人工智慧「現代鍊金術」的惡名，一直到1980年代開始才又復興。此時科學家不再使用傳統的邏輯推理方法，取而代之的是結合機率學、統計學等大量統計理論，讓電腦能透過資料自行學會一套技能，稱為「機器學習」。

前篇引導：數據分析專題（三）：人工智慧的黃金年代：機器學習

機器學習方法有許多種不同的模型，此間爆發了兩次浪潮，第一波興盛的模型為「類神經網路」、又稱人工神經網路。類神經網路在剛出現時大為火紅，然而，在不久後卻遇到了運算瓶頸，一下又沒落了下去，1980年代中期，由其他機器學習模型，如支持向量機（SVM）模型作為主流。一直到2006年，多倫多大學的Geoffrey Hinton教授成功解決了類神經網路所遇到的問題、讓類神經網路重新換上「深度學習」的名字捲土重來；如今深度學習技術對各大產業領域都將產生深遠的影響，堪稱第四次工業革命。

今天就讓我們來談談，機器學習模型的第一波浪潮「類神經網路」、其原理和瓶頸；與第二波浪潮「淺層機器學習」如支持向量機，之所以一時間取代類神經網路、作為機器學習的主流熱門技術的原因。

(備註: 文中會有簡單的數學公式，但讀者不用害怕，只要大概理解基本原理即可。)

第一次浪潮：類神經網路 (Neural Network)

1950年代的人工智慧走入了漫長的寒冬期，直到1980間，機器學習方迎來了第一個春天，這個春天叫做「類神經網路」，為電腦科學家由生物大腦的神經元運作方式所啟發、因而建立出來的數學模型。

1981年，美國神經生物學家David Hubel和Torsten Wiesel對於動物視覺系統的處理信息方式有了進一步的發現，因而獲得了諾貝爾醫學獎。

他們把貓的頭骨開了一個小洞，向內插入微電擊、埋入視皮質細胞中，然後在小貓眼前放置一個會投射出光影的布幕，並不時改變光影的角度、亮度與大小。經過數次實驗與無數隻小貓的犧牲，Hubel和Wiesel發現，不同的視覺神經元對於不同光影的反應不盡相同──在不同情況下的視覺神經元有著不同的活躍程度，甚至只對圖像的某些特定細節有反應。

生物學上的神經元研究，啟發了AI領域關於「類神經網路」(或稱人工神經網路) 的概念。神經系統由神經元構成，彼此間透過突觸以電流傳遞訊號。是否傳遞訊號、取決於神經細胞接收到的訊號量，當訊號量超過了某個閾值(Threshold)時，細胞體就會產生電流、通過突觸傳到其他神經元。

為了模擬神經細胞行為，科學家設定每一個神經元都是一個「激發函數」，其實就是一個公式；當對神經元輸入一個輸入值（input）後，經過激發函數的運算、輸出輸出值（output），這個輸出值會再傳入下一個神經元，成為該神經元的輸出值。如此這般，從第一層的「特徵向量」作為輸入值，一層層傳下去、直到最後一層輸出預測結果。

至於神經元裡面的激發函數公式是什麼呢？1957年，Rosenblatt提出了感知機(Perceptron)模型。將特徵向量X1, X2, X3輸入進感知機後，感知機會分別給予一個對應的權重，分別為W1, W2, W3。若特徵向量和權重的內積結果大於某個閾值(Threshold)時，輸出結果為1 (代表電流會傳遞)、若小於閾值則輸出0 (代表電流不傳遞)。

利用感知機模型，可以解決機器學習的基本二分法問題：將類別僅分為0和1 (圖片中有貓/沒貓; 有得病/沒得病; 會下雨/不會下雨…)

然而輸出結果只有0和1，顯得不太精確；感知機對線性分類有效，無法處理線性不可分的問題。什麼是線性可分、和線性不可分的問題呢？比如說切開西瓜，可以發現裡面有白色的籽和黑色的籽；如果白籽和黑籽的分佈，能讓我們用一刀切分開，就是線性可分；如果是要用橢圓或曲線才能切開，就是線性不可分。因此，線性可分的意義在於——我們能不能單純用一條直線把兩團資料點切分開。

由於感知機只能解決線性可分的問題，但現實中的分類問題通常是非線性的，因此針對線性不可分問題，類神經網路領域又發展出了不同的激發函數，比如使用Sigmoid函數，將「圖片中有貓/沒貓」的0和1標籤、進一步細化成可能的機率──「圖片中有貓/沒貓」的機率是在0到1之間的任意實數，比如0.8807…(x=2)、0.2689…(x=-1)。

因此「Sigmoid神經元」進一步被提了出來，使用Sigmoid函數作為神經元的激發函數。Sigmoid函數即統計學上的邏輯回歸，因為圖形長得像一個S故有此稱。

機器學習的核心概念是從資料中自行學會一套技能，並根據新給的數據、自行更正預測錯誤的地方、不斷地優化技能。那麼，類神經網路是如何從錯誤中進行修正學習的呢? 神經網路的學習過程可以分成下列兩個步驟：

1. 前向傳播 (Forward-Propagation)

類神經網路採用監督式學習方法。在網絡中，每一個神經元都是一個激發函數；多個神經元連接在一起、形成一個類似生物神經網絡的網狀結構，並分成了好幾層。

當機器學習第一次「看」到一隻貓咪的圖片資料時，會將貓咪圖片的特徵向量透過神經網路從左向右傳遞過去，中間會經過特定幾個神經元、經過各個神經元上的激發函數後產出最終的預測答案──比如最後預測出來的結果是0.1，機器學習認為這張圖片裡面很可能沒有貓咪。

2. 反向傳播 (Backward-Propagation)

此時資料科學家會設定更正錯誤的方法──「代價函數」(Cost Function)。代價函數是預測結果和真實結果之間的差距。

如果預測完全正確，則代價函數值為0；如果代價函數值很高，則表示預測的偏誤很大。所以我們的目標便是將代價函數優化到越小越好。

當預測結果和真實結果不一致時，兩者間的差距越大就會讓代價函數越大；因此，為了讓預測結果越接近目標值、也就是代價函數達到最小，我們會將這個結果從右到左反向傳遞回去，調整神經元的權重以找到代價函數的最小值。

簡單來講，類神經網路就是先讓資料訊號通過網路，輸出結果後、計算其與真實情況的誤差。再將誤差訊號反向傳遞回去、對每一個神經元都往正確的方向調整一下權重；如此來回個數千萬遍後，機器就學會如何辨識一隻貓了。

1986年，Rumelhar和Hinton等人提出了反向傳播算法，解決了神經網路所需要的複雜計算量問題，從而帶動了神經網路的研究熱潮。

此時的Hinton還很年輕，即便在後來神經網路遇到了瓶頸——反向傳播的優化（找出誤差的最小值）問題，學術界一度摒棄神經網路時，仍不離不棄對於神經網路的研究。也正是這股熱情，使得30年以後，正是他重新定義了神經網路、帶來了神經網路復甦的又一春；Hinton也因此被稱為「深度學習之父」。

這邊，就讓我們來瞭解一下類神經網路究竟遇到了什麼問題，以致差點一厥不振。

梯度消失問題——多層神經網路的挑戰

當變數是線性關係時，代價函數J(Ө)，也就是計算預測結果和實際真實數據之間的距離差距，將公式用圖形畫出來，能發現是一個凸函數。可以想像我們將一顆球從最高點開始滾落、很快就能掉到這個山谷的谷底 (最小值)。

也就是說，在面對線性問題時，模型能夠很快地找到代價函數的最小值。

然而在真實世界中、變數之間的關係多半是非線性。比如當我們採用Sigmoid神經元時，由於Sigmoid函數不是線性函數，其代價函數 J(Ө) 便不是凸函數，意味著圖形上有多個局部最小值。

將Sigmoid神經元的代價函數圖形繪製出來後，可以發現在最高點丟下一顆球後，球可能會掉到某個下凹的地方就停止滾動了，然而那並非是全山谷最低的地方。也就是說，我們很容易僅找到局部最小值、而非全域（3067-TW）的最小值。

這種尋找代價函數最小值的方法稱為「梯度下降法」(Gradient Descent)。透過微積分計算出斜率 (導數)，我們可以計算出山坡上最陡峭的那一個方向，這種微積分概念稱為「梯度」。只要朝著梯度的方向走去，就是最快下降的道路了。

至於要從山谷中的哪一個地方降落、開始往下走呢？我們可以先隨機選擇一个斜率為初始值，然後不斷地修改以减小，直到斜率為0。如此稱為「隨機梯度下降法」(Stochastic Gradient Descent)。

機器學習相當注重優化的問題──如何用更快的方式逼近最佳解。電腦科學家會去想：我該優化什麼東西才好? 要怎麼優化才會實際上增加我的收入、或解決某個實務上的問題? 要用甚麼方法達成這個優化?

像是我們在梯度下降法中討論的收斂性值 (如何找到最低的谷底)，即是機器學習的研究重點。機器學習重視實務問題上的使用情境差異，會嘗試解決各種不同的問題、並尋找最佳的優化方式。

一層層的類神經網路聽起來似乎很厲害。當年由Hinton等人首先提出了多層感知機、以及反向傳播的訓練算法，使得類神經網路在1980-1990年代鼎盛一時。然而，幾乎讓神經網路這個機器學習方法從此一蹶不振的問題，很快就出現了。這個問題叫做「梯度消失」(Vanishing Gradient)。

梯度下降法就像爬下谷底一樣，從一開始很快的往下跑，越接近谷底時每個一梯度會逐漸變小、慢慢逼近最小值。

我們在一開始提到過，類神經網路的原理就是先讓資料訊號通過網路，輸出結果後、計算其與真實情況的誤差。再將誤差訊號反向傳遞回去，透過梯度下降法，讓神經網路網路去逐一調整神經元的權重、不斷優化直到誤差最小、也就是代價函數達到最小值。

然而這種方法在神經網路具備多層的情況下，性能變得非常不理想，容易出現梯度消失問題——非線性問題的代價函數為非凸函數，求解時容易陷入局部最優解、而非全域最優解。

更糟的是，這種情況隨著神經網路層數的增加而更加嚴重，即隨著梯度逐層不斷消散、導致其對神經元權重調整的功用越來越小，所以只能轉而處理淺層結構（小於等於3），從而限制了性能。

如果說為了不讓神經網路失真，僅能讓資料來回傳個1、2層，那還叫神經網路嗎？人類的大腦可就有數千萬層神經網路呢！與其使用理論難度高、訓練速度慢、實際結果也只能傳少少幾層的淺層神經網路的情況下不比其他方法好，不如使用其他的機器學習模型。

第二波浪潮: 淺層機器學習 (Shallow Learning)

神經網路由於遇到了優化的瓶頸，以致一度沒落。當時的學界只要看到出現「神經網路」字眼的論文或研究計畫，便會立刻貶斥。多層的神經網路是不可能的，而若採用僅有兩層的神經網路，不如使用其他更好上手、同樣只有兩層的「淺層」機器學習模型。

1990年代，各式各樣的淺層機器學習被提出，其中支撐向量機 (SVM, Support Vector Machines)最廣受歡迎。

同樣是做資料的二分法，SVM是怎麼做的呢?

要如何找出一條線、完美地將藍球和紅球切分開? 且兩類群須距離這條線最遠、以確定兩群資料分得越開越好。這樣新進資料進來的時候才不會容易掉到錯誤的另外一邊、出現誤差(Error)。

SVM會將原始資料投影到一個更高維度的空間裡，在低維度不可切分的資料，在高維度便可以切分了。

SVM 理論上更加嚴謹完備，上手簡單，得到主流學術界的追捧。此時人人都不相信神經網路的可能性。而支持向量機 (SVM) 技術在圖像和語音識別方面的成功，使得神經網絡的研究陷入前所未有的低潮。

此時學術界的共識是： 多層神經網路是個完全沒有前途的死胡同。

究竟是誰重新改變了這一切、讓多層神經網路在2006年時換上「深度神經網路」(Deep Neural Network; 又稱Deep Learning, 深度學習) 的新名字、聲勢浩大地捲土重來呢? 還記得我們提過、對於神經網路不離不棄研究三十年的Hinton嗎？他是怎麼解決這個問題的呢？

在現今，深度學習已是人工智慧領域中成長最為快速的類別；下一篇就讓我們來聊聊深度學習之父──多倫多大學Geoffrey Hinton教授的故事，與深度學習火熱的應用趨勢。

【延伸閱讀】

• 數據分析專題（一）：引爆資料中心革命：雲端運算
• 數據分析專題（二）：從儲存、挖掘到溝通，引領產業新面貌：大數據(Big Data)
• 數據分析專題（三）：人工智慧的黃金年代：機器學習
• 數據分析專題（五）：類神經網路的復興：深度學習簡史
• 數據分析專題（六）：神經網路的復興：重回風口的深度學習

The post 機器學習的衰頹興盛：從類神經網路到淺層學習 appeared first on StockFeel 股感.

從發文、購物、搜尋、留個人資料、幫 FB 粉絲團按讚…你愉悅地想著：「網路上的世界我想幹嘛就幹嘛。」

事實上，你早已落入行為召喚 (CTA, Call-To-Action) 的設計中了。

什麼是行為召喚 (Call-To-Action)？

Call-To-Action (CTA, 行為召喚) — 透過指令或流程設計、引導使用者「自發性」地去做某種特定行為的一種行銷技巧。簡單來說，就是讓人們做你想要他們做的事（比如說刷卡）。

被使用到近乎氾濫的 CTA 包括「立刻撥打電話 0800-XXX-XXX」、「老闆跳樓大拍賣、優惠只到今天」。

以一個成功的網站 CTA 而言，會藉由類似的操作引導，比如一系列的 CTA  指令，設計出一套行為公式讓人照表操作；使用者會在不知不覺間，就做出相對應的行為了。

在這邊簡單舉幾項重要的CTA手法：

1. 資訊呈現層級化

依據功能，呈現主要與次要的資訊欄位，並配合適當的字型、顏色、對比、排版等設計。不要貪心地一次將大量的資訊和鮮豔色彩一口氣塞在版面上，才能真正抓住使用者的注意力。

2. 易用的裝置介面

根據使用者最常使用的裝置採取不同的介面設計。比如：電腦版網站、電腦版應用程式，或行動版網站、行動版App。

3. 要求行動

使用者瀏覽的速度很快，越簡單的詞彙越容易讓大腦記住。故使用簡單明瞭、容易觸發使用者的「動詞」，並強調「做完動作後能得到的價值」與「急迫性」；比如：「1天內到期」，「免費訂閱」、「立刻下載」。

CTA 的優化方式族繁不及備載，當電子商務行銷人員無法決定：哪個按鈕放在這邊比較重要？哪種色彩作為網站主題色更吸引人？網站也會採用A/B測試等統計方法分析點擊率或流量的差異。（AB 測試：將欲測試的變因分別做成A版與B版，並將造訪網站的使用者隨機均分至兩個版本，最後選擇表現較好的版本。）

總而言之，CTA 最重要的目標還是：打造一個觸動使用者的購買流程。多說無益，讓我們直接來看看幾個 CTA 精選案例：

1. 提供產品/服務作為問題解決方式

Skype 官網明確傳遞了「Skype 讓全球通訊更為方便。您可免費隨意進行通話、傳送訊息及分享」。這句話隱含了「通訊昂貴又不方便」的問題，然而使用 Skype 產品能有效地解決客戶困擾。大大增加使用者誘因。

2. 精簡給消費者的選擇

逛大賣場時，幾百種品牌各異的商品讓人眼花撩亂…常常繞了一圈，你什麼也沒有買、兩手空空的離去。

讓消費者眼花撩亂、不知道該選什麼的後果，通常對方就是什麼都不選。應用在網頁上也是同樣的道理。

以提供行程規劃服務的國外公司 Things 為例：

消費者只有四個選項，而且每個都是依據需求 (Mac、iPhone、Watch、iPad) 進行客製化。

這樣貼心的設計，是不是讓你更願意按下使用服務呢?

