GDSS：以軟體驅動製造業數位轉型的最後一哩路 — 從台積電 FAB runs on code 到 AI PoC 加速 ESG 應用落地

hashtag

關鍵字：數位轉型, 數位商模, 開源軟體, 開源商模, AI, LLM, API, GDSS

從荷商半導體走過手機製造，最後在13年前進入AI領域，對數位轉型有自己的看法，於是2022年推出ESG數位轉型生態系架構。

但是在參加過台積電在2023年的IT Day後（一個偽裝成企業研討會的招募活動），開始讓我重新審視製造業數位轉型的方式，完成最後一哩路！
半導體的數位化應該比台灣任何製造業都要早，從TSMC的IT Day知道，原來台積電的數位轉型之路也沒有很順利，直到2019年將硬體思維模式轉換成軟體思維方式，就順利完成而喊出FAB runs on code的口號。

從台積電的成功模式我想應該可以帶給其他製造業一些標竿啟示，這個啟示我個人認為就是，要用 ‘軟體加製造業’的角度來看數位轉型，而不是‘製造業加軟體’的模式，這兩者中間的差異就是用軟體產品開發架構主導企業的數位轉型，這對不熟悉軟體產品開發架構的硬體製造商來說的確是個挑戰，這種模式必須要說服管理層認同採用軟體產品開發的數位轉型商業模式會對製造產生重大價值，最快的方法就是透過熟悉軟體商業模式改變管理層思維邏輯作為切入，畢竟要做到像台積電那樣子的程度，台灣的IT人才仍遠遠不足！

硬體+的數位轉型模式台積電已經看到問題與極限，但不代表不能用，而是要用在軟體+的數位轉型模式中的跨部門合作模式下，也就是由硬體部門提出需求，讓軟體部門加入並共同合作完成。

這樣的模式可以看到開源軟體使用將會越來越多，而開源商模將會影響這些軟體的使用，因此開源商模的重要性將越來越大！

在這樣的思路下，我們可以看到軟體巨頭們影響軟體商模的轉變，會影響數位轉型的技術使用方式以及最重要的，就是數位技術的使用成本！

至少目前AI技術使用成本越來越低，而軟體商模勢必將會帶來新的轉變，其中值得關注的就是MCP開源，很大的可能將會造成AI API商模的普及。

我在2023年開發完成的GDSS(綠色數位系統架構)，就是為了解決企業雙軸綠色數位轉型而設計的，也希望透過這樣的GDSS能讓製造業順利步入智慧製造之路。

hashtag

從JEVONS PARADOX 來看 ESG 帶來的技術啟示

2025.02.04 汪周禮

 "19 世紀英國經濟學家 William Stanley Jevons 首次提出 傑文斯悖論，這是一個經濟學與能源消耗相關的概念，指出 當技術進步使某種資源的使用效率提高時，反而可能導致該資源的總體消耗量不減反增，主要原因在於 資源的使用成本大幅降低 可能會因為 資源的應用場景大幅增加 進而導致 該資源的市場需求不減反增。"

關鍵字：傑文斯悖論, Jevons paradox, AI, TRIZ, technology trend models,  ESG

---
#傑文斯悖論與TRIZ技術發展趨勢的系統性關聯

這一現象，讓我們 TRIZ技術發展趨勢模型的角度來觀察會更加清晰。

根據 TRIZ 技術系統進化法則，技術系統的發展趨勢模型之一有一個是：

技術系統發展趨勢會朝向強化"系統流"（系統流包括：物質流、資訊流與能量流）的方向邁進。

其中，「能量流（Energy Flow）」的優化在技術系統的能源使用方式上，扮演著至關重要的角色。

當系統的能量使用效率經過改善提升後，在特定作業單元或特定單一元件上，能量使用效率確實提升，也會伴隨著需求的提升，當隨著需求而擴大整體產出，總體的能量消耗不僅未減，反而出現增加的現象。

這與傑文斯悖論不謀而合，形成一種跨領域的理論呼應。

我們可以從技術、需求和能量的三個角度同時看半導體製造。

以 半導體 IC 製造 為例，從過去的 90nm 製程技術演進到現今的 2nm 製程技術，雖然每個晶片的能效比大幅提升，單位面積的電晶體密度也達到前所未有的高水準，受到製程技術精密度提升、晶圓廠管理的超系統等級整合的疊加效應以及市場需求擴大的產品提升，讓整個晶圓廠的總體能耗卻呈現出不降反增的趨勢。

因此我們可以看到一種趨勢，那就是，技術進步並不必然帶來資源消耗的減少，反而可能因效率提升所誘發的需求增長，導致更大的資源消耗。

這也剛好呼應了為什麼ESG很重要，這不僅僅是環保層面，而是考驗企業能源管理策略、永續發展規劃以及技術創新路線的整體規劃與設計能力！

這也提醒我們，單單依靠技術效率提升並不足以解決能源損耗的問題，我們必須跳脫現有系統層面，從超系統角度思考真正的挑戰在於：

我們要如何設計出同時兼顧能源效率與總量控制的超系統解決方案!

