搜尋此網誌

2026年3月2日 星期一

AI 時代的競爭力-「品味」_ 甚麼是品味? 又該如何定義 品味?

AI 時代的競爭力,不再是努力而是「品味」,如何定義品味,來自資深創新架構師汪周禮的深度解析



1. 前言:從「奇蹟材料」到系統重構的必然

Notion 創辦人 Ivan Zhao 在其萬言書《Steam, Steel and Infinite Minds》中提出一個深刻的洞察:每一個時代都由一種「奇蹟材料」所定義。工業革命是蒸汽,基礎建設時代是鋼鐵,而 AI 時代則是「無限的心智」(Infinite Minds)。

然而,觀察當前的產業現狀,多數企業與個人仍處於「水車階段」——僅僅是將強大的新引擎(AI)強行裝進破舊的木製馬車架構中,導致生產力提升極其有限。當 AI 讓創意、內容與技術開發的成本趨近於零,真正的瓶頸不再是材料本身,而是「藍圖」的品質。我們正從人類尺度的「佛羅倫斯」小城模式,邁向全天候、高複雜度的機器尺度「東京」巨型都市。

在這場文明級的結構革命中,核心競爭力已然位移。

2. 第一個衝擊:品味新定義——品味是你的「認知邊界」

在 AI 知識經濟 2.0 的背景下,大眾對「品味」(Taste)的理解仍停留在審美或設計感,這是一種認知上的誤區。真正的品味,本質上是一個人的「認知範圍邊界」。

「品味稀缺的底層邏輯是認知範圍邊界不同,從挑剔、獨特、不同凡響樹立品味價值,背後依賴的是超越一般認知範圍邊界的思維邏輯。」

這種思維邏輯之所以稀缺,是因為它代表了一種「系統選擇能力」。AI 擁有海量知識,卻缺乏「挑剔」的直覺。唯有擁有超越平庸的認知邊界,才能從模糊抽象的元素中,精準定義出什麼是「好的」、什麼是「值得被解決的問題」。品味,即是架構設計的先導指標。

3. 第二個衝擊:經濟權力的轉移——進入「創新架構」時代

回顧經濟發展史,稀缺資源的轉移決定了權力結構的翻轉。我們正站在從「數位時代」跨入「AI 知識經濟」的門檻上,核心角色已從編寫程式碼的工程師,演變為設計系統的架構師。

時代

稀缺資源

核心能力

代表角色

工業革命

肌肉&能源

生產效率

工廠主力(工程師)

數位時代

技術知識

編碼與系統開發

軟體工程師

AI 時代

認知邊界&品味

架構設計與指揮

創新系統架構師 
Innovation System Architect

在 汪周禮這幾年透過AI輔助企業創新專案 的實踐經驗中,進一步發現技術堆疊已不再是護城河,能定義產業甚至生態系架構並驅動 AI 進行大規模協同的人,將會是未來擁有真正的核心競爭能力者。


4. 第三個衝擊:AI 時代的第一性原理——「架構能力 = 生產力瓶頸」

我們必須直面一個現實:AI 具備近乎無限的執行潛力,但知識工作之所以尚未爆發,是因為存在「上下文碎片化」與「驗證困難」兩大瓶頸。要打破僵局,必須回歸第一性原理。

「指揮 AI 完成的工作能力就是架構設計能力。」

AI 不缺執行力,缺的是「執行架構」(Architecture of Execution)。這套架構包含四個支柱:

  1. 問題定義 (Problem Framing):精準識別值得被解決的真問題。
  2. 系統設計 (System Design):規劃解決問題的邏輯路徑與模組。
  3. 資源配置 (Resource Allocation):定義能力的邊界與 AI 工具的組合。
  4. 成果驗證 (Verification):在內容過剩的時代,建立可驗證的品質回饋閉環。

5. 第四個衝擊:AI 時代能力金字塔——極稀缺的 L5 層級

在新的能力矩陣中,價值不再由「勞動力」決定,而是由「架構位階」決定。請審視你在金字塔的哪一層:

  • L5:規則制定者(極稀缺) —— 定義新問題類型,創造新方法論,設計產業底層架構(如:創新系統架構師)。
  • L4:架構設計者(最關鍵層) —— 負責系統架構設計、AI 工作流整合、商業模型落地。
  • L3:指揮者 (AI Orchestrator) —— 擅長任務拆解與流程設計,驅動 AI 協作。
  • L2:操作者 —— 基礎 Prompt 使用者,工具導向。
  • L1:被替代層 —— 從事重複性、可預測的知識性執行工作。