3. 服務設計精細化

Spotify 是一個非常優異的網站 CTA 範例。

一進到官網，可以發現放了兩個按鍵。事實上，無論是「免費播放」亦或「取得 Premium」按鍵，都是為了達成網站目標 ── 獲得你的會員資料。

在重點加強上也經過了縝密的設計 ── 對於初次使用者而言，一開始就希望對方直接付費可能有些困難，故將「免費播放」以紫色按鈕作為強調，將使用者的注意力重點聚焦於此。

然而，對於已經體驗過服務、願意付費且不想再試用的使用者該怎麼辦？Spotify 團隊將「取得 Premium」用相對不明顯的色調，但同樣置放於首頁中。

如此讓觀者不會因選擇過多而失焦，又依照使用者體驗依階段區分開來，該作法顯得相當高明。

著名的 Shitexpress (快遞新鮮馬糞便到你指定的討厭鬼手上) 同樣包含了幾種 CTA 設計。

當游標點擊到 a piece of shit 或 a box 的時候， 你可能只是好奇會出現什麼樣的圖片…卻發現無論點選什麼、都會跳到「Order Now」的頁面，強烈說服你購買該產品。

另外，寄送新鮮糞便給討厭鬼，不失為一個紓發生活壓力的好方式；作為一個貼心的服務、是否也成功地解決了使用者的問題呢？

上述的案例只是族繁不及備載的 CTA 技巧之一，最關鍵的重點還是在於、產品/服務的提供者必須站在客戶的角度思考、理解消費者的行為模式，進而優化訊息的傳遞方式。

文末以筆者很喜歡的 Go F*cking Do It 網站首頁作為結語（該網站要求使用者輸入人生目標，如減肥、旅行，若做不到就要付錢給該網站…同時也是一個絕佳的 CTA 案例）。

對於 Call-To-Action…Go F*cking Do It！

這很可能就是讓你從一個普通行銷人員立刻升格為行銷總監的關鍵啊！

【延伸閱讀】

• 你不可不知的網路行銷知識（I）—什麼是網路
• 你不可不知的網路行銷知識（II）—SSL
• 讓你的網站搶到黃金地段 — 搜尋引擎優化（SEO）
• 最有效的品牌經營方式 — 內容行銷

The post 你相信你的行為早已被控制了嗎？談談 Call-To-Action appeared first on StockFeel 股感.

雖然近幾年來線下實體店的奢侈品銷售一直停滯不前，在另一方面，2016 年的線上奢侈品銷售成長率卻高達 12%。預測到 2020 年，線上銷售額將會是目前的 1.5 倍，約占總奢侈品銷售總額的 10% 。

這個驚人的數字在產業內彷彿平地一聲雷。傳統的時尚品牌不用看網路趨勢，而會提早制定好自己的趨勢；奢侈品牌則是以實體店面為最主要的銷售通路，兩者向來都和網路絕緣。

很顯然地，當年輕一輩的買家不再收看電視、不再注意雜誌廣告時，老精品品牌也要低下它倨傲的頭，向數位化轉型。

未來五年內，精品業將面臨兩大挑戰（同時也是機會）：

一、千禧世代消費者崛起

• 仰賴數位工具：50% 的全球年輕人平均每週都會使用；而每天都會使用的高達 25% 以上。

• 注重社群網路意見：追蹤線上部落客、網路紅人，而非媒體雜誌上的名人。

• 對品牌具有獨特要求：想要屬於自己這一代的精品，而非父母那一輩的。

• 品牌忠誠度低：教育程度更高，在乎產品的內涵、也更精打細算。

許多老品牌已經習慣了品牌知名度愈高、消費者的購買力就越強的這件事。比如包包一定要買 LV 、跑車一定要買 Ferrari……無論塞給消費者什麼樣的產品訊息，消費者都會照單全收。「品牌知名度等」等同於「品牌價值認同」反映的是什麼呢？有兩點：

1、炫耀式消費行為：經濟快速成長下的新富族購買奢侈品是為了展現社會地位。

2、資訊不對稱：在社群網路與評價系統不發達的年代，知名品牌產品品質的可信度比知名度低的還要高。

但新興消費者正逐漸改變購物心態。過去能被父母那一輩作為炫耀理由的商品，在新一代的年輕人中反而益發不吃香。這對應了上述提到的兩點：

1、認為父母那一代的品牌已經「過時」且「庸俗」了 ：千禧年消費者大多教育程度高、生長環境富裕，較少出現新富族式的炫耀性消費。況且當滿街的有錢大嬸們都拿 LV 包包時，誰想要拿 LV。

2、更注重「CP值」：當社群意見多、網路能搜尋到的資訊量豐富時，產品定價的每一分錢都應該合理的分配在品質與服務上。

新興消費者擁有自己的品味與自信心，不會輕易讓品牌牽著自己的鼻子走。從前的消費者是為了彰顯自己的身份地位才去買奢侈品 ；如今則是地位互換，消費者要尋找配得上自己的品味，或是一種對自己好的享受，以自己真正需要的需求改善生活為主，炫耀性的比例少很多。

從好萊塢電影的置入性行銷，到名媛明星代言、各大時裝秀，奢侈品企業每年花費巨大的行銷成本為品牌進行造勢。但比起營造擺闊與奢華形象，今日的精品業者更需要思考的是更加細緻的行銷溝通方法。

以德國日用品零售商 Manufactum 為例，有著「德國版無印良品」之稱的 Manufactum 專門販售工藝精良、設計簡樸的生活用品，曾與無印良品（MUJI）在 2012 年一同舉辦過「Found MUJI meets Manufactum」的活動，打造「生活美學專門店」的理念。比起花大錢請名人代言， Manufactum 的口碑行銷脫離了商業化，讓整個購買流程成為一種懷舊美學體驗，讓消費者更加流連忘返。

另外在數位工具的應用上，奢侈品也應引以為鑒以利轉型。但在這裡需要思考的是——奢侈品在線上銷售的數字成長，真的是一件好事嗎？奢侈品販賣的是品牌故事、與產品相關的體驗，所謂的數位轉型到底該怎麼做，才不會破壞原有的品牌印象？

這個問題稍後將為您解答。

二、旅遊零售商機

全球最大的化妝品集團 L’Oréal 在 2013 年時做了一個重大的組織調整——L’Oréal 設置了一個全新的部門「全球旅遊零售部門」，並稱之為可以媲美五大洲消費者的「第六大洲」。

旅遊零售（Travel Retail）是指消費者在機場免稅店、市區免稅店等旅遊過程中，進行的商品交易。根據 L’Oréal 的報告，未來十年內，僅機場零售店的業務估計就能達到 1,000 億美金營收。

旅遊商機對於奢侈品產業來說同樣重要。只要消費者一出國，就會更容易購買奢侈品。原因很簡單：關稅會提高精品在境內商店的售價，加上運費與人事成本，往往與原品牌銷售地差距到 30%～70% 之多。當消費者知道到英國購買英國牌子還比較划算時，與其把錢花在國內買精品，不如把錢拿來訂英國機票。

也因此許多國家的奢侈品銷售主要仰賴國外觀光旅客。這種旅行中的零售不僅貢獻每年近 40% 的奢侈品銷售，還持續地以每年 8% 的幅度持續成長。（勤業眾信 2016 年奢侈品報告）同時，新興國家的旅客因收入增加、旅遊風氣提升，未來 15 年全球飛航旅客人數將達現今的兩倍。

從旅客們進入機場、經過免稅店、在飛機上觀看廣告、下飛機到當地免稅店……等等的過程中，該如何在整個旅遊過程中提升品牌能見度並轉化成實際營收，將會是奢侈品銷售策略最關注的要點。

看完了未來的趨勢與挑戰，讓我們來看看這些老品牌們又存在著哪些競爭者：

向老品牌叩關的競爭者

1、大型電商平台：Amazon

時尚與奢侈品的毛利由於不採成本定價、通常都可以高達 60% 以上，也成為了大型電商虎視眈眈的銷售項目。一開始 Amazon 積極與高級品牌洽談，希望能引入更多的奢侈品販售項目，只可惜高級品牌不想自毀身價，沒有一個想被放在 Amazon 網站上。

別人不來，那我就自己做！從 2006 年開始，Amazon 併購了女裝網站 Shopbop、全球最大網路鞋店 Zappos，並創辦了折扣精品網站 Amazon Fashion 與男性時裝網站 East Dane。除此之外，更打造一個線上直播的時尚節目 《Style Code Live》，結合了脫口秀與購物頻道的風格，觀眾可在線上與節目主持人互動，並直接購買節目中的產品。

由於 Amazon 電商網站主打的折扣價與快速物流，精品產業則是盡量提升體驗，以降低消費者的價格敏感度，故一開始無人看好 Amazon 在時尚產業上的野心。然而事情與大家想的相反——過去十年裡，時尚和服飾已經成為 Amazon 平台上營收成長最快的商品。

根據投資銀行 Cowen 的報告指出， Amazon 在 2017 年的服裝銷售將高達 278 億美元，超越梅西百貨公司（Macy’s），成為美國最大的服裝零售商。

2、線上時尚電商：Sézane

Net-a-Porter、Yoox、MatchesFashion……等線上時尚服飾網站不勝枚舉，然而在這邊筆者僅舉一個最喜歡的案例——Sézane。

Sézane 最早只是在 eBay 上的一個虛擬商城，如今每月訂單數量在一到兩萬筆之間，也即將開設第二家實體店。之所以會挑選它作為案例，是因為 Sézane 從不折價——當你的網站設計體驗足夠良好，能完全地表現出產品魅力，且價格也已經足夠實惠時， Sézane 可以不落入時尚電商慣性殺價的老路，而能讓消費者在查閱產品目錄的過程中隨即轉化成下單率。可以說是掌握網路社群的小商家打敗大型品牌，成功營造時尚知名度與消費者體驗的一個有趣案例。

補充一下，由數字（5287-TW）所打造的台灣時尚電商 名品會 目前也在成長中。然而該網站雖然是以精品銷售為目標，網站取向實際上卻是以低價折扣為主打，未來成長尚待觀察。

好啦，我們談完了趨勢，也瞭解現在正面臨的競爭對手後，現在終於可以來想一想：時尚與奢侈品牌，到底該怎麼進行數位轉型才好？如果你是一家時尚或奢侈品業者，該怎麼做呢？收購一家電商平台自己做數位通路？還是不放在自家網站上販賣，將產品放到大型電商平台上增加曝光度？

答案是，電商平台並不是奢侈品牌最關鍵的數位化轉型策略。如果你無法決定該選擇何種方法的話，可以進一步想想看，為什麼高級品牌在數位轉型的路上始終步履維艱？有些甚至將數位化視為妖魔鬼怪？

因為產品體驗很難在虛擬世界中傳遞出去，網站上無法營造與實體店面相同的體驗。當消費者無法感受到強烈的專屬體驗時，即等同了品牌價值失效，讓高級品牌純粹落入純粹比價的境地。

這也是許多品牌在取捨線上業務與商品形象塑造的一大兩難。但如果進一步思考，過去這些大型品牌又是靠什麼來維繫形象的？你可能會說：電視、雜誌、大型廣告看板……等等，但這些其實都算是「媒體傳播」的管道。媒體傳播的管道越多、品牌說故事的機會也越多，因此換個角度想，當數位工具崛起時，也是增加了更多的媒體曝光管道，有了更多讓品牌說故事的機會。

既然奢侈品的賣點在於實際目睹、觸摸產品質感、感受實體店面的氛圍與服務。因此消費者之所以上網查看奢侈品牌，大多也只是為了要更瞭解品牌的背景與產品樣貌。

因此重點不在於能在線上賣出夠多的商品，而是思考：如何將線下的實體店面體驗成功搬到線上媒體，讓兩者的優良體驗達到一致，讓消費者願意在看完線上媒體後，下一步願意造訪線下實體店面，才是高級品牌數位化最關鍵的策略。

線上體驗的目標是為了導引到實體店面

這邊要注意的是，相較於 Amazon 與時尚電商純粹仰賴線上營收，線上購物對於奢侈品業者來說將只會是一個 Bonus ，而不是營收主力來源，主力來源仍會是實體店面。

線上網站的常態是以多方比價為主要取向，就算奢侈品能透過多開拓一個數位行銷管道來創造更高的營收，該網站品牌也不會有讓消費者趨之若鶩的價值。未來大型平台與時尚電商這兩大競爭者將只能叩關，而不可能全數取代高級奢侈品牌。

因此在這裡，我們必須將高級品牌（奢侈品牌、時尚設計師品牌）的數位化，和較低階品牌（優良品牌、快時尚品牌）的數位策略兩者分開來討論。然而對高級品牌來說，建立網站的意義，主要並不是為了要做為販售渠道，而是「溝通用的媒體」，並擅用這項嶄新的媒體，以好的內容傳達出好的故事。

最基本的方法包括了打造一個有質感、同時具備易用性（Usability）設計的官方網站，Sézane 即是一個相當良好的案例，其優秀的網站設計成功降低了使用者的價格敏感度。另外，好的奢侈品牌網站包括了：Fendi、Dior、Gucci；而 Chanel、Jaeger-LeCoultre 的網站則仍有改進空間。

