【Gene思書齋】零邊際成本社會的物聯網革命、協作分享及式微的資本主義

「屏東縣跨域數位爭霸戰實戰競賽」頒獎典禮暨成果展於11月19號完美落幕。為培育屏東青年數位能力，屏東縣政府特別推動「跨域數位人才培育計畫」，主題包含「AVR 應用」、「數位光影技術」、「智慧物聯」、「自媒體影音串流」及「數位媒體應用」五大類，以透過學習數位工具提升履歷競爭力。更延伸計畫辦理「屏東縣跨域數位爭霸戰實戰競賽」，參賽隊伍都是在屏東就學或就業之青年報名，提供競賽總獎金30萬元，鼓勵與培育屏東的數位人才發揮創意，將屏東的故事透過數位方式展現出來。

本次參賽作品精采多元，展現屏東青年設計的創意及數位能量。包括影片拍攝屏東美食美景的「屏安米樂」及「做伙憩屏東」，利用線上展覽介紹屏東單車路線的「屏東單車旅遊趣」，以及獲得潛力獎的團隊「Animation Pingtung」、「斯卡羅」及「禁忌之戀」，第三名則是由透過線上迷宮遊戲的模式融入屏東各個區域的特產、美食的「屏藏物語」，第二名則是製作了年底即將啟動的屏東數位青創中心外牆，運用非常吸睛的光雕影像結合屏東元素的「光點屏東∞斑雕共構」，第一名殊榮則由屏東科技大學餐旅管理系的「鐵橋記」獲得，同學們運用實境解謎搭配Line機器人，透過遊戲方式介紹高屏溪的歷史。

每個團隊皆發揮獨特創造力，在課程中從0到1扎根數位技能、從無到有創造屬於自己的成果，屏東青年人才有目共睹，展現屏東縣政府陪伴青年，提供良好的創業環境與資源，有望未來提升屏東競爭力！

國民法官生存指南：用足夠的智識面對法庭裡的一切。

• 文／東海大學應用物理學系  施奇廷

天才是百分之一的靈感加上百分之九十九的努力。

——愛迪生（Thomas Alva Edison, 1872-1946），並不是第一個這麼說的人

上面這句話，一開始其實是一位女作家凱特‧桑伯恩（Kate Sanborn）說的，愛迪生引用之後變得廣為人知，不過愛迪生分配給「靈感」的趴數不太一定，有時候變兩趴，有時候不屑一顧：「天才才不是來自靈感，靈感其實也是努力來的啦！」，有就是：零趴。

不過「天才」並不代表「成功」。2022 年「第 32 次的第一屆」搞笑諾貝爾經濟獎，獲獎的研究告訴我們，「成功是百分之一的天才加上百分之九十九的運氣」。這下努力再也不是決定性的因素，只剩萬分之九十九；靈感更慘，只佔萬分之一。

運氣最重要啦！

（背景音樂：別人的身命，是框金又包銀，阮的身命不值錢……by 蔡秋鳳）

先說一下，為什麼「經濟獎」會是由物理學家（也就是我）來介紹呢？因為這次獲獎論文的三位來自義大利卡塔尼亞大學（University of Catania）的作者中，有兩位是物理學家（Alessandro Pluchino 以及 Andrea Rapisarda），只有一位是經濟學家（Alessio Emanuele Biondo），研究的方法也「很物理」，將「人生的成功」用一個簡單到令人髮指的模型來模擬，可說是「化約主義」（reductionism）的極致。所以正常的經濟學家可能會覺得「你們用這種方法來研究經濟學簡直是在搞笑」，因此才得獎的吧。

一般媒體的報導多半僅止於此，並不是！其實還有一個重點是如何扭轉這個「萬事天注定」的宿命論，讓具有才能的人出頭天。

他們的研究是利用「代理人模型」（agent-based model），也就是模型中的基本單元就是一個一個虛擬世界中的人，然後根據研究的問題「假設」來制訂行動規則，接著就讓這些「代理人」依照規則行動，看看結果如何。如果模擬出來的結果符合我們看到的社會現象，那麼上述的「假設」就可能為真。

在這個「TvL 模型」（Talent vs Luck, 天才對運氣）中有 1000 個代理人，他們被隨機灑在一個 201×201 的方格棋盤上面，每個人佔據一個空格，每個人身上帶著 10 塊錢——這裡我們姑且用金錢來衡量「成功的程度」，它也可以是在政治界官位的高度、學術界發表論文的數量與影響力……等其他面向量化後的「成就點數」。