我想這才是 ESG 所帶來技術發展啟示！

讓企業在不斷變化的技術經濟環境中立於不敗之地！

#ESG
#AI
#半導體
#Jevons_paradox
#TRIZ
#技術趨勢模型

REF:
https://uanalyze.com.tw/articles/6564910124

開源軟體商業模式（OSS Business Models）_ 架構 AI LLMs 生態系基本重要元素

 開源軟體商業模式（OSS Business Models）

架構 AI LLMs 生態系基本重要元素

圖案由CHATGPT根據本文內容生成

2025.02.03 汪周禮

軟體商業模式（Software Business Models），根據我的研究與收集，目前已知超過100多種。其中，開源軟體商業模式（Open Source Software Business Models, OSS BMs）更是多樣且靈活，完整地涵蓋了產品技術生命週期的各個階段。無論是在價值曲線上的初期需求挖掘、獲得市場認可後的搶占市場、面對市場競爭以及維持基本功能的不同階段，這些價值曲線上的不同階段，都能找到多種可組合應用、靈活變化的商業模式。

關鍵字：AI, LLM, OPEN SOURCE, BUSINESS MODEL, MSM, 創新

根據瑞士管理學院學者的相關研究，一個成功且能夠穩定獲利的軟體產品或技術服務，通常會結合3至7種不同的商業模式，形成商業模式護城河，提升獲利能力與提高市場競爭力。

當我們希望能透過軟體技術創造商業價值，從企業產品技術開發角度而言，最重要的，並不是一開始就埋頭進行技術研究與開發，而是提早先收集市場動態與趨勢，深刻了解技術發展現況，再來是明確規劃：

    有哪些潛在的商業模式可供選擇？

    實現這些商業模式需要哪些核心技術能力？

    市場中我們有哪些目標客戶，而這些目標客戶的底層需求是什麼？而我們可以透過技術提供甚麼服務?

我們可以用目前最熱門的 DeepSeek 開源模型為例子，模擬可能的商業模式。  

畢竟  DeepSeek 作為一個具備強大語言處理能力的開源模型，具有高度靈活性，可以應用OSS BMs ，支援、整合甚至創造多種商業模式。例如：

(A) 訂閱制 SaaS（Software as a Service）

應用場景： 提供基於 DeepSeek 模型的 API，企業可以按需訂閱使用自然語言處理（NLP）服務，例如自動文本摘要、語意分析、智能客服等進一步提高企業營運效能等。

(B) 增值服務模式（Freemium + 高階服務）

應用場景： 提供免費基礎版本給開發者使用，進而引導企業購買客製化模型等優化服務。

(C) 技術授權與 OEM 模式

應用場景：  將 DeepSeek 模型授權給其他企業嵌入其產品或服務中，這種特別適合軟體公司或系統整合商，甚至打造出產業鏈與生態系。

(D) 咨詢與專案定制服務

應用場景：  提供基於 DeepSeek 的 AI 解決方案諮詢等技術服務，協助企業進行模型定制、數據訓練與優化。

(E) 社群生態經濟模式

應用場景： 透過開放社群的力量推動模型應用創新，並在社群生態中，透過社群平台交換需求和技術合作建構插件市集，甚至進行數據交易創造更多商業價值。

(截至目前為止，已知 微軟（Microsoft）、亞馬遜（Amazon）、輝達（Nvidia）等企業已經DS整合其商業服務中。)

若我們能在前面所提到的基礎上再投入技術開發，不僅能夠確保開發方向與商業目標一致，更能有效降低重複開發與資源浪費的風險。

當面對市場競爭與技術變化時，也能更迅速地調整策略，保持競爭優勢。

開源軟體的價值不僅在於開放的技術本身，更在於其背後靈活多變、可持續創新的商業模式設計。這是軟體和硬體商模明顯的差異之處。

MSM_AI 輔助創新服務經過2023和2024年的企業專案洗禮，完成多項企業軟體產品開發技術專案，創造巨大可預期與可實現的經濟效益，更可以作為企業在開源軟體商業模式轉型與創新中的重要推手。