另一方面，溝通管道也有了新的革命。在從前，訊息溝通是由企業到消費者的單向傳播，消費者只能全然接收，沒有回饋發聲的機會。現今的消費者則能藉由社群媒體上的雙向互動，更即時地反應對企業的看法與需求，也讓企業能更動態地去調整產品方向。可以說現在的消費者同時也成了生產環節的參與者，參與的同時也將能夠更加瞭解產品價值，並加深對該品牌的忠誠度。

總結一下，數位化會拉低品牌格調的隱憂其實是錯誤的認知，然而數位化的策略需再依據品牌性質調整。以注重功能性與時效性的優良品牌與快時尚品牌來說，結合電商便相當合適，也能藉由線上折扣銷售來縮減存貨；然而高級品牌需要的不是電商，而是線上媒體——意在展示品牌，而不是為了販賣產品本身。

這裡我們各舉一個失敗與成功的案例供讀者參考：

失敗案例：鐘錶品牌

很多精品業者一想到「數位化」，最先想到的大多都是「做一個手機 APP 吧！」然而這也是最無趣、效果也相當有限的一種行銷手法。在 2010 年初，數位化浪潮剛要開始席捲時，許多奢侈品品牌都採用了應用程式作為行銷工具，其中包括了好幾家瑞士鐘錶品牌，可惜沒有任何客製化的功能或有趣的體驗，只用 APP 來放產品目錄。

消費者不會為了單一品牌，而特別去下載一支功能簡單的應用程式；比起 APP，一個適合手機版面的行動網站已經足夠了。讓我們看看這幾家鐘錶品牌是怎麼做的（只能在 iOS 平台下載）：

• LW Ski Guide iOS APP：丹麥品牌 Linde Werdelin 推出了滑雪指南 iOS APP，協助使用者找到餐廳和飯店，但現在這個功能已被 Google 所取代……

• Jaeger-LeCoultre iOS APP：積家手錶在 2009 年開發的應用程式，提供產品目錄。

• Girard-Perregaux iOS APP：芝柏在 APP 上提供產品目錄。

讀者可以發現這些 APP 功能過於簡單，後續也幾乎沒再維護更新。質感不佳的溝通管道，反而造成使用者的品牌印象大打折扣。

成功案例：Burberry

2013 年底，蘋果 （Apple, AAPL-US）挖角了阿倫茨（Angela Ahrendts）負責旗下零售和線上商店部門業務。你或許沒聽過她，但你一定聽過 Burberry。

成立至今已 161 年、近兩世紀始終堅持「傳統英倫風」的 Burberry ，不但在年輕人心目中是一個古老過時的品牌，又因產品線紊亂與盜版氾濫而飽受品牌價值低落之苦。這樣的情況一直持續到 2006 年，由阿倫茨接手了 Burberry 的執行長才有所轉變。

翻開 Burberry 的財報，可以發現數位媒體與社群行銷高達總行銷預算的 60％。不同於只是建立官網或建立 APP 而已，阿倫茨利用科技產品，在創造話題性和提升服務體驗兩方面都有著卓越的改善：

1、擅用數位工具與科技創造話題：

• 「Burberry Word Live Taipai」： Burberry 2012 年在台北 101 舉辦的全球第一場 360 度 3D 虛擬時裝秀，並邀請明星藝人們參加造勢。

• 「Art of The Trent」：讓全球世界人士上傳他們身穿風衣的照片，並到各大都市與當地演員或歌星合作，邀請他們穿上 Burberry 經典風衣進行拍攝。

• 「TweetWalk Burberry」：與 Twitter 合作提供服裝秀實況，成功吸引人注目 2012 年 Burberry 的春夏時裝秀。

• 「Burberry Acoustic」：為了拉近年輕族群並推廣英國新銳音樂家，在 2010 年讓音樂家們身穿 Burberry 服飾，以不插電的形式錄製原創音樂影音。

• 「Salesforce Chatter」：監控社群客戶的即時反應。

2、實體店面數位化：

• 店內商品加上 RFID 標籤：經過特定掃描區域後，可在大螢幕上播放商品細節或當下服裝走秀的場景。

• 門市銷售人員配有 iPad：即時展示客製化商品，或在實體店面尚無存貨的商品。另外也能記錄下客戶偏好與 VIP 身份，達到更完善的客製化服務。

目前 Burberry 的 Facebook 按讚數高達 1,700 萬、YouTube 追蹤人數逾 30 萬，擁有所有奢侈品牌中最高的人氣。

當許多精品業者只知道要數位轉型，實際上卻不知道該如何操作時（想想那些鐘錶商），阿倫茨卻藉由成功的數位化行銷，在短短七年間將 Burberry 盈收從 2006 年的 13.18 億美元，翻倍至 2013 的 32 億美元，也讓 Burberry 品牌獲得了新生。

永續發展的品牌價值

最後，讓我們來談談企業社會責任，也是品牌永續發展需要重視的價值。當然，消費者購買產品的理由通常不會基於環保。比如當消費者比較 Armani 和 Fendi 兩家品牌的產品時，純粹比較的是性價比與服務，不會去想到「哪家更環保」的這個問題。

但換個層面想，這是因為品牌本身，就是一種對於價值與形象的承諾；也就是說，社會責任是所有企業都必須具備的前提，而不是一種賣點。

還記得我們提過的奢侈品行業標示不清的常態嗎？有些奢侈品牌會在孟加拉或中國加工，最後才在義大利補打上「Made In Italy」的標籤。過去的消費者是不在意或不清楚；現在的消費者則是更加精明，在購買產品時，內心已經將「環保」與「保障勞工權益」視為理所當然的信任條件。

既然整個精品行業是建立在頂級的品質、工藝、店面、服務等面向的頂級體驗上，在企業形象上就不能有所損害。因此當相關品牌爆發負面的新聞報導時，銷售量也會為之影響——2013 年時爆發了 Rana Plaza 成衣工廠崩塌事件，死亡人數超過 1,100 人，也是孟加拉史上死傷最慘重的一次意外。該工廠代工了近 30 家國際知名服飾品牌，讓品牌供應鏈低下的勞工環境與薪資浮上檯面。

在眾多輿論的壓力下，這次的孟加拉傷亡事件也促使了 NGO 組織 Fashion Revolution 的誕生。Fashion Revolution 將孟加拉事件發生的 4 月 24 日訂為「時尚革命日（Fashion Revolution Day）」 ，在這一天國際公平貿易組織（FLO）與社運人士攜手合作，呼籲給予數以百萬計的棉花農和紡織工廠工人更好的待遇，並揭露奢華的時尚工業背後，潛藏著工廠環境低下、低薪、童工與環境汙染等問題。

2016 年時，Fashion Revolution 發起「Who Made My Clothes？」活動，藉由衣服反穿外露品牌的方式，讓以往縫製在衣服內裡的標籤重新備受重視。全球有百萬名網友響應這個活動，#whomademyclothes 甚至登上 Twitter 全球熱門潮流 hashtag 第一名。同時間，Fashion Revolution 也發表了第一份《Fashion Transparency Index》報告（時尚透明度指數），調查了全球營業額最大的 40 間時尚公司供應鏈資訊的透明程度。

在這份報告的分數中，最低的 0 至 25 分，表示企業完全沒有向大眾提供供應鏈訊息；最高的 76 至 100 分則表示公司有追蹤溯源及補救治理供應鏈的舉措，同時也有足夠的供應鏈訊息，並積極和業界進行交流。令人意外的是，一般被大眾認為不環保、罔顧員工權益的 H&M、Zara 等快時尚品牌，在這份報告中的分數竟然遠遠高過於Chanel、Hermès、Prada 和 Louis Vuitton 等奢侈品牌。這也令人質疑在光鮮亮麗的產業背後，是否都是不為人知的非法血汗內幕。

當消費者在乎著「原料從何來」、「產品在哪裡製造」時，奢侈品牌不得不將永續價值也列入必須向消費者溝通的環節之中。若想在形象上打下堅實的基礎，除了創辦品牌工藝的工匠、傳承與改革的設計師等品牌故事，還得在原料證明與生產明細上有所著墨，以闡明皮革的源頭與勞工的工作環境是合法且安全的。

近年來，有更多的奢侈品大廠開始表態並參予這樣的環保倡議。綠地毯挑戰計畫（The Green Carpet Challenge）號召大明星在出席重要頒獎典禮的紅地毯時，應穿著永續材料所製成的服裝或禮服。共同參與這項計畫的知名設計師包括Giorgio Armani、Tom Ford、Gucci、Yves Saint Laurent 等品牌。

Gucci 及美國野生動物保護聯盟（National Wildlife Federation）更進一步攜手推出全球首個由亞馬遜（Amazon, AMZN-US）皮革製成並且保證零雨林砍伐的包款系列「Gucci Green Carpet Challenge」，每一個 Gucci 為 Green Carpet Challenge 設計的包款皆附有一本護照身分證，詳細記載了生產鏈的每個環節，確保商品所使用的牛皮完全合法的生產於巴西亞馬遜地區以及不構成雨林的坎伐。

今天，我們討論了：

• 精品產業未來的趨勢與機會

• 潛在的競爭者

• 成功與失敗的數位轉型案例

• 品牌的永續價值

精品是人類歷史上最古老的商業模式之一。從中國的瓷器、東方的香料、法國的高級訂製服等等，人們對於精品市場的需求始終存在。然而這樣的老品牌雖然在設計與美學上總有突破性的創造，在科技上的步伐卻始終蹣跚。

終於在近年來，有越來越多的奢侈品牌開啟了轉型的腳步，其中也不乏有所創新者。在新世代消費者的影響下，為我們帶來了更多商業模式的可能。

本次的精品時尚專題就到這邊為止了，讓我們下次見！

圖片來源：Burberry官方網站

【延伸閱讀】

• 掌握人心的公式 ─ 時尚
• 金權主義的幻夢 — 奢侈品

The post 舊品牌新挑戰－數位化與永續價值 appeared first on StockFeel 股感.

但這些品牌的產品難道也有著每六個月就要汰換一次的生命週期？（好不容易買一台 Ferrari，卻要六個月後就報廢它嗎？）你可能會好奇，時尚品、奢侈品到底有什麼差異？高級訂製服是時尚品？穿戴式珠寶是奢侈品？純然用生命週期或價格來看嗎？時尚品牌也可以是奢侈品牌嗎？

今天，就讓我們來聊聊 — 什麼是奢侈品。

時尚與奢侈品 — 品牌演變的進程

那奢侈品和時尚品牌該如何區分呢？我們認知中的奢侈品，除了具備了極致的工藝，尚包括了歷史、文化內涵等因素、同時只有頂級階層所能擁有。也就是說，奢侈品在「產品品質」和「消費者體驗」上，都有義務做到極致。等等，感覺未免太玄乎了。有沒有一種明確的方法能區分出來呢？比如時裝可能就是時尚產品，而手錶珠寶名車則是奢侈品？

一般若將奢侈品市場按照產品性質區分，可以分為軟奢侈品（Soft Luxury）和硬奢侈品（Hard Luxury）。軟奢侈品包括了時裝或皮包鞋子等皮革製品；硬奢侈品則是珠寶手錶一類。通常軟奢侈品的性質介於奢侈品與時尚之間，生命週期較短，硬奢侈品的生命週期則較長。

但如果純用生命週期來區分的話，項鍊珠寶難道就沒有設計款式過期的問題？況且高級訂製服（Haute Couture）竟不算是奢侈品嗎？

這裡再向大家提一個問題：想想我們熟知的時裝設計品牌，法國品牌如 Dior、Chanel、HERMÈS…，義大利品牌 Armani、Versace、Prada…，甚至是 Burberry、Calvin Klein，或台灣品牌如 LANICE（侯秀枝）、Candace（洪秀女），你覺得這些名稱有什麼共通點呢？

答案是 — 每一個品牌都是人名，來自於創辦該品牌的同名設計師。

但不僅僅是時裝而已，Hennessy 白蘭地、Cartier 珠寶錶、Ferrari 跑車等同樣也是人名。觀察這些品牌，或許有一些品牌對你來說屬於時尚品牌、有些你則會認為是奢侈品牌，但都是設計師的名稱。

根據這樣的想法，我們可以得到兩個結論：

1. 以設計師為品牌名不但屬於這行業的共通性，也代表著——或許所有的奢侈品牌在早期都可能為時尚品牌。
2. 奢侈品？還是時尚品？依據消費者的觀感見仁見智。那或許重點就在於：要如何灌輸消費者，自己是一個奢侈品品牌？

事實上，早先每個奢侈品品牌都是先作為「時尚設計師品牌」，經過時間的淬鍊、擁有更多歷史文化內涵作為行銷背景，才逐漸演變成「奢侈品牌」。

時尚設計師品牌：設計師的個人價值與形象

在設計師最開始創立品牌的時候，都是以自身作為品牌價值的核心，比如 1909 年 Coco Chanel 女士在巴黎創辦的帽子店，或是 1946 年法國時裝師 Christian Dior 創辦了同名品牌並推出了一系列作品。

為什麼以設計師為名這麼重要？這裡我們打個岔，做個調查：請問讀者有聽過 Tom Ford 的舉手（在心裡即可，哈哈）？聽過 Jonathan Ive 的人呢？

相信聽過前者的人遠高於後者（這是以一般消費者而言，如果只聽過後者的讀者請海涵）。美國設計師 Tom Ford 是前任 Gucci 與 YSL 總監，不但成功在 1990 年代復興一度衰頹的 Gucci，本人也是性感、美麗、時尚的完美代言詞。即使沒在關注時尚產業的一般人也知道 Tom Ford 這位明星，上街可能會有一堆人搶著跟他合照。

Jonathan Ive 呢？他是蘋果（Apple, AAPL-US）的首席設計師，一手打造了 Macbook、iPhone 和 iPad 等產品簡潔美麗的工業設計。然而 Jonathan Ive 很少在媒體面前亮相、也幾乎不接受採訪。同樣是首席設計師，為什麼不同的產業卻有這樣的差異？因為時尚設計師，才是真正賦予該時尚企業品牌價值的關鍵。

1980 年，Gucci 的品牌價值漸漸走下坡，一度瀕臨破產邊緣。1990 年左右，Gucci 聘請了 Tom Ford 擔任設計師，隨後將其提拔為執行長。Tom Ford 容顏俊美、交際手腕高超，首先積極建立了與媒體、超模、著名買手、好萊塢之間的人脈，短時間內便成功塑造了金童般的形象。

再來， Tom Ford 將 Gucci 的品牌印象、與其本人形象連結在一起 ── 採用遊走在道德邊緣、爭議性極高的視覺宣傳，強烈地傳達了「性感」、「奢華」、「都會」等元素；從成衣、包裝，到店內裝潢等，也都由他精心策劃。配合靈活的商業手腕與獨到的藝術眼光，不但為這個老品牌注入了一針強心劑、也為時尚圈帶來了一次強大衝擊。截至 1999 年，Gucci 的市值高達 43 億美金，還收購了知名時尚品牌聖羅蘭（Yves Saint-Laurent／YSL）。（註：Yves Saint – Laurent 的同名創辦人聖羅蘭被認為是 20 世紀法國最偉大的設計師之一）