未來的核心挑戰,在於如何從被動的操作者,進化為具備系統思考能力的「架構設計者」。


6. 第五個衝擊:「落地能力」是檢驗品味的唯一標準

在 AI 時代,想法的邊際成本趨近於零,這使得「創意」本身變得廉價。如果你只能產出想法而無法落地,那僅僅是空談。未來的價值核心在於「架構化落地能力」(Architected Execution Capability)。

這是一種將抽象想法轉化為可執行系統,並能獲得「外部回饋」的能力。它包含五個子能力:

  1. 認知邊界突破:看見他人看不見的系統性機會。
  2. 問題建模:將模糊的需求轉化為清晰的架構邏輯。
  3. 系統架構設計:建立穩健、可擴充的執行框架。
  4. AI 指揮與協同:像指揮樂團一樣駕馭多個 AI Agent。
  5. 外部回饋整合:在執行過程中動態修正,將 AI 輸出轉化為真實商業價值。

7. 結語:一場關於架構設計的文明競賽

我們正經歷的不是一場工具更新,而是一場文明級的經濟結構革命。未來的競爭不是比誰更努力,而是比誰的架構設計更精巧、誰的認知範圍與決策邊界更深遠。

「AI 時代不是創意競賽,而是創新架構設計競賽,比的是決策方案能力與決策速度。因此,能將抽象想法轉化為可執行系統並產生外部回饋的人,將會是未來擁有真正競爭力的關鍵人物。」

技術不再是門檻,你的「品味」與「認知範圍邊界」才是。

最後,有一個可以思考的題目就是:

當 AI 可以無成本地幫你完成所有執行時,你是否有足夠的品味,去定義一個真正值得解決的問題?以及完成此值得解決問題的架構設計能力


(本文由AI根據原創作者汪周禮提供資料生成後,經過原創作者編輯後公布)

如果您或您的企業對如何開發 創新架構設計能力 有興趣,歡迎與我們聯絡。

智合創新 service@iiiinnovation.com 

2026年2月23日 星期一

學了工具就會創新? 醒醒吧!別用「創新幻覺」拖垮企業的創新能量

學了工具就會創新?讓企業白忙的「創新幻覺」

原創資料作者:汪周禮

2026©汪周禮@智合創新

本文內容由AI根據原創資料作者提供,經原創資料作者編輯修改後發布。


介紹創新的底層思維模式,超越工具思維模式!

在AI時代,隨著AI能力越來越強,方法論和工具類的知識正在寫入AI,AI代理人必將學會這些方法和工具,人類創新難道就無法超越AI嗎? 

答案是當然沒問題,關鍵在於人類需要學習新的創新能力,超越知識束縛的創新能力。

透過作者過去在半導體研發/工程、AI產品技術領域10多年,累積超過20年產品技術創新經驗,點出創新迷思,告訴大家,在AI年代,要破繭重生學習真正的創新能力-創新架構設計。

#ai
#創新
#創新架構設計


在當前的商業環境中,企業為了追求成長,投入了大量預算在所謂的「創新培訓」上。從設計思考(Design Thinking)、TRIZ 工具、問題工作坊到 AI 創意應用,企業主甚至期待員工在上完幾天課程後就能脫胎換骨,做出創新成果。

 

然而,現實是殘酷的,這樣的期待衍生出來的是無數昂貴且失敗的工作坊所堆疊出來的墳場。工作坊結束後,產出的創意雖然看似天馬行空,卻鮮少能轉化為真實的營收。這正是市場上最普遍的痛點——企業陷入了「學了工具就會創新」的幻覺。身為資深創新顧問,我必須戳破這個粉紅泡泡:工具只是「認知放大器」,它並非「創新引擎」。 如果企業沒有正確的創新架構設計,再先進的工具也只是在虛耗企業的資源,最後弄得人仰馬翻,人人聞創新色變!

 

震撼真相一:工具 能力,別再被行銷話術誤導

 

市場上充斥著將方法論工具與創新能力掛鉤的行銷手段,這不但是一種誤導,更是一種不負責任的行為。這些培訓大多聚焦於:

  • 方法層(Method Layer): TRIZSCAMPER 法、商業模式畫布、AI 創意工具。這些工具解決的是「認知效率」,讓你想得更快、更有條理。

 

真正決定創新成敗的,是隱藏在冰山下的 系統層(System Architecture Level能力。這包括了:

  1. 問題定義(Problem Framing): 在混亂或不明確的現實情境中,從已知需求鎖定真正的問題以及客戶願意投資或付費的痛點,與問題定義呼應的解決方案,才能有效規劃出具有價值的系統架構及方案組合。
  2. 產品技術主要價值參數(Main Parameter of Value, MPV): 準確識別出產品技術中能驅動市場價值的核心參數,而非盲目增加功能浪費資源。
  3. 決策承擔(Decision Ownership): 具備創新工具流程設計與創新資源配置權力,並能承擔未知風險的責任。