接著同樣在這個棋盤上面隨機灑出一些綠色跟紅色的點，它們代表「人生中可能會遇到的事件」，綠色代表「幸運事件」，紅色代表「不幸事件」。事件的總數是人數的一半，也就是 500 個，其中紅綠各有 250 個。

假設每個人的「才能」是標準化後，介於 0 到 1 之間的常態分布，平均值為 0.6，標準差為 0.1。這裡用單一的變數 T 來代表才能，它包含了智商、個性、努力、教育……等出道前養成的所有個人屬性。

這個世界變化的規則如下：

1. 「人」不會動，從頭到尾待在原地。
2. 每一步中，每個「事件」會任選一個方向，移動兩格。
3. 如果某個人剛好在某個事件移動的路徑上（直接撞到）、或者是與路徑相鄰（擦身而過），表示他身上「出事了」。
   • 如果碰到的是綠點，表示「好事發生」。不過「運氣屬於準備好的人」，手裡錢（或成就點數）有機會翻倍，發生的機率就是才能值 T。所以才能較高的人，比較能掌握幸運的機會。
   • 如果碰到的是紅點，表示「發生不幸」，跟幸運不一樣的是：「不幸」是公平的，遇上的人金錢一律減半。這個設定的基礎是這樣：不管上智或下愚，路上被車撞就是得送醫、住院；被地震颱風直接命中就是會變成受災戶，你有再高的才能也無用武之地。
4. 沒有被事件撞到或擦到的人，金錢不變。
5. 回到 1。

假設每個人從菜鳥出道一直到退休一共奮鬥 40 年，而每半年就可能碰到一次重大的事件，所以整個模型需要模擬的就是每半年一次的變化，一共 80 步後，遊戲結束，來計算一下成績，最後大家手裡有多少錢呢？

結果顯示經過一生的努力後，財富分布滿足大家熟悉的「80－20」法則，前 20% 的人擁有整個社會 80% 的財富。雖然「80－20 法則」通常是拿來批評「貧富不均」這個社會現象，其實它有更深一層的涵意：如果只看前 20% 的有錢人，就會發現這裡面的 20% 也一樣會擁有其中 80% 的財富！也就是「有錢人之間」也是有「貧富不均」的現象。換算一下可以得知，前 4% 的有錢人（前 20% 的前 20%）擁有整個社會 64% 的財富（80% 的 80%）；然後再看最有錢的前 4% 的「超有錢俱樂部」中，同樣符合「80－20 法則」！

目前人類社會的財富分布，就符合這個奇妙的法則，在數學上，「財富數量」與「擁有這個數量的人數比例」會呈現「冪次律」（power law）特性，兩邊都取對數做成圖的話，會呈現一直線。

這個超級簡單的 TvL 模型到底能不能反應真實世界的狀況？由圖三看起來，它的確能重現財富分配「80－20 法則」的「冪次律」特性，所以模型雖然簡單，的確有抓到財富分布最重要的特性，也讓後面的結果具有說服力。

那麼，誰是這場遊戲的第一名？

因為人的位置跟事件的移動都是隨機、公平的，而才能高的人抓住幸運事件讓錢倍增的機率較高，所以最後的贏家應該是才能很高的傢伙吧？

很合理的想法，不過結果可能會讓你吃一驚：第一名的才能 T＝0.61，非常接近平均值，他最後手上有 2560 元，成長了 256 倍；而最慘的人居然擁有 T＝0.74 的才能，以常態分布來說，是排名在前 7%，或是 PR93 的強者。如果覺得只看第一名跟最後一名不準的話，就來看看所有人的成績分布吧！

從圖四可以看出來，以最高的 T＝0.61 那一點為中心，左右兩邊大體上是對稱的。看起來，才能高的人，真的好像不見得在這個「人生遊戲」終站到便宜！

那到底你將成為「人生勝利組」或是「魯蛇」，決定性的因素到底是什麼？答案是「運氣」。

就算資質平庸，抓住好運的機率稍微差一點，只要你在人生的過程中，碰上好事的機率比別人多很多，你還是可能出人頭地，成為頂尖人物。圖五清楚的顯示了這兩個人的運氣差多少：（a）第一名的人生，發生了八次幸運事件，而且雖然機率只有 61%，很幸運的也每次都掌握到了，而厄運則是一次也沒有！（b）反觀最後一名的人生，厄運連連高達 15 次，而且根據模型規則，毫無招架之力一次也躲不掉！好事只有發生一次，真想幫他寫個「慘」字……。

