來證明對了什麼、錯了什麼」的真實判斷歷程。這種從四十年實務中淬煉出來的系統化知識，貼近經營者日常面對的決策情境，是一般理論案例、外國個案研究很難複製的真實厚度。

連結人脈信任 創造新價值

而在課程之外，MISA更讓本身的社群成為資源。理論課程或許能傳遞知識與框架，卻難以複製幾十年累積的人脈信任。曾國棟說得直接：有些問題，不是讀書或上課能解決的，而是「你認不認識那個人」。院士們手中握有的供應鏈關係、法律與財務顧問網絡、早期投資人連結，是新一代創業者很難用其他方式取得的稀缺資源。透過院士班、企經班、私董會及一對一輔導等形式，MISA試圖做的，是讓這些關係有機會在信任的基礎上流動、創造新價值。

這種資源流動，在家族企業的接班場景中更顯可貴。但曾國棟對接班議題有不同於一般人的觀察：二代接班之所以失敗，問題往往不在二代身上，而在一代。

一二代共學，建立超越單一家族的視野與人脈

「很多一代創辦人，嘴巴說要交棒，但心理上從來沒有準備好。」他觀察到，一代創辦人因為長期主導企業，常常在無意識中壓縮了二代的決策空間；而二代即使有能力，在缺乏授權與信任的環境下，也難以真正成長。因此，真正決定接班成敗的核心，往往是一代願不願意放手、能不能建立起讓二代接棒的土壤。

這也是MISA選擇同時服務一代與二代的原因。在這個場域中，一代創辦人能藉由與同輩資深企業家的對話，重新檢視自己對於傳承的心理準備，以及如何授權的具體步驟；二代則透過跨產業的共學，建立超越單一家族的視野與人脈，勇敢探索創新的可能。

曾國棟以「故事—行動—產出」的架構，讓學員透過場景化學習真正產生行動。在一次大師班的課堂上，一位母親企業家對於是否成立新部門猶豫了兩年，聽完課堂故事後，深刻理解到「恐懼源於未知」的人性弱點，當場掃除疑慮，成立新部門並授權女兒管理。這個案例的關鍵，不僅二代獲得機會，更重要的是一代終於做好準備。

「企業最懂自己的本業與技術，但真正的挑戰往往在於管理，也就是處理人的問題，」曾國棟說：「我希望提供那些『如果當時有人跟我說就好了』的實戰經驗。」這是曾國棟幾十年來做這件事最簡單的理由。

在產業加速變動的當下，新一代經營者面對的不確定性只會更多。前輩的經驗未必能給出所有答案，但MISA所提供由真實商戰中磨練出來的決策判斷與人脈信任，或許正是新世代在摸索中最需要、卻往往最難找到的那盞燈。

想要成功，你必須在一切發生之前研究結局，你必須質疑你的構想，從零開始重新思考。《從0到1》作者彼得‧提爾（Peter Thiel）是PayPal和Palantir共同創辦人，臉書第一位外部投資人，率先注資Yelp、LinkedIn、SpaceX等新創企業。他念哲學與法律，卻在科技、創投世界大放異彩；成立提爾獎學金，鼓勵年輕人休學創業，激發自己的潛力。

提爾認為成功者身上最強而有力的共同模式，就是能在意想不到之處發現價值，他們的成功是因為從基本原則思考商業，而不是用成功方程式來思考。《從0到1》這本書談的是如何建立一個可以創新的企業。書中的內容都是作者從歷來的經歷中學到的創新經驗。儘管作者提到許多創新模式，但這本書並不會提供成功方程式。教導創業困難的地方在於原本就沒有成功方程式，因為每個創新都是全新與獨特，沒有任何權威專家能開立明確的創新配方。

以下為本書重點節錄：

為什麼大家要彼此競爭？馬克思（Karl Marx）和莎士比亞（Shakespeare）提供兩種模型，可以讓我們理解所有形式的衝突。

根據馬克思的說法，人們會打架是因為他們不一樣。無產階級與資產階級鬥爭，因為他們有完全不同的理念和目標（對馬克思來講， 起因是他們有非常不同的物質環境）。差異愈大，衝突愈大。

對莎士比亞來說則恰恰相反，所有戰士多少都有相似之處。他們爭戰不休的理由並不清楚，因為根本沒什麼好爭的。想想《羅密歐和茱麗葉》（Romeo and Juliet） 一開始就說：「這是兩個同樣尊貴的家族。」兩家人很像，但他們彼此憎恨。隨著仇恨升高，他們甚至變得更相像，到最後，已經沒有人記得最早他們為什麼鬥爭。

