硬體強、軟體弱，幾乎已經成為台灣擦不去的印記，但一群看似最不可能在AI時代發光的老公司，正在扭轉這樣的宿命。
ChatGPT的出現，在全球帶起AI大型語言模型競賽，隨之而來的龐大算力需求，將世界目光帶向了以台積電為首的半導體產業供應鏈，也讓人幾乎忘了，AI時代，應用市場的贏家，是屬於掌握數據和專業領域知識的人。
意思是，這場科技變革淘汰賽的發動者，未必只能是年輕新創，老玩家還可能更占優勢。而這也是台灣的機會。
翻轉傳產「硬強軟弱」、缺工宿命
加速擁抱AI，攻ChatGPT學不走的知識
石化、水泥、食品、自行車、航太、工具機、螺絲、水五金⋯⋯，台灣製造業的面貌多元，這些垂直領域的數據和知識，可能來自數十年資歷的老師傅智慧、運行十數年的設備機台，而這都是Gemini、ChatGPT就算再強大，也學不走的。「這一塊是台灣現在很寶貝的地方。」人工智慧科技基金會董事長詹婷怡說。
過去，大家在老企業身上看到的，是老師傅退休、少子化缺工所帶來的挑戰，但這道最難解的生存習題，卻也成了它們加速擁抱AI的動能。
「我們目前的員工，年齡層在五十五歲上面的員工總數非常多，變成我們如果不想方法來解決這個問題的話，對我們未來發展可能會有影響。」東和鋼鐵資訊部經理劉易儒說。
老字號食品大廠福壽實業副總經理楊俊賢也說到，在少子化的情況下，「現在不做AI不行。」
這股求生動能，現在也讓它們有機會在荒野中，開闢出一條新路，可以說，這實際上是一場決定未來的資產活化之戰。而且已經有不只一家公司看到機會，正以「老創」之姿，力拚企業新生。
李長榮化工投資的AI新創昂鋐科創執行長陳怡州，就是在黃土中看見礦石透光的其中一人。
在美國軟體業工作三十年，去年他返台創業，拜訪最多的，不是科技公司，而是化工廠。
「我看到很多opportunity（機會），尤其是對台灣來講，是very very good opportunity（非常非常好的機會）。」他還記得剛回台時，常會被問到的一個問題就是：「為什麼加入製造業？」畢竟，做為一個長年在美國軟體產業打滾，且自稱是「Data guy」（數據人）的人，竟跳入截然不同的行業，看起來一點都不尋常。
不過這問題對他來說倒是一點也不困難：「台灣的製造業從南到北兩個小時，你可以看到幾個化工廠？」他表示，相對於美國一個州可能只有一座，台灣的製造業密度相當驚人。
陳怡州也提到，對新創公司來說，初起步的一個困難點是，很難找到願意和你一起打磨產品的客戶夥伴，「台灣這個最不缺，而且在台灣有很多足夠的數據讓你去發展。」
就像Google台灣前董事總經理簡立峰所說，發展AI，不只要有人才、有數據，更需要可以驗證技術的應用場域。而這正是老企業的強項。
而且台灣傳產企業在數據這塊的基本功，可能比想像中更深厚。
「傳產真的沒有那麼Low！」
手握三大優勢，農畜養殖產業也用AI
如中鋼總經理陳守道表示，他們的廠區設備大部分都已經高度自動化，「你到我們工廠去看，沒有看到幾個人，人都在控制室。」大量自動化設備，意味了數據可以被有效留存應用，他說：「傳產真的沒有那麼Low（低階）。」又或者，在看似科技成分不高的農畜養殖產業也是如此。
大成集團資訊長陸浩翔指出，不同於早期雞農因為工作繁忙，往往只能抓空檔，隨手記錄雞舍溫度變化，基本上就是想到就抄，但現在透過建置物聯網設備，雞舍溫度的連續變化就可以被完整記錄，也是在這樣的基礎上，他們現在已經可以運用AI協助數據判讀。
雖然台灣的傳產企業大多年歲不小，成立時間動輒超過五十年，容易帶給外界緩慢、落伍的印象，但曾在經濟部等公職單位服務超過二十年的工業總會秘書長呂正華，一路看著這些企業成長，非常清楚他們在數位化的努力成果。
而且在數據、經驗和場域優勢之外，對這些企業更重要的是，市場有需求。
多個研究數據顯示，通用模型無法滿足企業深度應用需求，國際研究機構Gartner預測，到二○二七年，企業使用的生成式AI模型，將會有超過五成是針對特定領域優化的。
對許多企業來說，這些需求不只是研究報告上的數字，更是實際的感受。
李長榮化工資訊長顏心德表示，過去一段時間以來，許多同業都曾來找他們諮詢，當中還有不少人實際到他們公司參訪，甚至表示願意付費，來獲取AI應用導入服務。對李長榮化工來說，市場需求的訊號是非常明確的。
純軟體商難跟上「現場老玩家」
懂產業眉角，讓養出的AI更有共鳴感