設計師是一個時尚品牌的核心角色。所謂的設計師，不僅僅是畫草稿或控管產品生產鏈而已，更是作為一項品牌溝通工具。相比於其他產業藏身在幕後的設計師，時尚設計師會在每場時裝秀完結的時候上台謝幕，迎來媒體和鎂光燈的追捧，塑造知名人物的印象。簡單來講就是造神，且針對單一個人營造神話、永遠比針對一整個品牌去營造神話還要快速、簡單且有效。

正是這些設計師，賦予了企業的品牌價值。從二十世紀 Coco Chanel 女士引領的反裝飾美學與女性主義、 Giorgio Armani 的夾克風潮，到復興 Chanel 的老佛爺 Karl Lagerfeld、復興 Gucci 的媒體寵兒 Tom Ford（Karl Lagerfeld 與 Tom Ford 也都有自己的同名品牌），設計師必須懂得運用創意來創造消費者的需要，而這種創意即是建立在商業基礎上 ── 沒有媒體曝光、沒有名人追捧，所謂的創意也只是一文不值。

故一位代表該品牌印象的時尚總監必須具備以下能力：

• 創意與美學素養：制定、設計高級時裝的流行元素

• 商業手腕：生產鏈管理、實體通路管理、商業宣傳、定價策略、併購決策

• 公關形象溝通：維繫媒體與買家關係、名人的生活型態、社群經營

奢侈品牌：從材質到服務的頂級體驗

要營造一個人的神話很簡單；然而營造一個品牌的神話，卻需要歷史與品味的累積。若說時尚設計師品牌是前者，那麼奢侈品是極致工藝與文化內涵的展現，稀少、亦不隨著時間汰換。

奢侈品的英文 “Luxury” 一詞，源自於拉丁文的 “Lux” 和 “Luxuria”，有閃耀、歧異、多餘等意思。從這三種字義中，我們可以輕易獲知 ── 奢侈品不但須美的極致、還得美的與眾不同；更重要的是，你根本不需要它。

在奢侈品產業中有個詞「Savoir Faire」，來表達最頂級的原料、創新的設計、與工匠們高超的工藝水平。大部分的奢侈品牌原先都是世代傳承的手工作坊。比如：Fendi 以一流的毛皮做工服裝著稱、LV 一座名為Asnieres的古老手工作坊生產頂級皮具、Salvatore Ferragamo 耗費一百多道工序的手工女鞋…。

然而奢侈品的定義不僅僅是產品本身的品質，而是各方面的頂級體驗 ── 實體店面的室內裝潢、陳設傢俱與藝術品，衣著考究、訓練有素的銷售員。除此之外，還包括縈繞在產品周邊的故事和文化意涵上的神秘魅力…，可以說，每一項細節都是工匠精神（craftsmanship）的完美演繹。    

大部分的商品常為了清空庫存進行降價促銷。但奢侈品銷售的是恆久保持的價值。一個奢侈品品牌絕對不會想要被消費者認知為時尚品：時尚意味著當下流行、隨後逐漸退燒、最後變成不流行。

當人們進行奢侈品投資時、標的可能為珠寶、名錶、紅酒，但你大概沒聽過有人投資時尚品。或者，幾乎難以聽聞有人會在這一季買了一台藍寶堅尼、下一季就嫌棄它過時便出售了，會重複購買奢侈品的買家。通常都是為了「收藏」而非汰換。

在整體環節的消費體驗都要達到頂級的前提下，無論商品價格再高、你仍不會認為 ZARA 和 H&M 是奢侈品牌。請謹記：「奢侈品象徵經典；而經典永不褪色。」

但這一切又是怎麼營造出來的呢？之所以會說是「營造」，只因為事實上 ── 奢侈品，是一種由資本主義堆砌起來的商業模式。

資本主義與集團化的奢侈品品牌

1980 年以來，奢侈品從沒有停過集團化趨勢；在資本運作的介入後，早已不再是傳統的工匠精神。

19 世紀以來，從 Hermès 製造馬具起家、瑞士的鐘錶業、英國北安普敦的皮鞋等，在歐洲城鎮上有著許多家庭式的手工作坊。由於是家庭工坊起家，因此一般就叫創始人的名稱，和「老王鞋鋪」、「小林鐘錶行」有異曲同工之妙。這些早期奢侈品牌的命名方式，和後期由該品牌領導的設計師演變而來的奢侈品牌，兩者命名理由並不全相同。（後面才在開始賣設計師形象）

這些家庭工作坊的純手工訂製品，比起工廠生產出來的更加舒適精良、美觀又耐用；然而說到底也只是價格較高但品質較好的手工日用品、客群也只限於該地區，沒行銷宣傳、當然也沒所謂的文化內涵高級裝潢… 等等我們現在會認為「頂級體驗」的要素。

1980 年代的一個人改變了這一切 ── 被譽為「奢侈品教父」的貝爾納·阿爾諾（Bernard Arnault）。富比世雜誌公布 2016 年全球十位賺最多錢的富豪中，其中便包括了阿爾諾、淨資產高達 398 億美元的法國首富。這個名字對你來說或許陌生，但你一定聽過 LV、Hennessy、Dior、Givenchy、Fendi… 等品牌。這些品牌都屬於由阿爾諾所創的奢侈品集團「LVMH 集團」。

然而阿爾諾的成名之路，並不是白手起家、或接掌家中工作坊，可說以拿破崙的姿態向其他人「搶來的」。

二次大戰剛結束時，號稱「纖維王」的紡織集團資本家 Marcel Pussac 由於欣賞時裝設計師迪奧（Christian Dior）的才華，出資讓他獨立開店。迪奧逝世後，公司又出了聖羅蘭（Yves Saint Laurent，同名品牌就是被 Gucci 收購的那間）等知名設計師，然而仍難掩頹勢、品牌隨著時間逐漸沒落。

阿爾諾的家中原先是經營一家中型建築公司。1984 年，36 歲的阿爾諾下了一個驚人的決策：他將家族企業拿去向銀行抵押，以九千萬法郎收購了比自家企業規模大一倍的 Marcel Pussac  集團，意在獲取集團底下的 Dior 公司。收購成功後，阿爾諾對集團進行重組，賣掉原有的紡織品業務、並親自擔任 Christian Dior 的董事長。迪奧（Dior）在阿爾諾引進優秀設計師、重整品牌宣傳手法後，在短短兩年內便起死回生。

阿爾諾的野心當然不止於此，緊接著、他相中了 LV 。1989 年，阿爾諾趁著 LV 家族內鬥、與當時的法國股市崩盤，以低價大舉購入了 LV 公司的股票，待股權增持至 44% 後開始了對 LV 公司的大清洗、重新梳理酒類業務和香水部門。當然，這樣惡意收購的過程也使得阿爾諾與 LV 經營階層打了一陣的官司，不可謂勞心勞力。

看完 Dior 和 LV 的血洗過程後，相信讀者已大致了解現在的 LVMH 集團是怎麼來的了 ── 歷史悠久的奢侈品牌多為早期的家庭工作坊、後續演變成家族企業。此時擅長高槓桿與資本遊戲的阿爾諾出現了，他喜歡趁著該家族企業內部爆發鬥爭時趁虛而入，或挑在經濟頹勢、公司股價被低估時，以低廉的收購成本購入、再換上具備破壞性才華的設計師結合老品牌的歷史，重新炒高品牌價值。這一招也成了現在哈佛商學院被津津道來的個案教材。

另一方面，阿爾諾也在 2005 將高級時裝品牌 Christian Lacroix 賣給美國 Falic 集團、2016 年將 Donna Karan 賣給了美國 G – III 集團。從香檳葡萄酒莊，到時裝皮革製品、香水化妝品、鐘錶珠寶、零售百貨… 所謂的高級品牌，也只是一樁樁好生意。30 年來，阿爾諾手中的 LVMH 進行了多筆收購與出售，從最初的兩個品牌，而今成為由 60 多個知名奢侈品牌組成的「奢侈品大型集團」（Luxury Conglomerate）── LVMH。

想想，這樣的做法和誰很類似呢？沒錯，就是同樣會以低價併入，清洗管理階層後、削減成本再將公司重新上市或出售的私募股權基金！（Private Equity Fund）LVMH 集團底下想當然爾也設置了自己的私募股權基金：L Capital Management 及 L Capital Asia，並透過旗下的私募基金去進行股權收購。

在 LVMH 後，緊隨著全球第二大奢侈品集團 ── 歷峯集團（Richemont Group）、旗下擁有卡地亞（Cartier）、伯爵錶（Piaget）、江詩丹頓（Vacheron Constantin）；與第三大集團 ── 開雲集團（Kering），旗下擁有 Gucci、Puma 等品牌。

他們也是白手起家嗎？當然不是，歷峯集團的創辦人本為南非第一大菸草商、開雲集團的本業則是經營木材貿易。兩者與本業為建築公司的 LVMH 集團一樣，無人是精品工匠或時裝設計師，都是靠純粹的併購、募資、上市與業務重整、來成就如今的奢侈品集團。

這裡再向讀者丟出一個可以思考的問題 ── 義大利與法國同樣作為時尚大國，但為什麼這三大集團都是法國集團，卻沒有義大利品牌呢？還記得我們提過的家庭工坊或時尚品牌，都是由同名創辦人所創嗎？義大利發展時尚的歷史較法國晚了許多，約莫在 1970 年代才由法國的代工廠、逐漸發展設計實力，轉型為設計品牌。

因此當老法國品牌的經營階層已經輪到了第四、五代時，義大利品牌的第一代創辦人現在多還活躍於檯面上。一個品牌若是你創的，你捨得賣給大企業嗎？因此 Giorgio Armani、Tod’s、DOLCE & GABBANA 等義大利品牌仍堅持維持獨立品牌。

既然不賣、那也可以買呀，怎麼不收購其他品牌成為一家大型集團呢？因為資金不夠、根基不穩固。義大利品牌發展的時間較短，資本不若法國品牌雄厚 ── 想想 LVMH 底下有 LV、歷峯底下有 Cartier 和 Piaget、開雲底下有 Gucci，要先確保集團的金雞母、且有著強烈的品牌核心印象，才能有餘裕去進行多角化策略。否則宣傳和通路都要花費大量的資金，品牌彼此間的連接也不夠強烈，併購的附加價值很低。

所謂的奢侈品世界講白點，「老王鞋鋪」由同名創辦人老王所開設，原先在鎮上是一家小有名氣的手工店；傳承幾代後，資本家向老王的後人提出收購的要求。

收購後在各方面都做了大更動：行銷上，聘請知名設計師當設計總監、將店面重新裝潢成奢華、請模特兒拍形象照；製造上，手工製品也不是原先的老師傅了，一律外包工廠代工、盡量壓低供應鏈成本；客群呢？當然也不止這個小鎮啦，全球門市布點、以跨國集團的形式經營。

這些擅長資本運作的資本家也像打牌一樣、將 Gucci、Piaget、Givenchy 等品牌的股票當作牌組買入賣出，並利用惡性併購和規模經濟，用資本將競爭者逼到角落。

同時間也以驚人的財力壟斷媒體與上下游通路 ── 當一個大型集團品牌很多的時候，可以去向供應鏈談判：「我旗下的品牌都包給你代工，但價格給我壓更低。」；也可以去跟媒體談判：「如果宣傳價格不壓得更低，我旗下知名品牌都不上你媒體宣傳，上另外一家媒體。」當集團規模夠大的時候，宣傳和工廠供應價格的談判力量就更強。

故集團一方面聘請知名設計師、買下多家媒體打上統一的大幅廣告；另一方面在羅馬尼亞、印度、東莞等地外包生產，以極低薪壓榨民工。最後，所有消費者都會相信那個印度童工做出來的手工編織包中、潛藏了歐洲工匠們精益求精的精神。

歐盟對產地標示的法規，雖然是只要製作過程的 50% 在該國製造、便須標註在該國生產，對於製作過程的定義卻相當模糊，因此如果將設計也算進去的話、就可以讓奢侈品企業鑽漏洞。許多奢侈品會先交由代工廠製作好幾乎要完成的產品、剩下拉鍊、扣子等細部，再返回原廠印上 Logo、「手工」裝上拉鍊製成最終品後，就可以打上「Made In Italy」的商標。

想想你的衣服是怎麼來的呢？可能是由國內工廠加工、回義大利縫個鈕扣，再高價賣回本國。估算一套服飾的價格，包括了材料、工時、宣傳費用…，對於奢侈品這種壟斷性定價的產品而言，代工廠所得遠不及整條產業鏈的 5%。一條由中國生產的皮帶、可能成本僅 10 歐，經過奢侈品牌通路、再以 500 歐的價格賣給消費者。

當然要能將一個品牌打造成奢侈品牌，雖然是一種純粹的商業手腕，但也不是每個品牌都能輕易地作為奢侈品 ── 並非店面開在巴黎精品街、商品價格高昂，就可以被稱之為奢侈品牌。

一個品牌是奢侈品還是時尚品牌，主要還是依據消費者的觀感見仁見智，當然你也可以說現在的奢侈品牌都很「時尚」、產品生命週期也越來越短。但相較於純粹的時尚品牌，讓消費者擁有「奢侈品」印象的品牌，才能帶來更多的長期經濟效益、比如 LV 歷久不衰的經典包，對於該品牌來說、也更容易推出消費者認同為具有經典價值的產品。

然而要能成功灌輸消費者自己是一個奢侈品品牌，品牌的背後仍需要年代、需要歷史悠久的藝術精神，否則就是一般的時尚設計師品牌了，因此奢侈品集團才要專挑老品牌去做收購。同時，奢侈品在定價策略和品牌擴張上也得具備高不可攀的限量性，獨有專屬於奢侈品商業模式的一套經營方法。

也難怪當 Michael Kors 的執行長 John Idol 自豪地說出: 「我們是全球增長最快的奢侈品品牌」時，會被巴黎 HEC 商學院行銷教授 Kapferer 當場打臉:「不，你們是全球增長最快的時尚品牌。」後來 Michael Kors 因展店過快，導致品牌價值下滑，股價一度賣空。

很奇妙吧？當華爾街分析師希望市佔率與產量的年成長率越高越好時，奢侈品不能過度熱門、不能擴張快速、不能太多人購買…。Michael Kors 即因展店速度過於急進，導致品牌價值快速下滑，執行長 John Idol 只得於 2015 年 11 月趕緊宣布停止擴張。至今前景還是不被看好，在今年的第一季因營收黯淡、股價暴跌了 13.9%。