至少在商場，莎士比亞的說法比較貼切。在公司， 員工為了升遷，全心注意競爭對手動態，公司也留心市場競爭者。在所有人類衝突的劇碼中，大家都會忽略重點，只注意對手。

讓我們把莎士比亞的模型拿到真實世界測試一下。想像有齣叫《蓋茲與施密特》（Gates and Schmidt）的戲，改編自《羅密歐與茱麗葉》。羅密歐的蒙太古家族（Montague） 是微軟， 茱麗葉的卡普雷特家族（Capulet）是Google。兩個偉大家族都由古板的菁英領袖掌權，講他們很像鐵定會發生衝突。和所有悲劇一樣，回顧來看，衝突似乎無可避免， 可是事實上完全可以避開。這兩個家族來自非常不一樣的地方。蒙太古家族建立軟體作業系統和辦公室應用軟體，卡普雷特家族寫搜尋引擎程式，有什麼好爭的呢？

顯然有不少東西要爭。身為新創事業，兩家人各自尋求發展，都不想惹事生非。但隨著事業日漸茁壯，他們開始在意對方。蒙太古在意卡普雷特，而卡普雷特在意蒙太古，結果Windows 大戰Chrome OS，Bing 對上Google Search，Explorer 力抗Chrome，Office 打Docs， Surface 則與Nexus 纏鬥。

爭戰不休讓蒙太古和卡普雷特失去羅密歐與茱麗葉，也讓微軟和Google 失去獨占地位，結果蘋果公司後來居上，超越兩大家族。2013 年1 月，蘋果的市值5000 億美元，超過Google 和微軟加總的4670 億美元。回想3 年前，不管微軟還是Google 的市值都比蘋果高， 打仗其實是件花錢的事。

對抗讓我們過份強調舊有的機會，大肆複製過去的成功經驗。想一想最近流行的信用卡行動讀卡機。2年10 月，一家名為 Square 的新創公司推出一款嬌小的白色方形產品，可以讓iPhone 成為信用卡刷卡機，一刷就付款，是第一個手持行動裝置的付款解決方案。模仿者迅速跟進，一家叫NetSecure 的加拿大公司推出半月形讀卡機，而Intuit 用圓柱形讀卡機加入這場幾何圖形戰役。2012 年3 月，eBay 旗下的PayPal 部門也發表自己的模仿版本，三角形的外觀顯然是衝著Square 而來，因為三邊比四邊更簡單。大家都感受到，在這些學戲的猴子用光所有幾何圖形前，這篇莎士比亞的長篇小說不會結束。

用模仿當作競爭手段有些危險，這可以部分解釋為什麼像亞斯伯格症這種拙於社交的人在目前的矽谷占有優勢，這些人對社會線索（social cues）沒那麼敏感， 比較不可能和身邊的人做一樣的事。如果你對發明東西和撰寫電腦程式感興趣，你就比較不害怕全心投入，最後你就會對這些事情變得超級厲害。施展技能的時候， 就比較不可能像別人一樣放棄信念，這使你免於被那群爭搶無聊獎項的人迎頭趕上。

競爭會讓大家在毫無機會的時候幻想機會存在。1990 年代出現網路寵物市場的慘烈競爭，包括Pets. com、PetStore.com、Petopia.com 與其他大同小異的網站都加入戰局。因為他們沒有什麼顯著差別，所以他們把經營重點放在擊敗對手，問的戰術問題都是誰最願意調降電子寵物狗的玩具價格？誰在超級盃打的廣告最好？這些公司完全忽略更重要的問題，到底該不該踏進網路寵物用品市場。贏比輸要好，但如果這場仗不值得打，那每個人都是輸家。Pets.com 在網路泡沫破滅後倒閉，3 億美元的投資跟著灰飛煙滅。

有的時候， 競爭只是奇怪與分心的事。甲骨文（Oracle）共同創辦人兼執行長賴瑞．艾利森（Larry Ellison） 和甲骨文的超級業務員湯姆． 西伯（Tom Siebel）就出現莎士比亞式的衝突，湯姆．西伯是賴瑞．艾利森的得意門生，但卻在1993 年出走創辦Siebel System。賴瑞．艾利森對湯姆．西伯的背叛非常火大， 湯姆．西伯則痛恨活在前老闆的陰影下。這兩個人基本上都是活力充沛、熱愛銷售且痛恨失敗的芝加哥人，所以結怨極深。賴瑞．艾利森和湯姆．西伯在1990 年代後期都在彼此攻訐。有一次賴瑞．艾利森送了好幾卡車的冰淇淋三明治到湯姆．西伯的公司總部，希望湯姆． 西伯的員工跳槽。紙袋上寫著：「夏天近了，甲骨文來這裡照亮你的一天和職業生涯。」