工具能幫你畫出漂亮的圖表,但它無法替代你「定義 MPV」或「設計創新流程」或是「做出正確的決策」。

 

震撼真相二:創意是天馬行空,創新是「資源與風險」的系統工程

 

許多人將「創意」與「創新」混為一談,這是導致失敗的根本原因。根據 MIT 技術授權辦公室 (Technology Licensing Office) 的長期研究觀察,技術走向商業化的成功比例遠低於一般人的直覺想像。這證明了:僅有技術或創意,離「價值實現」還有極大的鴻溝。

 

面向

創意 (Idea)

創新 (Innovation)

本質

構想、靈光一閃

嚴謹的系統工程

成本

幾乎沒有成本

必須投入實際的人力、資金與時間

風險

無風險

高風險,且完全不保證成功

可實施性

不一定具備可行性

必須擁有「發明創作載體」

商業性

追求有趣、新奇

必須具備市場轉換能力

成果標準

構想的數量與多樣性

具體的經濟效益與穩定利潤

 

如果缺乏「發明創作載體」(即創意與可實施技術系統的結合),創意終究只是幻覺(Hallucination)。

 

核心觀點:決定成敗的「創新五要素」

 

一個真實的創新行為是一次資源配置的決策,根據產業創新經驗,我個人認為至少必須同時滿足以下五大條件(要素),缺一不可:

 

要素

核心定義

失敗的代價

1. 資源投入

人力、時間、資金與技術資產的真實配置。

淪為口號式的「創新文化」。

2. 不確定風險

創新是與未知博弈,組織必須具備容忍機制。

導致團隊因恐懼失敗而趨於保守。

3. 發明創作載體

「創意 + 可實施技術系統」。這是創新的實體。

想法無法落地,淪為簡報上的空談。

4. 市場可落地

必須能進入真實的商業場景解決問題。

技術與市場需求脫節。

5. 經濟效益

這是核心中的核心:創新必須能獲利。

變成企業沉重的財務負擔。

 

必須強調:創新如果不產生利潤,它就不是創新,而是企業內部的「成本中心」或「研發活動」,最終會拖累企業的生存。

 

大師觀點:Peter Drucker 的殘酷提醒

現代管理學之父彼得·杜拉克(Peter Drucker)曾對企業的基本功能下過精闢且殘酷的定義:

「企業只有兩個基本功能:行銷與創新。創新如果不能轉化為市場收入,就只是研發活動。」

這句話背後的現實是:創新是一場經濟戰。如果你的創新活動無法與市場獲利掛鉤,它就是在燃燒股東的資金,而非創造未來的競爭力。

 

面向未來:AI 時代,你真正需要的是「架構設計能力」

 

AI 普及的未來,傳統的方法論工具(如 TRIZSCAMPER)將會被 AI 消化、吞噬,必將成為 AI工具的底層邏輯。未來,單純學會「使用工具」將不再具備任何溢價空間。真正能拉開能力差距的不再是「創意工作坊」堆砌的創意想法,而是「創新架構設計」能力。

 

AI 時代,你真正需要的能力是:

  1. 在不明確情境中定義問題。
  2. 掌握「主要價值參數 (MPV)」順應市場趨勢同時以建立競爭門檻。
  3. 在多重限制條件下設計突破方案。
  4. 在未知風險中承擔決策責任並規劃商業化價值鏈。

 

這就是所謂的「創新架構設計」——它是一種將技術、系統與商業高度整合的作業系統。

 

結語:創新不是一場活動,而是一次資源配置的決策

 

創新從來不是靠上完兩天課程就能獲得的「活動」,它是在市場壓力下,透過資源配置與承擔風險,完成價值轉換的決策行為。

 

給企業決策者的思考: AI 工具泛濫的時代,工具的獲取成本越來越低,或可說趨近於零,但創新的成功率並未自動提升,導致創新的沉默成本越來越高。以下提供幾個思考面向切入:

  1. 提升思維: 你的企業是否仍將創新視為「工具訓練」,而非「架構設計」?
  2. 定義定位:(作者 汪周禮) 所推崇的是建立一套企業可持續發揮員工創新能力的「創新作業系統」,而非教導天馬行空的創意。
  3. 直面現實: 如果你是 CEO CTO,請回頭檢視:「你公司最近三年的創新專案中,有多少真正轉化為了穩定的利潤?」

 

如果比例不如預期,問題並不在於員工的創意不足,而在於你的企業缺乏一套嚴謹的「創新架構」。創新不應該靠運氣,創新應該被設計。

 

若您正致力於建立未來三到五年的競爭優勢,我們談的不會是創意,而是企業的生存與利潤。

 

 

HINT: 這篇文章不是說工具培訓完全沒有用,用意在指出,在AI技術的發展趨勢下,AI 正在吃掉方法論和工具,未來這類培訓效果與價值將會越來越低。


想知道更多,歡迎點閱我們的創新影片

創新的幻覺:滿手工具為何賺不到錢?