不過若時尚品牌形象操作的好、轉型成奢侈品的案例也是有的。以 Ralph Lauren 而言，就是由時尚品牌成功轉型為奢侈品牌的經典案例。

創辦人 Ralph Lauren 本人曾說：「我設計的目的就是去實現人們心目中的美夢 — 可以想像到的最好現實。」

Ralph Lauren 除了時裝，無論是香水、童裝、傢俱等產品，都洋溢著一股濃濃的美式風格，勾勒出一幅經典的美式家庭生活樣貌：草坪、高爾夫、家中充滿著蠟燭的香氣。這也是 Ralph Lauren 營造實體店鋪風格的宗旨：美式家庭的幸福溫馨版型。

時尚品是否能成為奢侈品，需要時間的考驗與淬鍊。更重要的是，它能不能賣你一個夢？

民生用品創造品牌的商業模式

若要更直接了當地說，時尚與奢侈品究竟是什麼？不就是擁有品牌光環的民生用品嗎。講白點，衣服鞋子皮包行李箱… 等全都是日常生活必需品，競爭激烈、進入門檻也低，唯有創造「品牌」，才能提升消費者體驗、拉高消費者的黏著度，並在眾多競爭者中勝出。

有些公司經營模式的差異化策略相當不高明，比如當每家飲料店喝起來都差不多、或每家航空公司的服務也都差不多的時候，若僅採用的是「紅利點數積累」的方式創造忠誠度，也就是某種變相的折扣殺價（我的點數比你優惠），到最後只是惡性競爭而已。

而時尚與奢侈品等雖然販售民生產品，卻是用「品牌」做出差異化。同樣的概念可以延伸到其他產業，甚至是飲食（星巴克（Starbucks, SBUX-US））、電子產品（想想蘋果教徒對 iPhone 的熱愛，蘋果根本是把自己當奢侈品牌在經營）。

讓我們看看這四種商業模式是如何維持其品牌定位與營收：

1. 時尚：自主壓縮產品生命週期

所謂的產品生命週期，乃是一款新產品從進入市場，到最終被市場淘汰的整個過程。一般企業為了降低產品研發，與行銷、上市的產品推行成本，通常會在一款產品發布後盡可能地延長產品生命週期。

相反地，時尚產業則會自主壓縮每一款產品的生命週期。如果一件衣服能讓你穿一輩子、不在意美醜、純粹滿足人類的生活必需，那服裝產業就不賺了。衣服必須作為消耗品，必須作為表達自我主張的一種存在，才能令消費者不斷地購入新的衣服。

其中又依據消費者市場，垂直來看分成了：面向高階層消費者的「時尚設計師品牌」，與面向大眾的「快時尚品牌」。

（1）時尚設計師品牌

• 價值主張：頂尖設計師的生活形態與樣貌。

• 競爭策略：時裝秀上創造趨勢、與媒體與買家打好關係。

• 知名品牌：Karl Lagerfeld、Tom Ford，分布在 Ready – To – Wear 到 Bridge 階層。

（2）快時尚（Fast Fashion）

• 價值主張：反映潮流且價格實惠、對大眾無限供應產品。

• 競爭策略：壓低供應鏈價格、拓展更多通路（上下游整合的供應鏈與通路）更加快速地回應時尚市場趨勢。

• 知名品牌：ZARA、H&M、Mango

2. 奢侈品與優良品牌：產品優良、生命週期較長。

接下來，是較不受趨勢影響、產品生命週期較長且注重頂尖品質的類別。通常這一類的消費者會購買新的商品，是因為新的工藝或科技又出來了。

（1）奢侈品牌（Luxury Brands）

• 價值主張：注重「經典」、「工藝」的消費者體驗。

• 競爭策略：上下游整合的供應鏈與通路；產品週期長，限量且具代表性的訂製品。

• 知名品牌：愛馬仕（Hermès）、江詩丹頓（Vacheron Constantin）、紀梵希（GIVENCHY）。

（2）優良品牌（Premium Brands）

• 價值主張：高品質且價格實惠、對大眾無限供應產品。

• 競爭策略：產品週期長，運用最新科技，注重產品的功能性。

• 知名品牌：賓士汽車、DELL 電腦、聲海耳機（Sennheiser）。

水平來看 ── 越高階者，則越重消費者體驗，只是時尚設計師品牌是賣個人形象、奢侈品牌是賣品牌歷史故事，精品集團旗下所擁有的品牌多為時尚設計師品牌與奢侈品牌。越低階者，則強調商品的「CP 值」，在實惠的價格下、前者主打商品更換快速、後者主打商品品質優異。

若要引以為鑑，無論哪種產業，若只一味追求 CP 值，廠商僅會淪落到壓低價格、提高品質仍不得消費者喜愛，最後殺價競爭成紅海局面。這也是 Android 的高階手機始終難敵 iPhone 的理由。

結論是，若要瞭解品牌形象如何營造，研究奢侈品牌就對了。

好啦，我們今天知道了：

• 時尚和奢侈品有什麼差異

• 奢侈品集團化趨勢是怎麼來的

• 為什麼義大利不像法國有大型奢侈品集團

• 打造品牌的四種商業模式

關於奢侈品產業的介紹，就到這邊結束了。尚未討論的是，一向與數位工具絕緣的傳統奢侈品品牌、面對面臨新崛起的千禧年消費者該如何因應？在環保與人道意識興起的此刻，奢侈品牌同時也飽受過度包裝、濫用皮草、不透明的供應鏈剝削勞工… 等等詬病。

下一篇，我們就讓我們來聊聊時尚與奢侈品牌正面臨的數位化和永續經營的轉型挑戰。

【延伸閱讀】

• 掌握人心的公式 ─ 時尚
• 奢侈品牌如何擁抱網路

The post 金權主義的幻夢 — 奢侈品 appeared first on StockFeel 股感.

掌握人心的公式

從 Dior、Coach、Armani、LV、Gucci，到 Lamborghini、Piaget，甚至是 Vertu ……手提包、鞋子、手機、耳機、紅酒、雪茄、香水，人生至今聽過的高級品牌，不但數量如繁星般浩瀚、其種類與品項同樣令人目不暇給。我們渴望時尚、追求奢侈品，卻難以堪透其掌握人心的商業模式。你分的清這些品牌的區格與差異嗎？義大利和法國品牌的風格有甚麼不同？或美國品牌呢？

根據 Bain 管理顧問公司，2016 年時尚精品業的銷售額高達 1.08 兆美金，為 2016 年全球半導體產業 34.6 億美金銷售額的 3.12 倍。時尚精品業擁有驚人的市場消費人口，深深牽涉到影劇、音樂等演藝媒體，更包含了紡織、生技、科技等產業。

不但如此，精品產業在品牌傳播與行銷操作的技巧上，更是值得台灣慣於硬體代工的思維借鏡 ── 衡量一家公司的競爭力，不僅只有量化的銷量與成本。為此，無論是投資、或品牌效應上，我們不能不瞭解都與你我生活息息相關的精品產業。

十分鐘的時尚圈入門券，帶您領略時尚產業的奧秘。

什麼是時尚？

• 市場取向：大量製造、無限供應的大眾市場。
• 產品週期：“人為”壓縮產品生命週期，汰換速度快。
• 產品特色：較注重功能性、跟隨流行趨勢。

每次換裝準備出門時，都會不由自主地在衣櫃前面猶豫：「今天該穿什麼衣服呢？」對外貌打扮稍稍挑剔的人，可能一選就是一、二小時了。上述情境看似平常，卻是瞭解時尚產業本質最重要的一個概念 ── 衣服明明穿得暖、穿得舒適即可，為什麼人們會猶豫於於每日的衣著呢？

因為時尚從來無關乎功能性。時尚是個人風格的展現，並隨著時間汰換。

若提問：什麼是時尚？可能一百種人中會給出一百種不同的答案。然而若要精確定義時尚，只要兩個詞即可：「性格」(Personality) 與「潮流」(Trending)。

你是誰？你的文化背景是什麼？你喜歡什麼樣的事物？再再決定了一個人的性格。無論是流浪的波西米亞亦或重金屬龐克，一個人選擇的穿著或用品，事實上就是該個體對於整體社會最直接的價值觀宣告。

時尚即是 ── 告訴世界你是誰。故”Fashion”一詞於英文中亦有「樣式」之意。

由於人類的性格會因應環境與時空變換，這樣的特質並不會凝滯不前。如，幼年時喜歡將全身裝扮成粉紅色，至今看來卻令人發噱。時尚不但是一個人的性格，還是一個人當下的性格，受到大環境影響居多。

讓我們再更進一步深究 ── 那是誰創造了這樣的影響或環境，促使你在某個時間點想更換你的時尚？我們真的是靠自我意志來決定想要穿的衣服嗎？

製造流行趨勢的時尚產業鏈

若有看過經典電影《穿著 Prada 的惡魔》的讀者，可能會對一幕場面印象深刻。梅莉史翠普飾演的時尚媒體編輯米蘭達一語道破時尚產業無遠弗屆的影響力：「2002 年 Oscar De La Renta 推出一系列深藍禮服，接著聖羅蘭展示一系列深藍軍外套，深藍色推出了八個系列款式。很快就遍及百貨公司專櫃… 然後往下延伸到恐怖的休閒服專櫃，等妳從特賣花車裡把它翻出來。」

「那個藍色代表數百萬資金和無數的工作，而妳卻可笑的認為妳作出的一個選擇，令妳和時尚工業毫無關連… 妳穿著這裡的人選中的毛衣，可是從一堆”玩意”裡千挑萬選出來的！」注意！電影上映日期可是在 2006 年。

咦？！到底是”誰”能在此之前就決定明年、或幾年後的大眾市場該流行什麼呢？事實上，流行趨勢很大程度地由產業供應鏈所決定，也就是說 ── 流行是由時尚產業各領域公司共同製造出來的。

這邊我們要來談談「時裝週」(Fashion Week)。由美國紐約、英國倫敦、義大利米蘭與法國巴黎引領的世界四大時裝週，揭示並決定了當年及次年全球的服裝流行趨勢。

對於時尚產業而言，每年最重要的兩大活動莫過於春夏時裝週(Spring & Summert, 簡稱 SS, 舉辦於 9 月至 10 月)與秋冬時裝週 (Fall&Winter, 簡稱 FW/AW, 舉辦於 2 月至 3 月)，每次在大約一個月的時間內相繼舉辦 300 餘場時裝發布會。

注意看：春夏時裝週舉辦於 9 至 10 月，秋冬時裝週舉辦於 2 至 3 月。怎麼回事呢？每個季節的服裝在正式發售前，通常需要在上市的前六個月公開展示以利媒體行銷、宣告當年流行款式；也就是說我們在伸展台上看到的服飾，都是在發佈的半年後才會上市。

因此時裝週基本上可以說是下季潮流的一大預告，讓人們預先從伸展台上得知下季有何流行元素，故也吸引了來自世界各地的媒體雜誌、通路商、製造商、上流名媛等爭相湧到這四大重鎮觀賞各大品牌的最新系列。

哦，原來 Chanel、Christian Dior、Valentino…等各大時尚公司只要在發布自家公司的服裝主題，即可引領流行嗎？沒這麼簡單！這些大型企業又是參考哪些因素、如何規劃，而頒布今年與明年度趨勢呢

以 2017 年 2 月百貨專櫃上最新一款的時裝為例，讓我們回溯一遍這樣的歷程，探究「時尚是如何被制定出來的」：

1. 上市前一年半：流行色彩會議  (2015 年 6 月)

你知道時下流行的顏色，其實約莫在兩年前便已被人決定好了嗎？

許多的研究機構會根據政經、文化等社會面向進行調查，以探討人們對流行的喜好。例如今年有舉辦總統大選或世足，那必然會對流行趨勢造成影響。趨勢分析人員會提前一定的時間給出預測結果，越是基礎的元素提前的時間越早，例如該年所流行的顏色，一般是提前一年半到兩年確定。

各國都有自己的流行色協會，不過最具影響力的、莫過於總部設在法國巴黎的非盈利性機構「國際流行色協會」。國際流行色協會每年會召開兩次會議，討論未來 18 個月的春夏或秋冬流行色定案，並選定一致公認的男裝、女裝和休閒裝三組色彩，作爲這一季的流行色。

除此之外，各國亦有營利性的趨勢調研公司，為時裝品牌、製造商提供專業的諮詢服務。英國的 WGSN (Worth Global Style Network) 被譽為時尚界的彭博 (Bloomberg)，不僅匯集行業內資料，也提供報導和評論：報告中可以告訴你上海街頭的流行服飾，或是 2020 年、時尚將會如何被自動車的造型、太陽能建築和人工智慧所影響；也可以告訴你下季最流行的圓點襯衫的圓點寬度是多少。

兩個月一份的趨勢報告幾乎是強迫性地加快了時裝面市的週期。2013 年，WGSN 收購了它最大一家競爭對手 ── 美國的 Stylesight 網站，讓旗下業務擴張了近一倍。

另外我們不能不提美國 Pantone 公司 ── 該公司創建於 1963 年，是一家專門開發和研究色彩而聞名全球的權威機構。經典不衰的 Tiffany 藍，便是 Pantone 受 Tiffany & Co. 委託，為其打造的專屬色號，至今奠定了 Tiffany 鑽戒作為「純潔幸福」最不可或缺的象徵。(想想若無 Tiffany 藍，這家公司還在嗎？)

對 18 個月後的流行色，各家有各家的分析報告；然而擅於行銷的 Pantone 透過鋪天蓋地的宣傳策略，在媒體與時尚市場得到了最大的發語權。

Pantone 的設計師每年會和時尚圈裡的重磅人物，如大型企業的首席設計師、頂級時尚雜誌的高級編輯等聯合起來不斷開會，討論並確定下一次的流行色。最後挑選幾個主色與輔助色構成下一季的流行色卡、再賣給品牌商，由各品牌定義自己下一季主推的流行色。

Pantone 在今年初方發布了 2017 年的“Color of The Year”: Greenery

• 可以發現 Dior 和 Chanel 在今年一月高級訂製服的時尚秀中，皆採取了類似的色彩概念：Christian Dior | Haute Couture SS 2017
• CHANEL |　Haute Couture SS 2017

不僅是時尚公司、甚至其他產業領域的視覺設計與文宣，無不參考 Pantone 所提出的流行色彩。安海瑟薇在電影中所挑選出的深藍色毛衣，很大的可能就是在這個階段被制定好的。

2. 上市前一年：布料展 (2016 年 2 月)