怪的是，甲骨文刻意持續樹敵。賴瑞．艾利森的理論是，有敵人總是好事，最好敵人可以強大到產生威脅（因此對員工有激勵效果），但又不會威脅公司生存。所以1996 年當一家叫作Informix 的小型資料庫公司在紅木岸（Redwood Shores）甲骨文總部附近豎立起反甲骨文的巨型看板，上面寫著「警告：恐龍經過」時，賴瑞．艾利森可能挺興奮的。另一個在101 號南北向高速公路的Informix 巨型看板則寫著：你剛超越紅木岸，我們也是。

甲骨文也決定立看板回擊，暗示Informix 軟體速度慢如蝸牛。Informix 執行長菲爾．懷特（Phil White）決定展開人身攻擊。他知道賴瑞．艾利森喜歡日本武士文化，所以在新看板廣告畫上甲骨文企業標誌加上一把斷掉的武士刀。這個廣告沒針對甲骨文公司，當然也不是針對消費大眾，而是衝著賴瑞．艾利森而來。但也許菲爾．懷特花在擔心競爭的時間多了些，他忙著設立廣告看板的時候，Informix 爆發會計醜聞，菲爾．懷特很快因為證券詐欺罪入獄。

如果無法打敗對手，併購也許是比較好的選擇。1998 年，我和馬克斯．雷夫金（Max Levchin）共同創辦Confinity。當我們在1999 年下半年推出PayPal 的產品時， 伊隆． 馬斯克（Elon Musk） 的X.com 緊追在後，兩家公司在帕羅奧圖市的大學路上相距僅四條街， X.com 的產品和我們的產品特色一模一樣。到1999 年末，我們都全力迎戰。許多人每週工作超過100 小時。這無疑是沒有生產力的事，但重點不在客觀的生產力， 重點在擊敗X.com。我們有位工程師真的為此設計一個炸彈，他開會時提出計劃概要，幸好頭腦較冷靜的人占了上風，把這項建議歸咎於極端缺乏睡眠產出的提案。

但到了2000 年2 月，比起相互競爭，伊隆．馬斯克和我更憂慮快速膨脹的科技泡沫，金融風暴有可能在我們分出勝負前就會先毀掉我們。所以3 月初我們在兩家公司中間的咖啡店碰面，討論以50/50 的股權比例合併。合併後要降低對抗並不容易，但只要問題解決了， 就會是一個優秀的團隊。合併讓我們得以熬過網路泡沫，並建立一個成功的事業。

有時確實必須奮戰，遇到那種時候，你必須力抗到底並贏得勝利。沒有中庸之道，你要不就不要出拳，要不就猛力進攻，快速結束戰局。

這個建議也許很難做到，因為自尊和榮譽可能擋住去路。因此哈姆雷特才會

拚著血肉之軀，沒把握
也向命運、死亡和危險挑戰
即使只為了彈丸之地。真正的偉大
並非輕舉妄動，而是關係到榮譽時
為了一根稻桿也要慷慨力爭

對哈姆雷特而言，偉大意味連小事也要據理力爭， 任何人都會為事關緊要的事奮鬥。真正的英雄嚴肅看待自己的榮譽，即使事情不重要也要力爭到底。這種扭曲的邏輯是人性的一部分，但對企業來說卻是個大災難。如果你能看出競爭是一個破壞的力量，而不代表價值， 你的頭腦已經比大多數的人清楚。

本文節錄自《從0到1（經典印簽版）：打開世界運作的未知祕密，在意想不到之處發現價值》由天下雜誌授權提供。

• 閱讀《解讀三種AI分析框架，找尋台灣產業定位（上）》

用《日經》的四層架構來檢視，台灣的位置很清楚也很侷限。台積電在最底層的半導體環節扮演關鍵角色，但往上看，不管在雲端服務、基礎模型、應用方案，幾乎看不到台灣企業的名字。全球雲端市場由美中企業主導，基礎模型的參賽者名單上沒有台灣，應用層也尚未出現具國際影響力的平台型產品。

日經的框架呈現了一個必須面對的現實：台灣在AI產業生態系中很重要，但目前的重要性高度集中在單一環節。這也跟國際間的AI國力評比結果類似：當產業的價值重心持續往上層移動時，只守住底層必然有其風險存在。