如果您有任何創新的問題,歡迎與我們聯絡,智合創新─值得您信任的創新好夥伴!

service@iiiinnovation.com


2026年2月8日 星期日

活動- AI輔助創新_IDDF 發明創作診斷交流會

 [活動] IDDF發明創作診斷交流會


透過水面看事物,筆直的鋼條,蜿蜒的躺在反射的水面上。
實際上,鋼條沒有彎,眼睛也正常,水也是正常的水。

那麼,問題在哪?
答案在資訊傳遞的媒介不同。

人事物也是如此,創新也是如此,在認知系統範圍內,找出第一手資訊,釐清中間人事物的本質以及其對第一手資訊傳遞的影響,是創新的起手勢。

情境、需求、目的和方法,這 #四大基礎要件 是否對齊,可以快速診斷釐清我們是否面對第一手資訊。

IDDF #創新醫生診斷架構

包括:
4大基礎、5大診斷能力、26個診斷面向以及96個快速診斷問題,協助企業:#避免投入不該被投資的創新活動以及 #降低創新決策風險!

#AI輔助創新

【免費活動|台北 3/7】


很多創新失敗,不是沒想法,

而是「不知道哪些想法值得投資」。


👉 IDDF 發明創作診斷交流會

用「創新診斷」取代拍腦袋決策

結合 AI × TRIZ × 專利挖掘 × FTO 思維

快速找出研發與發明的真實卡關點與風險紅線。


適合:

• 企業 RD/NPD/IP (in-house)

• 專利發明人

• CTO/技術決策者



📍 3/7 台北|免費參加

🔗 https://www.accupass.com/go/IDDF0307


(歡迎轉發給需要的朋友)

2026©汪周禮@智合創新


2026年1月29日 星期四

智勝未來─AI 遇到超系統兵法認知架構

 



智勝未來─AI 遇到超系統兵法認知架構


AI 取代人類智慧?

如果我們回頭看看古代聖賢書籍,就可以很輕鬆地發現AI 目前仍屬於低認知架構的狀態。

 

從兵法系統中以 #孫子兵法,以 #道天地將法術 的六維系統認知為例子和AI對話,輕鬆就可以發現目前AI 的認知範圍。


這樣的架構中我們可以發現 AI屬於""的階段,正在朝向""的階段前進。


透過與AI對話整理出來的資訊圖表,就更清楚了。


#AGI 是打造認知 #FOMO 行銷手法, 可以說是一種讓更多人接觸 AI 的 #行銷手段

#資料充分#作業流程透明 的工作任務中AI可以透過專家建立Agentic workflows 輔助人類完成 #目標明確 的工作任務,但在資料不充分和作業流程不透明的情況下,完全難以取代人類。

2026.01.29, 與AI對話系列
汪周禮

2026年1月19日 星期一

AI時代訓練認知肌肉避免思考外包- 新聞隨筆

 


#AI時代訓練認知肌肉避免思考外包


今天看到一則新聞,” 研究員警告「思考外包」侵蝕知識工作者”, “薩卡爾在 TED AI 論壇上指出,當代知識工作者正陷入「思考外包」的困境,原本應展現人類智慧的過程,如今被徹底 AI 化。人們不再是思想的創造者,而變成自己思想的「中階管理者」,整天忙於驗證機器人的觀點。”
---
內容整理摘要:
薩卡爾發現,過度依賴 AI 會對人類思維產生 4 個不同層面的負面衝擊。
1. 創造力的集體萎縮,使用 AI 助理的群體所產生的點子範圍,明顯比手動工作的群體更窄,形成一種「蜂巢思維」,總是反覆提出同樣的幾個核心建議。
2. 批判性思考與記憶力也受到損害 。與 AI 協作時,一般人會降低投入批判性思考比例;
3. 由於僅閱讀AI生成內容摘要,人們不再親自參與撰寫或詳細閱讀原文, 對特定內容資訊的記憶力也隨之減弱。
4. 「後設認知」面臨挑戰,這種思考自身、思考過程的能力,在 AI 介入後變得難以發揮。(元認知能力)
薩卡爾警告,過度依賴 AI 就像是使用一種免除運動的處方箋,最後卻導致我們的大腦因缺乏鍛鍊,在面對複雜任務時感到力不從心。