布料作為時裝原料，供應狀況將作為明年時裝業的一個指標性依據。

法國作為時尚的發源地，是世上最大的成衣銷售集散地之一。在法國，每年都會舉辦紗線、紡織品展覽約 20 多場，包括法國紗線博覽會、成衣布料及運動裝布料展等；知名如國際布料展 TEXWORLD，每年台灣有近百家廠商參展。不過其中規模最盛大的展覽，莫屬一年舉辦兩次 (約為 2 月及 9 月) 的 Première Vision 布料展。

參展 Première Vision 的廠商涵蓋織布、配件製造商、設計工作室、皮革製造商等 800 多家廠商，除了展出各類高品質布料，更會揭露織品的創新技術與行情，例如變得更輕的斜紋軟呢、或有細微變化的牛仔布。

除了向客戶推銷新型布料，布料製造商也會為一些大品牌或設計師製作某種特定布料，並把產品的細節故意洩露出去、以刺激其他品牌的跟進，影響整個時裝行業的選擇。這一季是亞麻和棉布，下一季是絲絨或燈芯絨，在時裝週之前的布料博覽會上其實已經初見端倪。

如果說時裝週的發布對象主要是服飾商家和各大媒體，那麼對於整個產業來說，布料製造商才是潮流的真正決定者。大型品牌的時裝設計師和藝術總監們每年兩次來到巴黎，為下一年的新款時裝採購原料。

3. 上市前半年：時裝週 (2016 年 9 月)

時裝週的起源，最早是為了展示該國的設計實力、挖掘本國新銳設計師，並推廣國內品牌知名度；而今已成為最重要的流行起源地。根據公認制定出的流行色與創新原料，各大時尚公司與設計品牌制定出了該季的時尚主題，並在每年的 9 月至 10 月間在時裝週登場。

誰都能出席時裝週嗎？不，出席時裝週必須有邀請函，而這邀請函可以從服裝品牌、時尚媒體和時裝週贊助商處獲得。LV 等品牌公司或時尚媒體會邀請明星增加曝光度，或彩妝、跑車等品牌贊助商也會獲得一定的邀請名額。

一場時裝週中，匯集了頂級品牌，與巨星名媛、知名設計師、模特兒、時尚媒體、部落客、狗仔隊… 除此之外還有大量的百貨、網路等通路買家。時裝週講白點，就是一門賺錢的生意。

全球四大時裝週 (業內稱”Big Four”) 依序在紐約、倫敦、米蘭與巴黎四地舉辦；從紐約/倫敦/米蘭/巴黎的登場順序不難發現，其中隱含了該時裝週的地位與重要性。當然，四大時裝週也各有其特色：

• 紐約時裝週：最商業化/運動/都會

在紐約，時裝業是僅次於金融的第二大產業。紐約時裝週每年吸引逾 23 萬人次觀眾、創造逾 16 億美金的經濟效益。和倫敦、米蘭、巴黎相比，紐約將時裝週打造成最商業化的曝光平台，簡單來說就是最賺錢。

然而紐約時裝週門檻較其他三個要低，也較少時尚泰斗級的品牌，以推廣美式生活形態為主，包括了美式運動風、快時尚、與簡約的都會風格。

• 倫敦時裝週：規模最小/前衛/怪誕

倫敦時裝週規模和成交量一直處在四大時裝週中墊底的位置，其所展示的品牌大多是新銳設計師和設計畢業生的展示舞台，以創新前衛、怪誕另類的設計概念聞名。

很多媒體和買家會直接從紐約跳過倫敦、直奔米蘭，因此先前倫敦時裝週不得不動員老英倫品牌 BURBERRY 回來辦發布會以吸引媒體注目。

論其時尚和市場影響力、遠不能和米蘭巴黎相比，商業化又不及紐約，故近幾年致力於轉型。

另外提一個最近很紅的新聞：台灣設計師江奕勳參展倫敦時裝週時，把台灣的學生作業簿、珍珠奶茶，通通搬上國際時尚舞台。許多人詬病設計太過奇異前衛，然而「前衛」本身就是倫敦時裝週的特點噢！ (像這樣的衣服登上米蘭、巴黎時裝週可能才是真的奇怪)

• 米蘭時裝週：近來飽受批評”過於傳統”的批評/低調/優雅

義大利的時尚業在 20 世紀後期以精巧的手工藝與創新技術、結合了現代美學而聞名於世。特別是汽車工業、皮革製品與服裝設計。義大利本土品牌多是起源於家族產業，不若法國的奢華、紐約的美式、倫敦的前衛，米蘭的服裝低調優雅，設計經典又不失舒適。

過去，在米蘭時裝週中各類商品的銷售情況，通常都能作為通路買家掌握消費者喜好的重要觀測指標，堪稱時裝業的晴雨表。然而近年來米蘭時裝週面臨著老品牌人物把持、受贊助資金宰制、新銳設計師難以出頭的困境，屢被批評「最沒有創意的時尚之都」。

由於目前義大利的總體經濟環境相當艱困，開拓時裝業的未來被視為義大利存活下來的一大關鍵，故近年來當局也積極謀求轉型。

• 巴黎時裝週：時尚聖地/奢華/昂貴

法國作為「服裝中心的中心」、「時尚的發源地」，擁有最悠久的歷史與繁不勝數的名牌，許多頂尖品牌的旗艦店與研發中心皆設在巴黎。同時，巴黎也是唯一一個保存著高級訂製服盛事的時裝週。 (關於高級訂製服，本文最後會再為大家介紹。)

這樣的文化背景，讓巴黎成了萬佛朝宗的聖地。相較於紐約展示商業、倫敦展示前衛、米蘭展示技藝，巴黎真正吸納了全世界的服裝設計菁英。各國殿堂級的時裝設計師們，幾乎每一個都是透過巴黎，才走進了世界的視野。

時裝的通路買家們也多會對其他時裝週持觀望態度，都要等到巴黎時裝週結束之後才能確認最終預算。

在時裝週的介紹結束之前，讓我們來討論一個有趣的問題──一般大眾可能對於時尚與伸展台的印象都是「又貴又浮誇地令人費解」。此時的你可能會想：通路商就算將伸展台上的服飾買下來，又要賣給誰呢？真的有人穿得出去嗎？

別擔心，你看到的秀場可能是「Haute Couture」(高級訂製服)。

19世紀以來，巴黎的上流人士和貴族開始鍾情於華麗的高級訂製服──由專屬的時裝設計師為個別客戶量身訂做、不斷修改，從頭到尾以純手工打造且極盡奢華，最後方造就「訂製服」。

現在高級訂製服的地位早已被成衣取代。由於時尚產業是法國的重要經濟命脈，當法國政府發現既然高級訂製服無法與成衣在商業價值上抗衡，不如索性把它拔到藝術品的高度。

根據法國法律，只有在法國香檳區、選用指定的葡萄品種、根據指定的生產方法流程所釀造的氣泡酒，才可標註為香檳 (Champagne)。現在高級訂製服的法文名「Haute Couture」與法國香檳同樣是受到法律保護的命名。成為一家高級服裝定製工作室必須滿足嚴格的標準，其中包括：服裝都需以純手工製作、採用頂級材料、須有一定數量的成品需要在時裝週上展出等等。

自1945年起，至今為止只有 Christian Dior、Chanel、Givenchy 等二十間公司獲權生産高級訂製服。(你可以很明顯地看出，絕大部分都是法國品牌，顆顆。)

有了上述概念後，現在我們可以瞭解在伸展台上看到各類市場區隔的時裝走秀：

(1) 頂級品牌形象塑造：Haute Couture (Christian Dior、Chanel、Giorgio Armani)

每年的一月和七月，具備訂製服生產權的高級品牌都會推出自己的高級訂製時裝秀。頂級的工藝師和制版師費盡心思，運用不計其數的高級布料和珠寶裝飾、花費幾百個鐘頭的人工一針一線地縫制而出。平均一件高級訂製服的價格落在 2 萬到 5 萬歐元間 (約 80 – 200 萬台幣)。

回到一開始的問題：高級訂製服到底能賣給誰？

一場短短 20 分鐘的時尚秀，最重要的事不是能接到多少服裝訂單，而是品牌形象的塑造 ── 向消費者成功傳遞「Chanel」是一個高級品牌。重點是 ── 買不起高級訂製服？沒關係，我們有便宜的周邊商品！對於企業而言，真正賺錢的不是最高階的昂貴衣服，而是周邊香水、化妝品、配件，以及價格相對便宜的基本款。這才是這場短短 20 分鍾時尚秀的真正任務。

簡單來說，高級時裝秀也可以說是高級品牌的火力展示，告訴你：我們有最頂尖的工藝與地位！

(2) 高級品牌主打階層：Ready To Wear (Christian Dior、Chanel、Giorgio Armani)

第二階層的時裝稱為 Ready To Wear 、 Prêt-à-Porter，意思即「成衣」，但這並不是你所想像中的那種大眾成衣市場。義大利的時尚歷史不若法國悠久，1970 年代才逐漸從紡織代工業逐漸轉型為全球時尚中心。相較於法國的手工訂製服，當時的義大利設計師結合了時尚的設計概念、與機械生產技術，開創「Ready To Wear」的市場分類。

Ready To Wear 服裝適用的場合涵蓋日常穿著到高級典禮，客群以名人、富裕階層為主，價格約在 2000 歐元 (8 萬台幣)左右、或大眾平價市場的 3 – 5 倍價格。當然，這也是上述頂高級品牌如 Dior、Chanel、Armani 真正主打的產品與市場。(Haute Couture是很難賣掉的！)

(3) 價格較低的副品牌：Diffusion (DKNY、Versus、Emporio Armani)

上述的高級品牌為了針對不同的消費客群，而發展出了價格區間較低的副品牌。

「Diffusion」階層比 Ready To Wear 更有商業成衣以及實穿的風格。包括了 Prada 的副品牌 Miu Miu、Donna Karen 的 DKNY、Versace 的 Versus 等，就連 Giorgio Armani 也有推出它的 Diffusion 品牌 ── Emporio Armani！

(4) 時尚與大眾市場的中間帶：Bridge (Coach、Diesel、North Face)

如果說 Ready To Wear 是義大利相較法國的 Haute Couture 所拓展而出的較大眾市場，那麼相較於時尚歷史較早的義大利和法國， “Bridge” 這個階層是由美國百貨公司開創出來的。(美國的時尚文化歷史較短嘛)

由名稱可知， “Bridge” 明顯地是作為高級時尚品牌與大眾市場間的銜接，又面向了更加大眾的市場。許多的美國品牌也被歸類在 Bridge 這個階層，包括了 Coach、Diesel、North Face 等。
最後：

(5) 平價大眾市場：Mass Market (ZARA、H&M、Uniqlo)

常見的大眾成衣百貨如 ZARA、Net、H&M、Uniqlo 等品牌都位於此階層。對於 Mass Market 品牌經營中，最重要的幾項莫過於：

• 「供應鏈管理」── 與全球一千多間布料工廠簽約、產品量大又多元的情況下如何協調各地？
• 「市場區隔」── 在沒有高級品牌效應的光環下，如何做出品牌區隔？
• 「實體店的消費者體驗」── 如何讓消費者以低廉的價格便能輕易體驗到時尚感？

從上面 Haute Couture、Ready To Wear、Diffusion、Bridge 到 Mass Market ，我們不難得知 ── 看似高冷難親的高級品牌，真正賺錢的還是越低階、越接近大眾的市場啊！之所以營造高冷的品牌形象，只是更好地販賣「時尚」這個夢想而已。

呼，從四大時裝週的各自特色，到時裝週中、面向不同客群的五大時裝階層，總算介紹完整個時裝週的重要意義了。讓我們拉回現在在百貨專櫃上看的到的衣服吧！

4. 上市：陳設於店面中的系列時裝 (2017 年 2 月)

通路買家們根據自己的消費客群，在時裝週上挑選、購入相對應的服飾；同時也會參考時裝週上的高級服飾如 Haute Couture、Ready To Wear 等發布的流行元素，回去進行商品企劃與生產。經過了半年後，我們終於能在百貨專櫃的陳設中看到了源於時裝週中的服飾。

時代在變遷，傳統上的時裝生產流程，近來也因為大環境與消費者的喜好而有所改變。這邊我們要提兩個興起的潮流 ──「平價時尚/快時尚」與「See Now, Buy Now」。

首先是快時尚。總部位於西班牙的 Inditex 集團遊走於合法公司與盜版商的灰色地帶，該集團擅長竊取伸展台上的時裝設計，再用低廉的價格生產出來；這個手法正是該集團旗下 ZARA 的商業模式。

ZARA 派出設計師描繪在伸展台所看到的產品、針對款式加以研究，最後再由工廠快速生產出廉價產品，在快速兩週內將衣服從草圖變成店裡的架上商品。ZARA 甚至承諾：沒有任何商品會在架上擺放超過兩星期。

快時尚的發生無疑地，對於時尚產業半年上市的傳統造成了一股壓力 ── 此舉讓時尚產業的生命週期無形中被壓縮得更短。也因此在 2016 年開始，時尚圈也開始興起「See Now, Buy Now」，意即在走秀的當下，秀場即會宣告：現在看到的服飾已可以直接在網上或店面中購得。通常會搭配影片與銷售網站，讓消費者在看秀的過程中能上網購買，咦，說好的半年上市呢？

時尚：制度化的商業網路

總結來說，今天我們得知了：所謂的時尚，是被一小群人製造出來的。透過大公司的預測 (顏色、布料、流行元素)、並配合了自我應驗式的預言，讓時尚不得不成真。(我預測你會買什麼、所以就專門生產什麼，到最後市場上也只有那種產品) 雖然這樣的「慢時尚」，也開始面臨 ZARA 這種「快時尚」公司崛起、數位化轉型等挑戰。

我們也可以得知，身為紡織大國法國與義大利，之所以能取得國際認可的時尚地位，原因在於其制度化的商業網路，包括了業內人士、媒體、非政府機構和國家之間系統性的合作：從 18 個月前的流行色、一年前的布料市場、半年前的時裝秀，到最後才是你我手上的這件衣服。

進入門檻相對低的服飾業，卻能藉由縝密的趨勢操作過程、並在這些環節中層層掌控了供給資訊，方才成功塑造了高級品牌效應與龐大的時尚產值。就算台灣紡織技術位於全球前段班，也有相關單位制定流行色 (天啊你知道嗎)，由於政府、經營者，乃至於社會風氣，對品牌、行銷、設計等軟實力長久來不甚注重，才造成台灣在供應鏈上的話語權仍不及國際大廠。

在東京、新加坡、上海等地的時裝週紛紛崛起的此刻，若未來不思轉型，將仍可能走在殺價競爭的代工廠之列。 (想想：為什麼台灣沒有時裝週呢？)

最後的最後，再留個懸問在這裡給大家：

同樣是販賣品牌體驗，百達（2236-TW）翡麗 (Patek Philippe)、布加迪 (Bugatti)、伯蘭爵 (Bollinger Rosé)、愛馬仕 (Hermès)…  也是時尚品牌嗎？但這些品牌的產品難道也有著每六個月就要汰換一次的生命週期？(好不容易買一台 Ferrari，卻要六個月後就報廢它嗎?)