如果說《日經》的分析指出台灣AI發展的瓶頸，那麼黃仁勳的五層蛋糕則點出台灣發展AI實際的限制：能源。黃仁勳的五層蛋糕分析之所以把「能源」從半導體中獨立出來，正是因為電力是AI基礎設施擴張難以跨越的限制，這個限制在台灣目前大環境的脈絡下很顯尖銳。

台灣的電力系統本就面臨供需緊張的挑戰，半導體用電量不容覷，而大規模AI資料中心的用電需求將進一步加劇壓力。資料中心選址、電力配比、再生能源配套，都已成為各方角力的議題。在台灣最有優勢的硬體領域，能源也可能成為發展的天花板。所以台灣不得不考慮的重點在於，AI全球賽局重點不只在晶片設計，更在能源政策。

從另一種框架 看見發展機會

如果只看前兩種框架，台灣的處境似乎相當被動。但梁伯嵩的七層模型打開了不同的視角。

代理架構與多代理協調，目前全球競爭格局相對開放，還沒有被少數巨頭壟斷。而且需要的核心能力不是訓練更大的模型，而是對特定產業場域的深度理解：什麼業務流程適合用AI Agent處理、多個Agent如何分工、什麼情境需要人類介入。

更值得注意的是，台灣還有一個獨特的可能切入角度。從硬體出發，透過硬軟體協同設計，將晶片設計的基礎與產業 AI 落地經驗串接起來，而台灣在硬體供應鏈累積數十年的複雜系統整合能力，可能正是實現串接的關鍵條件。根據《產業 AI 化大調查》，2025年時台灣已有三成企業已進入AI實作階段，這些企業正在累積「把 AI 接上真實業務」的場域知識，而這種知識恰恰是中間層競爭所需要的能力基礎。

梁伯嵩的框架指出了一條不需要跟全球巨頭正面對撞的路徑。但也必須誠實面對：從「有能力製造硬體」到「理解 AI 如何在真實場域運作」之間，仍然存在不小的認知與能力落差，這不是短期內可以跨越的。方向值得探索，但路途比想像中遠。

從分析到行動：政策與企業的下一步

而在這段探索的路程中，政府和企業需要做什麼呢？

首先，建議政府將代理與協調層納入國家 AI 戰略的視野。台灣目前的 AI 政策大量聚焦在兩端，也就是底層的算力基礎設施和上層的產業AI化，但對代理架構、多代理協調這些讓AI真正運作起來的系統層，關注相對不足，而這恰恰是全球AI賽局中台灣有發展、也有優勢的空間。建議將Agentic AI的系統整合能力列為重點培育方向，及早建立技術社群與人才管道。

其次，思考建立屬於台灣自己的AI產業發展願景以及框架。不是為了競爭話語權，而是拿回定義未來發展的能力。過去幾年台灣一直在大算力、大模型、大數據集的賽局中競逐，也從硬體建置的需求中獲利。但下一步必須有更完整的AI政策目標，據以從台灣自身的產業條件出發，重新思考整體產業結構，也許能夠看到更獨特的發展利基。

這三種框架也可以轉化為企業的策略自我檢視工具，其中關鍵的問題是：代理與協調層有沒有機會？用梁伯嵩的框架來檢視，企業目前的領域知識能否在這個範疇中，創造出獨特價值？對擁有豐富產業知識的台灣企業來說，這或許是可以避開AI天文數字投資的差異化路徑。

但在探索這個機會之前得先確認：企業目前在AI價值鏈的定位是否清楚？資料治理、跨系統整合等基礎條件是否已準備好？

生成式AI的出現帶起產業轉型大浪，台灣政府和產業也在過去二、三年間投入為數可觀的資源，比對三種不同的分析框架，正好提供了一個重新思考的機會：過去我們習慣用來理解 AI 產業的那些框架，並不是中立的地圖或標準答案，更不是台灣未來發展的侷限。

看清這一點之後，台灣才有可能從「在別人的框架裡找位置」，走向「為自己畫一張更準確的地圖」。

資料來源：

• Jensen Huang, "AI Is a 5-Layer Cake," NVIDIA Blog, 2026/3 https://blogs.nvidia.com/blog/ai-5-layer-cake/

• Bor-Sung Liang, "AI Compute Architecture and Evolution Trends," arXiv:2508.21394, 2025/8
  https://arxiv.org/abs/2508.21394

• 日經新聞「沸騰AI、米国が寡占する未来」經濟安保專題, 2024/3
  https://vdata.nikkei.com/newsgraphics/economic-security-in-data_vol3/