AI時代思考外包? https://technews.tw/2026/01/17/how-to-stop-ai-from-killing-your-critical-thinking/
---
心得:

AI時代思考外包?
我想只要養成創新系統認知能力(創造型的元認知學習能力)這種AI形成的思考外包的現象不足為懼,文中所列的問題根本輕鬆迎刃而解,危機反而是轉機,透過這些問題反而可以趁此檢驗自己的思考模式。

在AI時代,創新能力越來越重要,過去隱藏在創新方法理論知識底下的所謂"創新專家",若不能經過AI的考驗,將會逐漸被消滅,只有那些真正擁有創新實務能力的創新專家才能經過AI的篩選存活下來,而且AI就像是創新能力增幅器擴大器,更加活躍。

避免被AI 思考外包,#利用AI訓練認知肌肉有幾個小技巧 可以練習看看:

1. 不要依靠提示模板,從概念開始提問,訓練自己逐步補強AI生成內容(這也是我AI輔助創新培訓時,非常不建議完全依照我提供的模板操作的原因),發覺自己的認知弱點
2. 批判檢驗AI生成內容,從邏輯與描述開始,訓練認知肌肉
3. 盡可能找出AI生成內容漏洞不足,特別是細節,培養認知神經敏銳度
4. 從1~3的訓練過程中逐步打造系統化的思維框架
5. 建構多種思維框架並且相互檢驗
6. 跨領域學習,並應用思維框架進行驗證與改善

最重要的一個關鍵在於,當你開始完全接受AI生成內容,那你已經開始接受認知外包,逐漸喪失認知肌肉細胞。
然而只要經過系統性的創新能力訓練,好比認知舉重訓練,完全可以系統化自動培養認知肌肉,免疫認知萎縮。

快點使用上面的小技巧開啟創新能力訓練吧~


#認知外包

#認知肌肉

#創新能力認知舉重

作者:汪周禮 2026.01.19

2026年1月14日 星期三

90%企業專利挖掘都只完成一半_2026

 


 90% 的企業「以為自己在做專利挖掘」,其實只完成了一半?

關鍵字:專利挖掘,技術系統架構設計,可專利要件,研發


多數企業談到專利挖掘,很可能腦中浮現的畫面往往是:「工程師提供技術構想 專利工程師撰寫專利申請文件 送件申請」。 但在實務上,這種做法只是在寫專利,而不是在做專利挖掘。

真正完整、可複製、可放大價值的「專利挖掘」,本質上是一條從研發創新到 IP 決策的完整工作鏈,而不是單一文件產出。 

專利挖掘不是而是已知流程分工組合,而是一套完整系統。

什麼是「專利挖掘」(Patent Mining)?

專利挖掘不是寫專利,而是找出「值得變成專利的技術與系統創新點」,至少包括技術挖掘、技術系統架構設計(技術文件化)和可專利要件評估。從本質上看,專利挖掘是一種技術價值發現與結構化轉譯成文字組合的過程,目標是:

從既有或正在發生的研發活動、技術問題、系統限制、工程折衷中,系統性地挖出具備「新穎性、進步性、產業價值」的技術方案,將該技術方案透過系統技術架構設計翻找出核心價值方案與組合方式,再決定是否、以及如何,轉化為專利布局、專利組合或後續 IP 策略。

專利挖掘是創新活動的一部分,而不僅是法務文件作業,需要產品開發、研發和IP部門跨部門合作。*1

 

在專業創新顧問的視角下,完整的專利挖掘必須同時完成四大部分:

1. 技術挖掘 (解決非顯而易見的技術問題)

2. 技術文件化(技術系統架構設計)

3. 可專利要件評估 (IP策略評估)

4. 專利申請文件 

只有全部完成這四個部分才能稱為「完整的專利挖掘」,缺任何一段,本質上都只是片段式作業,對研發資源和企業IP資產都是損失和浪費。

 

第一部分:技術挖掘 —— 專利價值的真正起點

技術挖掘的核心目的,不是產生想法,而是挖掘出「非顯而易見的技術差異」的技術系統架構方案。因此技術挖掘階段關注的不是:技術方案文件怎麼寫 ,能不能符合專利法要求,而是更根本的問題:

 

如何解決一個具有價值的技術問題,同時技術方案最大程度滿足可專利要件的要求,換句話說,在技術挖掘階段,我們關注的地方在於,技術方案是否具備真正價值的技術創新條件?而市場競爭對手是否能輕易想到?