這些產品若要給它一個歸類，都被稱作「奢侈品」，與時尚的經營模式有著迥然的差別。下一篇就讓我們來看看：什麼是奢侈品？

【延伸閱讀】

• 快時尚大戰白熱化 詳解 Uniqlo 與 ZARA 最新競爭戰略
• H&M 旗​​下品牌退出日本市場 哪種快時尚不受日本歡迎

The post 掌握人心的公式 ─ 時尚 appeared first on StockFeel 股感.

早期的使用者主要透過家用電腦或筆記型電腦瀏覽網頁。也因此工程師在製作網頁時，多以電腦螢幕大小作為預設規格。

然而隨著智慧型手機與平板電腦的普及，僅有電腦版面的傳統網頁早已不符合市場需求：

1. 使用者體驗差：比例扭曲、加載速度慢

電腦版網頁在手機上經過縮放後，往往會有比例扭曲的問題 ── 頁面太長、圖片過大、字體過小；另一方面，由於電腦的資料處理能力優於手機，若無特別使用刪減過資料量的手機版網頁，以手機直接加載電腦版網頁的速度會非常慢。

五成以上的受訪者表示 ── 當行動網站使用不便時，他們將不願意進一步使用該公司的產品或服務。

2. 上千億的行動網路市場

2016 年的全球手機覆蓋率已逼近 91%，其中高達四分之一的用戶僅使用智慧型手機造訪網站。透過行動網路，消費者將不受時空限制、能隨時隨地的進行交易；企業也更容易達到營收成長與品牌經營的目標。

事實上，許多開發中國家與鄉下地區常因為網絡基礎建設欠缺，家戶中並沒有電腦，登入網路的設備以智慧型手機為主。當台灣電商喊著進軍東南亞的口號時，行動版網站的重要性甚至大於電腦版。

綜合上述兩點，為了讓使用者擁有更佳體驗，藉以增加流量和普及率，我們勢必得採用能和手機螢幕規格相應的網站版面。

下述將介紹三種常見的螢幕優化方案，何者最適合您的產品或服務性質：

一、APP 應用程式

二、行動版網站: 又分成「手機版網站」與「響應式網站」(Responsive Web Design, RWD)

一、APP 應用程式

APP 一開始就是專門為手機而設計，能帶來最優異的使用者體驗。 如果您想要：

1. 效能最強：對行動裝置的支援度最佳。

2. 硬體功能：能使用手機內部硬體，包括相機、定位、動作感知元件 (陀螺儀)。

3. 使用頻繁：擁有推播、通知等功能，使用頻率高，適用於媒體、遊戲或購物平台。

4. 離線操作：可離線操作，加載不受網速限制。

5. 互動介面：較為複雜的 UI 設計與特製圖示。

然而，手機 APP 也有著下列缺點：

1. 成本高：製作測試成本高。

2. 無法跨平台：須針對 iOS 和 Android 系統開發不同版本。

3. 開發上架時間冗長：上架到軟體商店的審核冗長耗時。

4. 主動下載麻煩：須下載才能使用，占用手機空間。

5. 只能用 APP 商城搜尋：無法以網頁搜尋，不利 SEO。

事實上，APP 要求使用者主動在 APP Store 或 Google Play 等 APP 商城搜尋並下載程式、維持長時間不刪除且定期更新，整體門檻可以說相當高。

從下載排行榜上可得知，用戶對於 APP 的需求多以遊戲、娛樂 (免費影片或音樂)、社交 (LINE、Facebook、Instagram) 為主。

因此單看下載次數並不準確。企業應考量：「怎樣的 APP 會讓消費者想長期留在手機裡？」如果只是要在網頁上置放公司、產品介紹等靜態資訊、無特殊功能需求的情況下，並不需要另外開發 APP。

分析完了 APP 與網站的差異後，讓我們來看看兩種針對手機網站的開發方式。

二、行動網站

(1) 手機版網站

專門為手機設計的網頁介面，例如 Facebook 就有一個手機專用的網域 — m.facebook.com 來顯示手機版網站。

手機版網站的做法是一次製作兩個網站 ── 電腦版與手機版各一個，因此網域名稱會不一樣 ( facebook.com 和 m.facebook.com 是兩個不同網站)。當網站偵測到電腦時、會自動跳出電腦版網站；偵測到手機則跳出手機版。

這種方式的優點是簡潔明瞭，不會一口氣下載整個網站的圖片來加重手機網路負擔，特別針對手機設計的介面也較容易閱讀。

但缺點也很明顯：

1. 開發成本較高：得一次開發兩種版本的網站。

2. 無法提供完整功能：手機版網站並不提供完整的網站資料，而是經過刪減的功能、文字和圖片。因此通常還會提供一個「返回電腦版」的選項 ── 如圖示的台北市政府網站。

3. 分散流量：使用手機的消費者和使用電腦的消費者會連到兩個不同的網站，流量無法集中在同一個網站中，不利搜尋引擎優化 ( SEO )。

不但使用體驗不一致 ( 許多使用者會想按回「電腦版」)、兩個不同的網站分散流量，難道針對每一款不同的行動裝置 ( 平板、大小不一的手機尺寸 ) 都要特地設計一個新的網站嗎？

因應而生的響應式網站，就是為了更好的改良這個問題。

(2) 響應式網站 (Responsive Web Design, RWD)

除了傳統的 APP 與手機版網頁，「響應式網站」( Responsive Web Design )是近兩年來最熱門的行動版網站開發趨勢。相較於手機版網站是製作兩個不同版本網站，RWD 網站的特色是：讓同一個網站能自動依據偵測到的螢幕大小調整圖片比例。

想知道一個網站究竟是採用手機版還是 RWD 嗎？用你的電腦就可以測試了！

以臺北市政府和 IBM 的網站為例，用電腦點開網站後，將瀏覽器視窗慢慢地壓縮到手機的大小：

• 臺北市政府
• IBM

將電腦版網站的瀏覽器視窗逐漸縮小壓扁後，我們可以看到臺北市政府的網站文字和圖片並不會依據視窗大小調整比例；IBM的網站則會自動縮圖並重新排版。

RWD 網站的優點如下：

1. 開發成本低：不用針對不同裝置開發數個以上的網站，同一個網站可自動依據螢幕大小調整版面比例。

2. 提供完整網站功能：電腦版頁面和手機版的內容相同，使用者體驗一致。

3. 佈署速度快： 在單一程式碼上即可運行。

缺點則包括：

1. 運行速度慢：不像手機版能依據手機性能、下載部分資料即可；RWD 加載整個網站的資料。適合頁面簡單、資料量少的網站；不適用過於複雜的頁面。

2. 網站須重新製作：RWD 依照比例調整的功能，必須從頭製作起一個全新的網站。若原先已擁有了電腦版網站，可在需要手機版時另外製作一個網站。因此許多的政府網站因為已有了一個舊版的網站，若將網站整個打掉重練、做一個全新的網站得耗費蠻多時間精力，如此不如另外做一個手機版網站方便。

下表為您整理了「APP 應用程式」、「手機版網站」和「RWD 網站」三者差異。企業在經營線上商業模式時，到底應採用何者呢？

首先，企業主必須確認希望在網站上所提供的服務：

• 結合手機硬體功能，如拍照、定位：APP。
• 單純的產品簡介：RWD 網站。
• 原網站有複雜的介面設計或大張圖片、手機跑不動：手機版網站。

事實上也不一定要只做 APP、或只做手機版網站。衡量預算和需求，兩版方案都製作同樣是個選擇——依據行動方案提供商 91 APP的研究表示，官網能夠廣泛接觸新客群；然而 APP無論是回訪率、停留時間、訂單轉換率都是官網 3 倍，因此適合經營熟客。
經由官網能培養更多新的粉絲、藉以帶動 APP 下載量，比起單純僅採用「手機版網站」或「APP」，「手機網站＋APP」或許是個更好的選擇。據 91 APP 宣稱：「APP 下載幅度是未有官網前的 2 倍。」

經過了上述的介紹，希望您對企業在營行動商機的方法有了更多的瞭解。本次的網路行銷專題系列就到此告一個段落，配合使用者需求、預算金額、開發日程、公關銷售等規劃以找到最適切的線上品牌營銷辦法，方為經營上策。

感謝您的收看，讓我們下次再見。

【延伸閱讀】

• 你不可不知的網路行銷知識（I）—什麼是網路
• 你不可不知的網路行銷知識（II）—SSL
• 讓你的網站搶到黃金地段 — 搜尋引擎優化（SEO）
• 最有效的品牌經營方式 — 內容行銷
• 你相信你的行為早已被控制了嗎？談談 Call-To-Action

The post 行動網站 — 線上營收的決勝關鍵 appeared first on StockFeel 股感.

在建立和傳播品牌時，「寫作」是最有效的方式之一。透過眾人分享散播，文字的影響力是無遠弗屆的 — 總會有人因為你的一篇好文章而受益。

藉由你所經營的文章，人們能瞭解你獨特的性格與形象；如此推及到你經營的網站、所做的產品等等，也能進一步因為你的品牌形象而受惠。

今天，就讓我們來談談內容行銷 (Content Marketing)，以及我們該如何開始藉由良好的網站內容，來進行品牌經營。

什麼是內容行銷？

內容行銷 ── 透過創作、分享內容給既有客戶或潛在市場，達到行銷的效果。
簡單來說，就是以任何形式的創作 (不限於文字，圖片、影像、作品…)、包括了任何能講述你的企業、產品故事的內容，來告訴這世界你的故事。

你對於部落格 (Blog) 的認知是什麼呢？美食美妝旅遊？看無名小站正妹？心情廢文紓壓？上述功能都相當常見，多數人對於部落格的認知也多僅止於此。然而若著眼在更加長久的知識傳遞價值，部落格寫作能帶來的效益遠超乎想像。

我們在搜尋引擎優化 (SEO) 的介紹中提過，高品質的網站內容 — 定期更新內容、分享次數多、流量高、有許多網站推薦導引…等，都是 SEO 行銷的重要方法。

然而要如何才能成功經營好的網站內容呢？事實上，沒有任何方法，會比寫作更好建立品牌形象。內容行銷不但是與消費者最好的溝通方式，也是近來行銷的主流趨勢。

比如企業常以 FB 粉專固定發文或分享、定期更新公司官網的文案與產品介紹等等方式與使用者在線互動，來作為品牌營銷的主力。以個人來說、打造個人品牌最好的方式亦為持續寫作。別小看內容在網路上無遠弗屆的力量啊！

“內容行銷結合了優使性 ( Utility )、教育資訊、社群、娛樂。”── Kraft Foods 媒體與消費者關係部主管 Julie Fleischer。

內容行銷有什麼好處？

說了這麼多，內容行銷對於企業本身有什麼幫助呢？「內容行銷」主要具備了兩大好處：

 1. 清晰的資訊傳遞

專有名詞的存在，往往是客戶無法理解該產品/服務的一大原因。

比如在對客戶介紹什麼是 SSL 時，若使用大量的專業術語：「SSL 的中文是超文字傳輸安全協定。在計算機網路上，HTTPS 經由超文字傳輸協定進行通訊，但利用 SSL/TLS 來對封包進行加密。」客戶聽完，心想：所以這是什麼？重要嗎？為什麼我要花錢買這項服務？

若改成：「SSL 是虛擬世界中，網頁的安全憑證。人類需要身分證、網頁也要。」是否好理解許多？也更容易說服客戶為此購買產品。

如何用對方最好理解、最簡單直白的話語傳達艱澀的知識？全球規模最大的創投公司紅杉資本曾要求創業家必須具備明確的創業目標：在名片背面的有限篇幅內，就能描述出公司的業務、要解決的是什麼問題？

另外，比爾蓋茲於 2015 年所公布的私房書單中，《Thing Explainer：Complicated Stuff in Simple Words》亦強調簡明溝通的重要性：如果你無法簡單說明一件事，就代表你並非真正理解。

在這樣的溝通方式上，寫作即是最好的訓練──如何在有限字數內說明清楚一個複雜的道理。

2. 成為行業內的意見領袖

當人們在搜尋引擎輸入一個問題時，都是在尋求該問題的解決方案。

比如，人們會問：「為什麼女人總是這麼難搞？」、「肚子脹氣該怎麼辦？」等。由於搜尋引擎優化 (SEO) 的關係，Google 會依據公信力與內容準確度找出排名最高的網站。也就是說，每一個被搜尋到的網站，都是一個針對該問題的解決方案。

因此，若你能藉由清晰的資訊傳遞、成功解決大部分人的問題，比如身為一家販售「把妹話術」教學書籍的廠商，你能使用正確又好理解的內容回答：「為什麼女人總是這麼難搞？」搜尋引擎會排名越高。如此又讓流量、口碑上升，Google 又會再度將這個網站排名越前面，形成正向循環。

以清楚明白的內容解釋一個問題，藉由 SEO 與內容行銷打響品牌知名度，成為領域內的解決方案提供者 (Solution Provider)。未來當人們想到「戀愛顧問」或「把妹顧問」時，你絕對是不二人選。

如何開始內容行銷之路?