這只是一次的模擬，有可能只是湊巧出現這種令人意外的結果。別擔心，物理學家雖然頭腦簡單，做事情挺小心的，模擬個 100 次吧！然後看看每次的第一名的人的才能值的分布狀況，發現才能還是有差啦！但是並沒有很戲劇性的差別。拿到各次模擬第一名的人，平均才能值是 0.66，比起平均值 0.6 稍大一些，大概是「均標以上、前標未滿」的程度。100 次不夠，來個 10000 次吧！等於是 1000 萬個人生，得出來的結果差不多，10000 個「第一名」的平均才能是 0.667（圖六）。

看起來，才能高低對最後的結果是會有影響，但是頗為有限，運氣的影響大很多。而且，檢視才能比平均人高出一個標準差以上，也就是 T > 0.7，或是 PR84 以上的「秀才」，他們的成功率如何呢？這裡「成功」的定亦是，只要你在工作 40 年後，手上的錢不少於剛出道時（10 元）就可以了。天啊這標準也太低，不過在這種低標準之下，這些秀才的成功率也只有 32.05% 而已！人生真的好難！

看到這裡不禁覺得充滿負能量，大家都別再努力了，反正運氣決定一切……。

作者接著問，現實如此殘酷，政府能為我們做些什麼？

政府在挹注資源扶植科技研發、經濟產業等領域時，經常會有一種「菁英主義」思維：「我們如果把資源集中投給那些有才能的人，應該能夠得到更好的效果吧！」不過「才能」很難一下子看得出來，所以就變成「有才能的人應該本來就會表現得比一般人好，那就把資源給那些過去表現比較好的人吧！」

這樣的作法是正確的嗎？

於是研究者設計了一些補助辦法：每隔五年，就會有「政府資金」挹注給模型裡的 1000 個代理人，所以在整個模擬過程中，會有八次補助。補助的策略有幾種精神：

1. 齊頭主義：給所有的人相同金額的補助，皆大歡喜。實行方式：每次每人補助 1 塊錢、兩塊錢或 5 塊錢，三種方式補助 1000 人、八次的總預算分別為 8000、16000、40000。
2. 菁英主義：只補助表現較好（手中金額排名在前面特定比例）的人，表現差的人管你去死。實行方式：表現前 50% 的發 5 塊錢（總預算 20000）；表現前 25% 的發 5、10、15、20 元（總預算10000、20000、30000、40000）；表現前 10% 的發 5、10、20 元（總預算 4000、8000、16000），一共八種方式。
3. 折衷主義：前兩種極端方式的妥協，一部分的經費給表現名列前茅的人較多補助，剩下的給其他人平分。實行方式：前 25% 的人 5 或 10 元，其他人 1 元（總預算 16000、26000）；前 25% 的人 10 元，其他人 5 元（總預算 70000），共三種方式。
4. 亂槍打鳥主義：隨機抽取一個比例的人，塞錢給他們，用樂透來翻身的概念。實行方式：隨機選取 10% 的人給 5 元（總預算 4000）；隨機選取 25% 的人給 5、10 或 20 元（總預算 10000、20000、40000）；隨機選取 50% 的人給 5 元（總預算 20000），一共五種方式。

目標是「希望那些有能力的人（具體而言，就是 T > 0.7，比平均值高一個標準差），在政府的幫忙下，能夠好好發揮才能。」用來衡量這個目標的指標，就是經過了八個回合的補助，40 年後這些人「成功」（模擬結束後手上還超過 10 塊錢）的比率增加了多少。上面這些補助方式中，表現最好的方法是哪一個呢？

答案是前「25% 的人 10 元，其他人 5 元」，讓 T>0.7 的「高能力族群」的成功率，從沒有補助的 32.05% 一口氣提高到 94.82%，看起來很成功！幾乎全壘打！

不過總共要花 70000 塊，是所有方案中最貴的。相較之下，無腦式的每個人都發 5 元，也可以達到 94.40，幾乎不相上下，但是花費只需要 40000 元。也就是說，根本不用給名列前茅的人特別獎勵，成效也一樣好。