 這個差異是否存在於系統層級,並非單純表面改良,因此如果一開始的技術挖掘沒有做好,後續專利數量再多,都不是價值堆疊,而是資產消耗。

 

第二部分:技術文件化 —— 被市場嚴重忽略的關鍵斷層

 這是超過90%以上,最多企業跳過、卻最致命的一段。 

#百分之九十的企業都忽略的部分 ,就是第二部分的技術文件化,而技術文件化的核心作業是 #等效技術系統架構設計 ,這一塊就是最重要但是卻常常被忽略的地方!

技術文件化的角色是什麼? 

它不是專利申請文件,而是介於「研發語言」與「法律語言」之間的轉譯層。

 

這一層的任務,是把RD工程師腦中的技術隱性知識,轉換成: 

結構化的技術背景、

可理解的系統架構、

清楚的技術特徵機制與技術效果

具備延展性的變形(多樣態系統模組)與可能的等效替代方案。

 

沒有這一層,專利工程師只能「猜技術」;猜出來的專利,幾乎不可能有強保護力,或是照本宣科的把技術轉譯成文字描述,這樣的專利不論在保護範圍或是可專利要件的操作上都會變得非常侷限且被動。

技術文件化階段本質就是針對特定技術方案的等效技術系統架構的組合設計階段。

這一部分,主要任務就是將研發技術資源投入所產生的成果,進行可複製的系統化增幅與擴大,若操作得當,將可以相對大幅降低研發資源成本以及提高研發產出價值,這也利於後續完善 IP策略布局規畫設計作業。

 

 

第三部分:可專利要件評估 —— IP 決策,而不是形式審查

 

多數企業對「可專利性」的理解,只停留在:

能不能過新穎性、進步性?

諸如此類聚焦於可專利要件的視角。

 

但在企業IP層級,真正重要的是:

這件專利在產業中的角色是什麼?

是防禦?進攻?封鎖競爭路線?

是否支撐產品定價、技術談判或未來授權?

是否值得投入申請成本與維護資源?

 …等等。

在IP策略的專業領域,申請評估指標通常往往多達20~30種視角,甚至在專利申請文件評估階段,全球頂尖企業曾出現超過70種評估指標。

不是每一個技術創新,都應該被申請成專利,其他還有軟體著作權登記或營業秘密等。未經妥善評估的技術方案,在持續累積下,很容易成為企業的長期資源負擔。

 

第四部分:專利申請文件 —— 法律工程,而非創新工程

 

專利申請文件的本質,是透過文字描述建構符合法律表達的權利設計。 

在系統化專利挖掘的流程中:技術方案內容,必須應該在前兩步就已經被完整定義,專利工程師的角色,是把「已確認的技術價值」轉為可保護的權利範圍。

 

如果專利工程師同時還要「幫忙想技術」,那幾乎可以確定,這件專利的保護深度與廣度都會被壓縮。

 

為什麼這四個部分缺一不可?

 

因為每一段解決的問題完全不同: 

沒有技術挖掘 專利沒有靈魂

沒有技術文件化 專利容易寫偏、寫淺

沒有專利申請文件 創新無法被法律保護

沒有可專利要件評估 IP 投資失控、策略錯位

 

專利挖掘不是產出文件,而是將研發技術成果提高創新品質的價值挖掘 

 

結論

專利不是創新的終點,RD系統化專利挖掘研發成果不被遺漏而能真正彰顯價值,可以說是研發成果可以更系統化規模化、價值化創新起點

真正成熟的企業,不追求「專利數量」,而是建立一套可持續運作的專利挖掘系統,讓研發、創新與 IP,成為同一條價值鏈上的不同節點。

 如果你現在看到的專利很多,但沒有一件真正成為你的競爭優勢,問題往往不在專利寫得好不好,而在於——你是否真的完成了「完整的專利挖掘」。


---


創新式專利挖掘,提高研發成果價值、降低研發資源浪費、提升智慧財產布局強度,增加企業創新資產!

如果您的企業也遇到需要建立系統化的專利挖掘流程,或是導入ai 工作流,歡迎與我們聯絡~!


service@iiiinnovation.com (3i + innovation.com)

*1 RD系統化專利技術挖掘服務方案歡迎瞭解


2026年1月13日 星期二

淺論創新式專利規避設計2026

 

淺論創新式專利回避設計

這種專業等級資料,AI沒辦法僅靠簡單提問生成,需要提供專業資料才能生成。


作者:汪周禮

智合創新首席創新顧問

關鍵字:專利迴避設計, 專利規避設計, 創新式專利迴避設計, FTO, 侵權分析, TRIZ, 專利挖掘


緣起

創新式專利迴避設計(*)這名詞可不是隨口編的,這概念最早出現在TIPO(台灣智慧財產局)出版的智慧財產培訓教材之中,主要就是介紹使用創新工具進行專利回避設計,其中的創新工具包括 #TRIZ