「台灣的consumer（消費者）沒有市場，可是台灣製造業是有市場的。」陳怡州說。昂鋐科創的成立，雖然背靠李長榮的數據和經驗，瞄準的卻不只是化工這個單一垂直產業，而是計畫運用化工業連續製程這項特性，打造一個AI平台。換言之，所有採用連續製程的企業，都是他們的目標客群。
食品大廠大成集團是另一個例子，而且他們不只看到市場，也已經切入市場。
從自身痛點出發，他們正逐步將內部應用，打磨成可以對外服務的產品。
舉例來說，一開始他們為自己開發的AI接單幫手，目的是要解決高齡農畜客戶不熟悉數位系統，所以過往接單高度仰賴人力處理的痛點，而這樣的應用，現在也可以用在門市叫貨系統上。
整體來說，就如同大成集團事業布局橫跨養殖、食材、物流、餐廳門市，在發展對外服務的AI新事業上，大成鎖定的也是整個食材供應鏈，並且已經獲得多家餐飲業者採用。
「過去或現在，很多的解決方案是，懂技術的人不懂產業，他不懂這個行業的眉角。」大成集團總經理韓芳豪認為，技術與產業領域知識兼備，就是他們相比市場上純軟體業者的優勢。
陸浩翔記得，曾經有國際軟體大廠向大成提案導入智慧養殖，卻連豬隻養殖的核心問題都一頭霧水：「我們是要討論母豬懷孕、分娩、保育、肥育哪一個階段？」對方毫無頭緒。
「我們覺得我們很有機會站在這個位置，因為我們懂，而且我們提供的產品有在場域試驗過，已經在台灣跟越南試驗過三百個棟舍，那個經驗是不一樣的。」陸浩翔說。
「比較有共鳴感」也是漢翔資訊部門和客戶互動過程中，經常收到的回饋。在漢翔，資訊部門不只是支援內部的後勤單位，也是對外提供軟體服務的利潤單位。
漢翔資訊處AI創新應用組組長金仁凱說：「因為我們每天都在做這些事情，就是我們真的是從產線出來，我們設計的東西從產線出發、不是從資訊出發，所以他們（客戶）就覺得我們可以聊。」
現在漢翔的客戶遍布塑膠、鋼鐵、汽車、生技等多個產業，已經不只局限在航太供應鏈。
不過對傳產製造業出身的老企業來說，要成功開拓AI應用這塊新市場，普遍仍會遭遇兩大關卡。
老傳產現實：找人難，留人也難
飛輪要轉動，要從專案轉向產品思維
第一道難題，是人才。台灣多數企業，都沒有訓練AI模型的經驗和人才。而且也如楊俊賢所說，蒐集資訊雖然可以靠感測器，但感測器蒐集下來的數據，最終還是要靠有經驗的人才去分析，找出關鍵點，才能有效發揮。
數據和領域知識是企業具有高價值、高潛力的重要資產，必須仰賴人才，才能有效實現資產活化。
但殘酷的是，在這個時代，傳產公司光是要招聘一般職員已經很困難，更別說要吸引AI人才。而且也如顏心德所說，傳產不只找人難，留人也難。
陳怡州直言，人才問題是很現實的，畢竟資料科學家這樣的角色，在傳產不屬於核心業務，更像支援角色，論薪酬、升遷，都很難和一線科技大廠競爭。
這也說明了，李長榮化工為什麼不是在內部設立新的AI產品部門，而是選擇設立一家獨立公司，目的就是希望透過矽谷的新創模式，吸引頂尖人才加入。
人才之外，要讓礦石發光的第二道關鍵工序，是產品化能力。
這其實不只是傳產老企業的考驗，也是台灣整體軟體產業長期發展的難題。
就如數發部部長林宜敬說的：「台灣傳統軟體產業都在做Project（專案），而不是做Product（產品）。」
不同於軟體產品可以快速複製、擴散，專案則高度仰賴人力，不僅市場拓展緩慢，邊際效益也低。
以漢翔的例子來說，因為多數外部客戶都有系統客製化需求，所以他們往往需要投入半年，甚至一年時間，才能完成專案。「我們有時沒有辦法做得很大就是因為這樣。」金仁凱直言：「我們沒有一個馬上開箱即用的產品。」如何走向產品化，是他們正努力解答的課題。
IDC台灣企業應用資深研究經理蔡宜秀認為，這並不代表採取專案的做法一定不行，只是就長期發展來說，能不能從專案經驗收斂出產品，也會決定這個事業能否規模化拓展，將價值放得更大、走得更遠。
這實際上關乎了企業飛輪是否能轉動。
因為價值的放大與否，會再回頭影響企業的人才招募。「你沒有辦法再往上，人才不會再進來更多，你也沒辦法真的做一個新的軟體事業。」簡立峰說。
然而，人才和產品化即便是無法逃避的兩大艱難習題，但產業核心知識與數據的掌握，確實是扎扎實實掌握在自己手中的優勢。這點不只對老企業來說如此，對個人也是。
即使身處日暮西山的時刻，被歷史塵封的璞玉不必然只能暗去；如果能趕在太陽落入海平面之前，抓住機會窗口，主動出擊，當夜幕降臨，光芒只會更加耀眼。