所以如果要看政府錢有沒有花在刀口上，要看的是「每花一塊錢，可以增加多少高能力族群的成功率？」也就是「效率＝（補助後成功率—補助前成功率）÷ 政府總預算」。用這個方式比的話，那個方案是第一名？

答案可能讓你跌破眼鏡，是最簡單的「每次每人補助 1 元」！總共花 8000 元，可以讓成功率提升到 69.48%，提升了 37.43%。剛剛拿第一名的方法，除以所花的錢後，績效也掉到後段班了，是 18 種方案的第 11 名。表現最差的是「表現前 10% 的發 20 元，其他人 0」這個極端的菁英主義方式，它的效率只有前者的 1／25，花了兩倍的 16000元，只提升了 2.93%，成為 34.98%。

事實上，所有的「菁英主義」式的補助，幾乎都是表現最差的。

如果政府經費充裕，總共要砸 80000 元下去，哪一種方法最好呢？模擬的結果顯示，還是「齊頭式平等」所有人均分表現最佳；第二、三名分別是「亂槍打鳥」隨機抽選 50% 的人平分、以及「折衷主義」表現前 25% 的人分掉一半的錢，其他 75% 的人分掉另一半。這三種方式的成績相當接近，都可以達到 96% 以上的成功率。

在這個極簡 TvL 模型下，齊頭式平等的補助方式表現最好，表示在「無法明確看出到底誰是高才能者」的前提下，「雨露均沾」才是讓才能高者出頭的最佳方式。不過作者也指出，在真實的世界中，拿到第三名的「折衷主義」方案，在人人有獎的前提下，給表現較好的人更多的鼓勵，可能產生激勵效果讓所有人更加努力，發揮更大的整體效果。未來若能將這個因素加進模型中，有可能會變成由折衷方案勝出。

這些結果，也呼應了本研究中的兩位物理學家在 2010 年獲得「搞笑諾貝爾管理獎」的題目（對，他們是第二次得獎了）：老闆要提拔下屬晉升主管時，不要挑之前表現好的，要亂槍打鳥隨機選人，團隊的運作會更有效率。

他們真的很喜歡亂槍打鳥……。

接下來要看的是「整體人口素質」的影響。如果由於完善的教育與職業訓練體制使得全體的才能值 T 都提高，平均值由 0.6 提升到 0.7 的話（標準差維持 0.1），這時候 100 次模擬的最強者的才能值，絕大多數都高於整體的平均值，而且金額也是也才能正相關，如圖八所示。也就是說，在整體人民素值較高的環境中，高才能者更有出頭的機會。

最後是「產業環境」，之前的模擬都是「好運」、「厄運」各佔一半，我們可以用較高的好運比率來代表高度成長的產業環境；而較高的厄運比率則是代表產業環境正在走下坡，才能平均值維持在 0.6。好運厄運的機率對所有的人都一樣，不過有趣的是，處在「高度成長環境」（80% 好運、20% 厄運）中時，對高才能者明顯有利（圖九（a）），但是在「產業江河日下」時，影響不太明顯（圖九（b））。

總結這次獲得「搞笑諾貝爾經濟獎」的研究，透過這個極度簡化的 TvL 模型模擬所告訴我們的訊息是：

1. 這個模型雖然簡單，但它能夠重現真實世界財富分布的「80－20 法則」，所以有抓到一些真實的經濟社會狀況的重點，不是來亂的。
2. 才能對生涯的表現有影響，但真正具有壓倒性力量的是運氣。
3. 政府如果想要鼓勵才能較好的人，期待他們有更好的表現的話，「想當然耳」的菁英主義（補助本來表現就比較好的人）是最糟糕的辦法，還不如齊頭式補助，或是亂槍打鳥式的補助。如果政府銀彈充裕的話，折衷式的補助成果也會不錯。
4. 整體人民素質提高，可以讓才能高的人表現更好，所以教育很重要。
5. 產業環境好，機會越多的話，也有助於高才能的人有好的表現。如果衰退的話，則是大家一起慘。

看到這裡，您應該也知道，作者雖然強調隨機事件、運氣的重要性，不過倒也不是就叫你跟阿姨說不努力了，以台灣的人民素質與產業活力來說，其實付出努力來充實自己的能力（提高你的 T 值），應該還是能夠讓你更有機會出人頭地的，還是多多加油吧！