背景

因為工作上需要,2008年通過TIPO侵權判斷培訓測驗獲得FTO 基礎能力之一,讓本就具備產品技術專利檢索與分析能力的我,隨後展開美商IP工作的FTO專案項目,之後無意間發現 TIPA(台灣智慧財產培訓學院)的培訓教材目錄,看到(創新性之專利回避設計)這本書,做事習慣目標導向的我,也正式開啓了TRIZ深度學習之旅 (2010拿到MATRIZ level 3, 全球第552位)。

  

換句話說,一開始學習TRIZ的目的就是要做創新式專利規(迴)避設計,幸運的是,在美商2009年搞定供應商專利訴訟爭議後,緊接著 2010年 初試啼聲就完成人生第一件使用TRIZ做出的創新式專利規避設計案例,當時作為 (手機ODM/OEM/EMS ) 蘋果第二大供應商並受到當時蘋果的青睞的方案,也成功獲得訂單。

  

早期,要打入全球頂尖大廠的供應鏈,供應商除了價格以外,就是ODM能力,其中一個就是考驗供應商的專利規避設計的能力,畢竟,供應商彼此之間相互規避設計取得客戶青睞增加訂單很常見。當然,除了蘋果以外,2009年也遇過 NOKIA 的專利問題。


 成功案例

2012~2013年更是完成了後來轟動兩岸TRIZ領域的 #AI軟體產品專利回避設計 (*1) ,成功迴避市場所有競爭對手(包括 IBM, NOKIA, FUJIXEROX, NUANCE, 捷通等)的市場7家公司相互迴避對後進者形成恐怖的市場專利布局組合,最後根據成功的回避設計方案(*2)推出創新產品並為企業每年帶來千萬以上的營收。

 

操作淺論

創新式專利規避設計基本需要做好FTO,再來就是權利範圍缺口分析,第三部式導入創新工具,當然包括不限於TRIZ,最後就是運用專利挖掘(可專利要件評估)手段產生專利。

創新式專利規避設計這四大階段中間的每一階段,分別需要引入不同領域的關鍵技能,包括但不限於 NPD-FTO專利資訊分析,侵權判斷分析,TRIZ工具應用,專利技術挖掘),因此成功的規避設計並非光靠TRIZ就可以做到,但 TRIZ 是成功突破瓶頸階段的重要工具之一,TRIZ引入並非直接導入,需要將其他三個階段各自的產出弄清楚後,才會知道TRIZ工具包應該用那些TRIZ工具和如何使用TRIZ工具。

在這些年的實務經驗中,絕不會只有一件專利需要做避設計,若真的只有一件專利需要迴避,那是很幸福的一件事情!

在我過去的成功案例中,通常不只一件專利需要避設計,而且通常需要避設計兩次以上。


可能有人會說規避設計用 Trimming (TRIZ工具一種) 就好了,那是沒遇過專利訴訟、沒有專利實務經驗才會說的話,Trimming 理論上能回避,實務操作上可不是天馬行空講講 TRIZ 理論而已,Trimming 僅是一個思路,Trimming 的本質是理想技術系統下的一種系統可發展模式,不能算得上實際操作手段,實務上使用 Triming 工具前,需要先滿足一定的技術系統要件。

  

結論

利規避設計的目的,在時間充裕的情況下,需要能夠提出至少可匹敵競爭對手的技術出來,若是為了規避而規避,那還不如不做,至少還可以避免浪費研發資源。

規避設計基礎來自於FTO,因此產生的方案必須要能進入市場,成為市場競爭技術之一。可專利化方案是強化規避後方案的做法,畢竟為了規避而規避的方案,通常只會出現在遭遇美國ITC 337(*3) 的情況。

而規避後方案獲得授權,背後意義在於彰顯規避方案符合創造性,可以更明確的告訴市場對手,我的方案不可能會落入權利範圍,畢竟專利權利範圍不及於創造性勞動。

實務上做了16+年的規避設計,都順利完成,甚至有個案子的規避成果,競爭對手也要求技術授權應用在其產品上。

這樣的成果需要NPDRD&IP的緊密合作。


若有專利規(迴)避專利挖掘需求,歡迎與我們聯絡!