未來將會繼續透過三個層面切入，提供更高價值的服務：

    1. 商業模式策略輔導： 幫助企業設計可持續的 OSS 商業模式組合。

    2. AI 輔助的技術產品開發： 提升企業的產品創新與技術應用效率。

    3. 創新能力培訓與工作坊： 建立企業內部的創新文化與提高創新能力能力。

智合創新，致力於傳遞創新知識與驅動創新服務。

#OPEN_SOURCE

#Business_Models

#MSM

#AI輔助創新

參考資料：

    1. Open Source Business Models - Palark

    https://blog.palark.com/open-source-business-models/

    2. Business Models for Open-Source Software - Wikipedia

    https://en.wikipedia.org/wiki/Business_models_for_open-source_software

[AI 發展趨勢隨筆]

ChatGPT根據本文內容生成圖

2025.02.03 汪周禮

自深度學習（Deep Learning）誕生以來，接連著 Transformer模型的出現，數位世界已從傳統的數值分析逐步改變，並在大型語言模型（LLM）的技術應用推動下，數位科技與人類生活的連結越來越貼合。

過去兩年，AI的發展速度驚人，彷彿千禧年之前 .com 網路出崛起時期，但這次的影響層面更深、更廣，已超越 .com 時代僅改變資訊傳遞方式的經濟效應。

AI LLM 的崛起不僅加速了高品質資訊的收集與傳遞，更透過強化內容處理與整合，顯著提升了資訊品質與處理資訊的效率，更進一步拓展了應用場景的廣度與深度，這也暗示著很多我們習慣的資訊傳遞、處理與收集模式將會開始改變！

值得慶幸的是，根據我的觀察，目前的AI 經濟架構的發展模式，仍然在傳統知識經濟的智慧財產（IP, 包括軟體專利技術、與軟體著作權）的超大架構之下。

正如我數年前所提出的 智慧財產 IP 知識經濟架構觀點，AI LLM的出現，將加速驅動人類社會經濟邁向更豐富的知識經濟形態，這也意味著在未來3~5年，我們將看到更多傳統商業模式將被顛覆！

AI LLM 技術與應用這兩者的快速普及，不僅有效降低了知識門檻，更縮短了學習曲線，讓知識學習應用與創造的效率更高。

最重要的是，目前 AI 技術的發展不僅是工具層面的進步，必將成為推動人類思維變革的催化劑。這是因為目前 AI 不僅幫助人們更高效地應用(收集、整理與創造)知識，更激發了更多個體獨立思考與創新能力，讓越來越多人開始重視、正視並透過AI輔助實踐創新思維，為未來社會注入源源不絕的創新動能。

面對即將到來的龐大知識經濟變革浪潮，我相信我們不會坐以待斃，而是激發出更多潛能應對。

#AI

#LLM

#IP_Ecosystem

#創新

AIaaE-開源LLMs生態系的崛起 - EPISODE 0 - DEEPSEEK的衝擊

EPISODE 0 -  DEEPSEEK 的衝擊

2025.01.31 汪周禮

在 AI 技術的快速演進下，AI整體市場格局正在發生重大變化。從開源與閉源的競爭，到小模型挑戰大模型，再到算力需求的變革，這些趨勢不僅影響技術發展，也將重塑全球 AI 產業格局。

DeepSeek的出現所造成的影響意義深遠，本文嘗試從四個點切入探討未來 AI 市場可能的變化及其對企業的影響。

(針對近期DEEPSEEK對市場網路新聞資訊變化，整理收集網路資訊並與ChatGPT對話整理與修改及補充後，探討目前觀察到的資訊，經過整理補充與修改的內容仍可能有誤，請謹慎閱讀參考。)

1. DeepSeek 綜合資訊

2. DeepSeek-V3 訓練與優化流程總覽

3. 未來市場的變化趨勢

4. 哪些企業會最先適應 DeepSeek 帶來的 AI 變局？

關鍵字：DEEPSEEK, AI, AI黃金三角, AI FUTURE TREND, AIaaE, AI as an Ecosystem, open source, LLM

1. DeepSeek 綜合資訊

DEEPSEEK是一種AI LLM技術，於2025年1月20日首度發表。

從目前收集到的資訊經過整理後，首先從類型、特色以及重點摘要三個層面，分別從術創新與模型架構、訓練與優化流程、進行梳理。

A. 技術創新與模型架構

DeepSeek 以創新架構、高效資源運用、完全開源、低成本訓練策略，挑戰美國主導的 AI 模型市場。其技術與市場影響力不僅正在改變產業標準，更在算力競爭、中文 AI 發展、與 AI 商業模式上帶來顛覆性變化，讓開源環境更具競爭力。