更多有趣的研究，請到【2022 搞笑諾貝爾獎】

國民法官生存指南：用足夠的智識面對法庭裡的一切。

• 文／曾繁安

台灣擁有傲視全球、成熟完整的半導體產業聚落，在世界科技領域中扮演舉足輕重的角色。這個國家的經濟命脈，經過全自動化的時代後，即將迎來另一次生產技術的大變革——智慧製造。

當訂單越來越多，人力卻不夠，半導體業者該怎麽辦？

半導體產業包含了矽晶圓^［註］、相關化學品與氣體及導線架等封裝材料，其中又以晶圓厰為大宗，例如台積電便是全球規模最大的晶圓代工厰。素有「現代科技應用的大腦與心臟」之稱的半導體，是現代多數電子產品的核心單元，因為各項產品正是利用半導體電導率變化的特性來處理資訊。然而，目前半導體製造業卻面臨人力資源跟不上產量需求提高的挑戰。

一般半導體廠場域面積大，人力短缺使企業面臨管理人手吃緊，再加上人員進出無塵室的過程繁瑣耗時，也是另一大負擔。與此同時，在廠內儀器參數比對和規劃生產計劃上，傳統人力也可能有出現誤差的風險。疫情時代也促成在宅經濟和 5G 應用的高速發展，各領域對晶片的需求大增，造成半導體產業出現產量需求高，但人力短缺的現象。

因此對不少業者而言，可有效緩解人力不足、大幅提升作業效率的數位轉型（Digital Transformation），可謂勢在必行。

從「自動化」升級到「智動化」的智慧製造

那半導體產業的數位轉型，該怎麽做？所謂數位轉型，不僅僅只是將資料或作業數位化，還包括導入人工智慧（Artificial Intelligence，簡稱 AI）與數位科技，來改變企業的整個營運生產模式。AI 指的是電腦程式可模擬人類思維過程的能力，而在 AI 概念下的機器學習（Machine Learning，簡稱 ML），即為機器可以根據已收集的大量數據，經由建立模型對新數據進行推測，學習找出最佳解、改善效能。

結合 ML 的製造執行系統，需搭配裝置在工廠各處的多個傳感器（Sensor），來收集與回傳各樣的生產數據。它們與工廠設備的相互連接，即是運用了物聯網（Internet of Things）的技術。有賴於 5G 科技的發展，數據可以達成高速率傳輸與低延遲，使得機器與機器之間可以達成溝通，在整合分析各方數據資訊後，有效率地完成各種指令操作，可以比自動化製造系統，更進一步為人類代勞工廠運作的大小事務。

舉例來説，當工廠的生產過程出現問題，自動化系統只會跳出異常通知，還是需要仰賴人員來進行手動排除；但換作應用 ML 系統的話，便可透過自我學習，來自動調整製作流程以解除異常狀況，無需人力介入便可自主解決，提升良率，達成「智動化」智慧製造（Smart Manufacturing）的最終目的。

懂得精益求精、提高品質產量的智慧工廠

一座運用智慧製造的半導體工厰，不但能自主克服製程中的疑難雜症，更能幫助提高晶圓的產量品質。在研發方面，AI 可以協助理解高複雜、高維度的製程開發挑戰，也可與 ML 軟體分析感測資料和檢測影響，進行品質管理與缺陷檢查。

此外，數據治理和數位分身，也是智慧製造的關鍵策略。對企業整體的數據進行管理和控制，以提高數據的價值，將因為數據產生的成本風險降到最低，是數據治理（Data Governance）的核心精神。

在兼顧資訊安全下，數據治理的體系能使跨部門間的數據共享更為方便暢通。輔以 AI 及 ML 的運算，便可以使業務部門的客戶需求、供應鏈管理等資料，與工廠生產部門的設備控制與品管等流程，有更迅速緊密的配合，規劃好合適的未來生產計劃，指導人員進行相關作業。

如同我們可以在電玩游戲或社交媒體上，按照自己的個人形象，來打造自己的虛擬化身，工厰也能藉助現今的科技，來為產品的物理實體，在資訊化平臺或系統的虛擬空間中，打造一個類比實物的數位分身（Digital Twin）。

數位分身也是物聯網的應用之一，半導體廠中，由傳感器所收集到的晶圓製造數據，在 AI、ML 和軟體分析的協助下被整合，對映成數位空間中「雙胞胎」的存在。這位孿生兄弟不僅能夠隨物理實體的變化而即時做出相應變化，還可以提供無法在實體產品上測試計算的數據。