智合創新service@iiiinnovation.com

 

* 創新性之專利回避設計(三版)
https://www.books.com.tw/products/0010366254  (圖書)

*1: 2015年發表在國際創新研討會,值得一提的是會後有一位大學教授-博士生導師開出優渥條件邀請我直攻博士學位,另外也曾有一位清華大學教授也願意為我提供推薦信)

*2: 獲得發明專利專利授權

 *3: 美國ITC 337調查(美國《關稅法》第337條)是美國國際貿易委員會 (ITC) 處理不公平貿易行為(主要是侵犯專利、商標等智慧財產權)的邊境保護措施,允許美國權利人申請禁止侵權的進口產品進入美國市場,旨在保護美國國內產業,


2025年12月14日 星期日

SW-TRIZ × FAP Model - 適用於開放式技術系統架構的TRIZ系統分析工具

 SW-TRIZ × FAP Model



作者:汪周禮(Jeffrey Jou-li Wang)

為軟體與 AI 產品開發而生的 TRIZ 系統分析方法
SW-TRIZ (TRIZ for Software, a Systematic Workflows related with TRIZ) 與 TRIZ FAP(Function–Action–Parameter)模型與模組,並非單一工具,而是專為 軟體產品開發 與 AI Coding 工作流所設計的系統性創新工具編排(Innovation Tool Orchestration)。 需要說明的是,SWTRIZ 是一個全新的開放式系統架構,目前正在申請商標中!

透過將 FAP 模型與 PRD、TAR、Pseudo Code 等邏輯層進行結構化整合,可有效銜接多狀態(multi-states)的 AI Coding Workflows,大幅提升 AI Coding / Vibe Coding 在企業級軟體開發中的可行性與可靠度。

為何傳統 TRIZ 系統分析難以落地於軟體?
在 2025 年 TRIZfest 中,我分享一套專為軟體技術系統設計的 TRIZ 系統分析方法:FAP Model and Modules,用以解決 TRIZ 長期在軟體領域「難以應用」的根本問題。

關鍵不在 TRIZ 理論本身,而在於技術系統的本質差異:'

硬體技術系統,屬於封閉式系統架構
由穩定、可驗證的實體組件構成,
組件間交互關係相對固定,
容錯率低,失效即不可用,

軟體技術系統,開放式系統架構
多層次模組與抽象層交互運作,
持續迭代、可帶缺陷上線,
容錯率高、狀態與行為高度動態。

傳統 TRIZ 的 功能分析(Functional Analysis)源自硬體系統假設,直接套用在軟體系統上時,往往出現以下問題:

分析視角不足或失真、
需拼接多種分析方式才能勉強完整、
分析結果難以對應實際設計與開發決策、
根本原因在於:軟體屬於開放式技術系統,而非封閉式技術系統。

FAP Model:為軟體系統而設計的 TRIZ 系統分析底層
智合創新創辦人 汪周禮,累積

13 年 AI 軟體產品開發經驗
17 年 TRIZ 企業專案實戰經驗


成功開發出適用於軟體技術系統的 TRIZ 分析模組:FAP(Function–Action–Parameter)Model。


FAP 的兩個核心系統層次

功能導向系統分析模組(Function-Oriented Modules
解構軟體系統「做什麼」
聚焦服務、流程、模組間的功能責任與協作關係

參數導向系統分析模組(Parameter-Oriented Modules)
解構軟體系統「如何表現」
將 TRIZ 參數概念映射至效能、延遲、可靠度、可擴展性、可維護性等軟體核心屬性。
透過這兩個層次的結合,TRIZ 得以真正落地於軟體技術系統開發專案。

實務成果與未來方向

2024 年,FAP Model 已成功協助多家企業的軟體研發團隊,在 AI 應用、軟體產品架構設計與創新解題 上取得實質成果

FAP 的開放式系統架構設定,特別適合:
技術應用研究(Applied Technology Research)
AI Agent 與多工作流系統設計
AI-assisted Software Innovation
未來,將持續釋出:

適用於 軟體技術系統
適用於 開放式技術系統架構

可與 AI Coding / Agentic Workflow 深度整合的 TRIZ 應用工具與模組

TRIZ 不該被限制在硬體世界。
FAP,讓 TRIZ 真正進入軟體與 AI 的核心戰場。

hashtagAI4Innovation
hashtagTRIZ4AICoding
hashtagSWTRIZ
hashtagFAPModel
hashtagVibeCoding
hashtagTRIZfest2025

詳細報告內容請參考 2025 TRIZfest Proceedings

AI 時代的競爭力-「品味」_ 甚麼是品味? 又該如何定義 品味?

AI 時代的競爭力,不再是努力而是「品味」,如何定義品味,來自資深創新架構師汪周禮的深度解析 1. 前言:從「奇蹟材料」到系統重構的必然 Notion 創辦人 Ivan Zhao 在其萬言書《Steam, Steel and Infinite Minds》中提出一個深刻的洞察:每...