B. DeepSeek-V3 訓練優化流程總覽

流程圖解讀

    1. DeepSeek-V3 Base 作為基礎，透過少量冷啟動 CoT 數據進行 SFT（監督微調）。

    2. 接著透過 推理導向強化學習（GRPO + CoT 語言一致性獎勵） 進一步優化模型。

    3. 推理與非推理數據經過過濾與拒絕抽樣，確保數據品質，形成 DeepSeek-V3 SFT 訓練數據集。

    4. 使用 Qwen 2.5、Llama 系列數據，再進行 2 輪 SFT 訓練（共 80 萬筆樣本），進一步提升模型能力。

    5. 透過蒸餾技術 產生 DeepSeek-R1-Distill 版本，以降低計算成本並保持推理能力。

    6. 經過強化學習（RL），利用偏好獎勵與多樣化提示詞進行微調，最終獲得 DeepSeek-R1。

關鍵亮點

    1. 分段穩定訓練：先進行 SFT，再透過 RL 提升推理能力，確保模型穩定成長。

    2. 數據品質篩選機制：透過推理提示詞與拒絕抽樣，確保數據高品質，避免模型學習低質量輸入。

    3. 多模型蒸餾泛化：結合 Qwen 2.5 & Llama 版本 進行知識提取，提升模型的泛化能力。

    4. 低成本高效輸出：使用 SFT + RL 策略，提升效能同時控制成本，使模型具備競爭力。

總結

DeepSeek 採用 分階段穩定訓練 策略，先以 少量 CoT 數據進行 SFT 微調，再透過 GRPO 強化學習與語言一致性獎勵 提升推理能力，並利用 數據篩選機制 確保訓練品質。

  此外，融合 Qwen 2.5 和 Llama 進行 知識蒸餾，提升模型泛化能力，最終透過 蒸餾技術降低計算成本，確保 DeepSeek-R1 具備高效能與低成本優勢，在推理能力與市場競爭力上取得突破。

C. 未來市場可能的變化趨勢

未來AI 產業將從算力競爭轉向架構創新，開源 LLM、低成本 AI 方案和新型架構優化技術的興起，將挑戰封閉式技術與高端 GPU 市場布局型態，進一步加速 AI 技術的普惠化與市場技術轉型。

D. 哪些企業會最先適應 DeepSeek 帶來的 AI 變局?

“見情者獲，直往則違” 

最可能適應並突圍的企業類型

就是那些受益於 LLM 成本-效能脫鉤趨勢，有能力透過資料驅動獲得市場優勢，例如：

i.  擁有大量高質量專屬資料的企業

這些企業具備 專有數據 (Proprietary Data)，而不是僅依賴公有網絡數據，能夠透過自有數據訓練客製化 LLM，形成 難以被競爭對手複製的 AI 生態。

ii. 低算力 AI + 高資料應用場景的企業

DeepSeek 將不會是最夠一個，這也暗示了未來及類似技術的出現必定會朝向 降低算力成本門檻的方向前進，因此過去無法負擔 LLM 訓練的小型企業，也有能力透過 開源 AI + 企業私有數據 來打造專屬 AI 應用。

iii. AI 科技公司 (突破頂級算力封鎖圈 + 降低對高資本密集算力的 依賴)

DeepSeek 的成功展示相對較低算力創造出相對高效 AI 訓練的可行性，這對其他受技術封鎖影響的市場來說是一個重大機遇，畢竟這降低了對 AI GPU 的依賴程度，更幫 AI新創(AI Startups) 打開了一條全新的發展道路。

---後記

正如同我過去所預測(2024完成8個企業AI技術開發專案輔導後的心得)，AI建模能力仍舊將會是AI應用技術關鍵競爭核心，從技術趨勢預測分析模型的角度來看，目前在AI 建模領域，可以說是初期階段，未來仍有很大的競爭發展空間。

也因此，AI應用、AI應用系統架構設計、AI建模，這黃金三角組合會越來越明顯。

從產業生態系巨觀的整體視角來看，我認為關鍵在於DeepSeek 有多種不同的豐富開源版本，基於這種擁有媲美ChatGPT 的應用能力且可供商業化(MIT)的開源模型，這代表AI LLM 軟體領域開源將會開啓一個新的產業生態系的發展，可預見的影響力將會非常巨大深遠，可以說是AI LLM 發展分水嶺 (開源VS.閉源)也不為過！

軟體技術的商業模式穿透力非常強，從小範圍的產品技術開發，擴散到到市場商業模式設計，甚至可大到重塑產業鏈生態系。

透過AI技術，就有機會打造出非常有吸引力產業鏈生態系(AI as an Ecosystems, AIaaE)，這也是軟體技術吸迷人的地方。

#AIModeling

#ai_future_development

#AI_as_an_Ecosystem

#AIaaE

REF:

https://en.wikipedia.org/wiki/DeepSeek

https://x.com/markchen90/status/1884303237186216272

https://arxiv.org/search/cs?searchtype=author&query=DeepSeek-AI

https://x.com/SirrahChan/status/1881488738473357753

https://cyeninesky3.medium.com/deepseek-r1-論文解析-強化學習如何提升-ai-推理能力-9ddbc4ded9f6