理想情況下，數位分身可以經由機器學習，分析過去的歷史資料或多重來源的數據，來推估實體的未來情境。因此在危機或異常事件發生前，業者便可預先進行預測性的設備維護與產品的良率分析，比起傳統人力的判斷更加精確，降低技術風險，大大提高生產效率。

工業 4.0 浪潮來襲，智慧製造是產業未來趨勢

運用通訊科技、資料庫和電腦系統達成全自動化生產，已不是新鮮事，如今人類社會正迎來第四次工業革命的新一波浪潮。主打網絡與機械相互連接的核心精神，導入人工智慧、機器學習、物聯網感測與大數據分析等人機協作的智慧製造，是因應多變市場需求的時下趨勢。

在半導體領域中，企業龍頭台積電可説是數位轉型的成功案例，從二十年前的全自動化製造系統，如今致力於打造組織內部友善 AI 的工作環境，努力向智慧製造全面轉型。數位轉型的技術支援不能沒有半導體產業製造的晶片，而如今數位轉型也有望帶領半導體產業突破產能吃緊、人才短缺的困境，走向智慧製造的新紀元。

以台灣在地企業的智慧製造覆蓋率而言，就已在短短 6 年內成長 50％。舉全台最大的國際半導體展 SEMICON Taiwan 為例，智慧製造相關的展商在近六年內的成長幅度也同樣攀升了 50%。

今年高科技智慧製造特展將以歷年最大規模之姿登場，與全台最大半導體盛宴 SEMICON Taiwan 2022 國際半導體展同期同地舉辦，匯集橫跨高科技製造業智慧製造解決方案業者、系統整合、軟硬體商及智慧製造需求端業者，如盟立自動化、倍福自動化、家登精密、攝揚企業、日商 JEL 等不容錯過。

因應疫情下數位轉型成為全球企業的重要任務，今屆展覽中的「高科技智慧製造論壇」將由美光科技、 Lam Research、 Rockwell Automation、Siemens 等知名企業專家以人工智慧工廠為主軸，探討 GEC 技術藍圖，內容包含五個部分包含數據管理、智能分析、數位分身預測等重點實務經驗分享，從晶圓厰到設備製造商和解決方案提供者的角度，讓參與者得以探究 AI 智能工廠的前景和挑戰，跟上數位轉型的步伐。

除了智慧製造議題，展覽期間共有超過 20 場重磅級的國際趨勢論壇，豐富主題涵蓋先進製程、異質整合、化合物半導體、車用晶片、永續製造、半導體資安及人才。論壇將在今年 9 月 13 日率先開幕，展覽則於 9 月 14 日至 16 日於臺北南港展覽館一館盛大開場，規模創歷年新高，届時將有 700 間國內外指標性大廠共襄盛舉，現場將有 2,450 個攤位展出，完整串聯全球半導體供應鏈，目前展會參觀與論壇皆已開放報名，參與席次有限，有興趣者趕快手刀至官網報名起來！

註：晶圓（Wafer）是半導體晶體圓形的簡稱，是從半導體材料如最常見的矽，經過拉製、提煉等一系列處理過程，製成的圓柱狀半導體晶體經過切片、抛光而來。這些圓形薄切片被用於積體電路製程中的載體基片，也可用來製作太陽能電池。

參考資料

1. 半導體是什麼？晶片產業一次看懂
2. About SEMI Smart Manufacturing initiative
3. 【獨家披露】台積電數位轉型的下一步，靠AI推動全面轉型（上）
4. 【獨家披露】台積電數位轉型的下一步，靠AI推動全面轉型（下）
5. 泛科學：每分鐘 15 次的駭客攻擊，5G 世代的臺灣資安挑戰——資安所王仁甫策略總監專訪
6. Data Governance – 臺灣人工智慧行動網
7. 「數據治理」：人工智慧企業的基本功
8. 科技大觀園：從全自動化製造邁向智慧製造
9. 聯剛科技股份有限公司
10. 【新興領域：9月焦點8】數位分身（Digital Twin）技術發展趨勢與不同層次應用模式
11. 半導體資安的新挑戰！後疫情時代，如何全面打造半導體供應鏈數位韌性
12. 工業4.0大全，從淺到深一篇搞懂它！