1. 創建私有場域 — 讓各社群平台的流量導到你的專屬網站
Google+、Facebook、Twitter、Pinterest，甚至是微博、QQ…內容創作出來了之後，到底要發布在那裡好呢？
答案是：都好，但你必須創建「專屬網站」。

在社群平台上發布，好處是能觸及更廣大的客群、讓更多人看到。然而，用別人家的土地，就得照著對方的規則玩。
今天該網站若想讓特定內容得到更多關注、或擋下特定言論、甚至要求租金…單單將客群和流量都鎖在同一個網站 (如 Facebook)，那將會是很危險的事情。

因此，你應該在多款社群媒體平台上都創建企業，但重點是 ── 將所有的流量都導到你個人的專屬網站！在 Facebook 不用發布完整的內容貼文，而是附上連結、將讀者流量導到個人網站上。

只有在自己的網站上進行創作，才能照自己的規則走。以內容管理系統來說，Wordpress、Joomla 都是相當理想的工具。

2. 創作注意事項

既然主題、發布平台都選好了，接下來要開始進行創作啦！

3. 內容形式多樣且豐富

除了文字之外，若能搭配圖片、影音等更為豐富的形式，不但能讓讀者看的開心，搜尋引擎優化的關係、也將讓搜尋曝光率更高。無論是文字、圖像、影音、攝影、動畫…內容形式越多元越好。

3. 圖片重於文字

由於人類都是視覺的動物，有時單一張圖片會比文字更具有說服力。或以圖表的方式來呈現資訊──近年流行的扁平化資訊設計（可參考股感網站的資訊設計）就是很好的視覺效果。

4.  參考成功的經營模板
創作的同時，我們能看看其他已經成功的人是怎麼做的。

選定幾個參考的經營模板，，研究對方的追隨者和對方追隨的人。比如 FB 創辦人馬克·祖克柏 (Mark Zuckerberg)：看看對方的讀者或訂閱客群有哪些、分析該客群的特色和痛點；同時也看看他訂閱的人是誰──當初啟發祖克柏的人是誰？這可比其本人還更值得探究！

5. 定時定量創作

另外，別三分鐘熱度、心血來潮才發文。許多人發文的問題是 – 要麼過度密集、要麼時隔過久。
和開店一樣，若店長隨心所欲的開張或關門、而非遵循特定的時間營業，客戶將摸不著頭腦、打開網站發現幾次都撲空後，他們將再也不會有興趣查閱了。

定期發布內容則是良好的開店準則，不但能讓人心裡有數該於何時拜訪你的店舖、亦能創造客戶的期待感──每到特定時段、就知道又有新內容可以看了！

內容行銷建立的是長久的品牌形象

有些讀者可能會直覺想到，部落格和內容行銷衝的就是流量，而有流量就有廣告的空間。目前常見的部落客賺錢的方式也都是如此。一般的部落格廣告有兩種方式，分別為「廣告」和「業配文寫手」是常見的營利方式：

1. 於頁面空白處置放廣告

由於你已經是特定領域的意見領袖，比如釣魚：相信釣具廠商將很有興趣於你部落格文章的側邊置放該公司廣告。

2. 業配文寫手

俗稱葉佩雯。常見於美食、美妝部落客。

事實上，上述兩種模式都不是理想的營利方式。無論是廣告、還是業配文，都會破壞網站的內容品質。（尤其是蓋版廣告、逼你按叉叉時不慎誤按以騙流量）

好的商業模式必須具備「正向循環」的特點──若一種營利方法會破壞產品或服務的品質，必然不是一個好的商業模式。廣告越多、業配文越多，才賺得越多；然而隨之地，流量就越少、導致最終網站的關閉。

廣告營收與內容品質應如何取捨？

答案是：內容行銷創造的並非直接營收，而是間接、軟性的品牌形象建立。

這並非直接營收，卻能為公司或個人品牌本身、帶來更多的知名度和優質形象。只要有名聲、形象、人脈、高品質的內容 (產品或服務)…能獲得的效益、絕對是遠超乎廣告和業配文！

以品牌形象作為營銷的目的，任何會傷及該形象的事情，我們都應盡量避免。因此，絕對不要發布不實或造假的內容。充分揭露與誠實，是長久經營的唯一要點。

無論個人或企業都應朝解決方案提供者的目標前進並經營線上優質品牌形象。什麼是最容易、成本最低又最快速的做法呢？開始寫文章、經營好內容吧！

註：股感的商業模式與經營理念，正是「內容行銷」噢！

【延伸閱讀】

• 你不可不知的網路行銷知識（I）—什麼是網路
• 你不可不知的網路行銷知識（II）—SSL
• 讓你的網站搶到黃金地段—搜尋引擎優化（SEO）

The post 最有效的品牌經營方式 — 內容行銷 appeared first on StockFeel 股感.

架設好一個網站，就像是在虛擬世界中開始經營一家店舖。 一家實體店鋪的成功，可以歸類為「地段」、「招牌」、「商品」，地段帶來人潮，招牌吸引人潮進來店內消費，好的產品吸引顧客購買則產生收益。

若是在虛擬世界中，這三樣要素則分別叫做「搜尋引擎優化 (SEO)」、「關鍵字」、「網站內容」。

關於 SEO，我們已在【讓你的網站搶到黃金地段 — SEO】一文中討論過。這次就讓我們來討論另一個要素：關鍵字，也就是店鋪在外的「招牌」。

什麼是關鍵字？

在操作 SEO 時，得為網站確定一個主題；一旦確定，那麼全站都圍繞這個主題進行擴展，這個主題就是你的核心關鍵字。

關鍵字能讓你的潛在客戶可以快速找到你的網站、並藉此更有效地將網站流量轉換成你的收益。

關鍵字的作用1 ─精準行銷

在現實世界中，除了將店鋪開在人潮洶湧、能見度高的黃金地段──進行搜尋引擎優化 (SEO) 讓排名越前面越好──還需要讓對的人進到店鋪中。這時「招牌」就能發揮作用。

店鋪的招牌除了能吸引人潮的目光，更重要的功能是吸引「對的客人」走進來消費，畢竟如果進到店鋪中的是一群對產品沒興趣的人們、東晃晃西晃晃就走出去了，就算進出的人潮再多，產品仍然賣不出去。

虛擬世界中，關鍵字是人們想查找特定產品、服務、或想解決的問題時，鍵入搜尋引擎欄位的字眼，所以關鍵字直接反應了客戶的需求。

如果讓店鋪的招牌──如網站標題、或首頁的網頁內容──符合使用者所搜尋的關鍵字，告訴他們「你想要的東西，我們這裡有賣」。進來網站的這些人潮，就不會是進去晃晃就離開的假流量，而是真正對產品感興趣的潛在客戶。

關鍵字的作用 2 ─瞭解市場需求動向

身為廠商，我們也可以透過關鍵字、反過頭回去瞭解客戶和市場的需求。如果你今天是一家冷氣機廠商，在販售冷氣機時，你可能會想知道多數客戶在意的是哪些功能──要強調產品的除溼功能好？不會滴水？還是越省電越好？

試著在 Google 搜尋引擎欄位中鍵入「冷氣」，即可看出最常被人們搜尋的關鍵字眼。而這些搜尋字眼，就是大部分客戶在意的事情。

若確保網站內容中涵蓋這些關鍵字，強調：「我們的冷氣產品具有良好的除溼功能，且電費低、不滴水、在小坪數中的房子也能適用…」就能配合市場的最新需求。

這就像是現實世界中，我們總看到許多販賣冷氣的店鋪都有「日本進口的冷氣」、「省電認證的冷氣」之類字語的招牌，即反映了當前日本進口、省電的冷氣較受消費者歡迎。

當然，市場需求會隨時間不斷變動。觀察每一段時期消費者會搜尋的關鍵字，即可知目前最時興、或最受到矚目的消費者需求是什麼，有了這些即時的市場資訊，此時若再回過頭去調整產品或服務內容，便可以確保企業不被淘汰，隨時掌握瞬息萬變的市場脈動。

如何選擇合適的關鍵字？

通常網站行銷人員要不斷嘗試著在各大搜尋引擎中、使用關鍵字搜尋自己的網站以觀察排名。各國使用者偏好的搜尋引擎不同，因此尚需根據目標客群習慣的搜尋引擎 (Google、Yahoo、Bing..等)

另一方面，由於搜尋引擎的演算法會記錄使用者的搜尋習慣、進而客製化搜尋結果，讓使用者頻繁搜尋的網站排名往前；為了不讓測試結果失準，還得打開無痕視窗進行確認。

如此反覆試驗關鍵字是否成功的過程實在相當繁瑣，以 Google 搜尋引擎來說，Google 推出了「關鍵字排名查詢工具」，讓關鍵字研究變的更加簡單。 以下提供幾個優秀的關鍵字排名查詢工具，有興趣的讀者可以玩玩看：

• Google 關鍵字規劃工具
• Google 搜尋趨勢

至於要選擇什麼樣的關鍵字來經營網站，不單根據一個關鍵字被搜尋的頻率高低，還要思考：

• 「競爭程度」：是否有很多網站已經在經營這些關鍵字了？若使用相同的關鍵字會否難以差異化、更難勝出？
• 「網站客群」：應該要使用短期熱門的關鍵字讓流量衝高，還是使用偏向利基客群的關鍵字？
• 「轉換率」：使用哪些關鍵字，購買商品的轉換率才真的高？ (流量和消費者掏出錢是兩碼子事)
• 「品牌形象」：一味地使用熱門關鍵字 (如：柯文哲) ，卻讓網站的主題缺乏一致性、甚至不符合長遠的品牌形象。

… 等等條件，行銷人員得列出所有考量點、依據需求給予各條件不同的比重，最後選出適當的關鍵字。

關鍵字研究作為搜尋引擎優化 (SEO) 的其中一個環節，同樣是必須持續不斷進行的過程。根據變動的消費者喜好、選擇合適的關鍵字更新內容，最後獲取更多流量與營收。

【延伸閱讀】

• 你不可不知的網路行銷知識 (I) —什麼是網路
• 你不可不知的網路行銷知識 (II) —SSL
• 讓你的網站搶到黃金地段—搜尋引擎優化 (SEO)

The post 吸引真正的客戶進到你的網站—關鍵字 (Keyword) appeared first on StockFeel 股感.

身為一個企業主、亦或新創公司創辦人，在有了好產品、好服務，甚至是好商業模式之後，你看著商業企劃書滿意的點點頭，心想：「之後公司要日進斗金絕對不是問題。」

然而在營運一段時間後，你意外的發現…居然沒有人聽過這個品牌？!明明官方網站也做了，流量卻近乎零。上 Google 搜尋了一下，你心底一涼，發現前 10 頁網站排名的結果全是競爭同業。公司官網的搜尋結果位在第 20 頁，能見度微乎其微。

一家公司有了好 Business Model 就夠了嗎？萬事俱備，只缺東風。讓自己的網站有優秀的搜尋排名，才等於掌握了網路世代客群。其中的關鍵正是 SEO ( Search Engine Optimization, 搜尋引擎優化 )。

什麼是 SEO？

搜尋引擎優化 (SEO) 讓網站在搜尋結果的排名更前面、帶來更多流量和品牌曝光度。

架設好一個網站，就像是在虛擬世界中開始經營一家店舖。

一家實體店鋪的成功，可以歸類為「地段」、「招牌」、「商品」，地段帶來人潮，招牌吸引人潮進來店內消費，好的產品吸引顧客購買則產生收益。若是在虛擬世界中，這三樣要素分別叫做「搜尋引擎優化 (SEO)」、「關鍵字」、「網站內容」。

讓我們來看看究竟如何能搶到虛擬世界中的黃金地段──搜尋引擎優化  (SEO) 吧。

SEO —提升「非付費」搜尋結果的排名

在現實世界中大家都知道，若店鋪開在人潮洶湧、能見度高的黃金地段，就可以讓更多的客人進到店裡面；地段越好、租金也就越昂貴。因此 Google 讓商家付租金給它、在搜尋結果的最上方「租」了一塊黃金地段，以得到最多曝光度。

也就是說，如果在 Google 搜尋一個項目，可以發現有兩種搜尋結果：一種付費，一種非付費。付費搜尋結果通常能在 Google 搜尋結果中得到最高的排名。

要待在「非付費」黃金地段——不用付租金給 Google，搜尋引擎會直接依據使用者鍵入的關鍵字，抓出最適合該使用者的內容並進行排名。意思就是，Google 會根據使用者喜好，找出最符合的店鋪「招牌」和「商品」去排序。

使用付費廣告的地段則有兩個缺點：預算有限、品牌行銷卻是永無止期—你總不能放個幾天，等錢花完後就撤下來，然後從此以後照樣沒人看的見你的官網吧？

再來是缺乏公信力—大家都知道這家店鋪只是用錢租了個最醒目的黃金地段，而非真正有提供最適合自己的商品，那麼會走進店裡面的客戶就變得相對稀少。 (根據統計，75% 以上的使用者不會點擊進入付費的搜尋結果)

所以說，在「非付費廣告」 (一般搜尋結果) 的地方搶到黃金地段，讓自己的店鋪 (虛擬世界中，就是你的網站) 有更多的人進來、店鋪中的產品和服務能被更多的人看到，進而帶來營收。

如何操作 SEO？使用好的網站內容吧！

大家都認同 Google 的搜尋結果有著相當高的公信力。而 Google 演算法在抓出網頁結果時，是藉由網站內容的「品質」與「搜尋相關性」給予相對應排名。

這樣的話，那我的網站內容要放什麼，才有高品質跟高搜尋相關性？

其實不用把 Google 演算法想的太難。事實上，Google 演算法跟網站使用者，在評價一個網站的優劣時，都是採用一樣的觀點—準確、豐富且定期更新，讓人產生信任感。

如果走進一家店舖，發現──產品最新上架的日期是 2001 年、幾乎都過期了；店內的設計有如迷宮、找很久找不到想要的產品；想要買蘋果（Apple, AAPL-US）、卻發現裡面賣的都是機器零件；除了你之外沒人走進來過、也沒人推薦過這家店──你一定會很快就離開了。

虛擬世界中的「網站內容」就是吸引客戶的產品。如果當你發現這個網站：

• 內容很久沒更新過… (最後更新日期： 2001 年 1 月)；
• 網站目錄亂七八糟、讓你找不到想要看的資訊；
• 內容跟搜尋的關鍵字沒什麼關聯 (搜尋蘋果、網站裡面卻是滿滿的零件介紹)；
• 沒外部連結推薦 (沒粉絲專業或其他曝光平台)。

不但你不想走進來，連 Google 搜尋引擎都會遠遠的將都會把這個網站扔到 100 頁以外的搜尋結果了。

那要怎麼做才比較好呢？ 這裡提供幾個參考方向：

• 清楚的首頁與導航─不用把所有的內容都塞在首頁，但要如何讓使用者知道怎麼透過網站導引 (Navigation bar) 、從網站首頁連到相對應的網頁。
• 合理的網站名稱─別以為自己的官網取個「潮潮吧車」的名字聽起來很厲害，名字怪到讓 Google 演算法不知道這是什麼，就不想抓你出來當結果了。
• 多樣化的內容形式─有影片、聲音、圖片、新聞稿、文章、FB 等外部媒體…越豐富的內容讓使用者看的越高興，Google 演算法也是。
• 定期更新─讓使用者知道這是有人在維護、也是可以相信的網站。

只要架設網站的人更站在使用者的角度去思考：「怎麼樣才能讓使用者看得懂我的網站？」Google 演算法也會越傾向把你放在更前面的排名。

搜尋引擎優化 ( SEO ) 便是藉由網站內容優化的方式，促使商家不斷開發並更新符合消費者喜好的產品、同時也能搶到黃金地段，形成正向循環。

多久才能看到 SEO 的成效？

你可能會心想，天啊！要置放跟關鍵字很有關聯的內容，又得把內容用影音等各種形式呈現的很豐富，還不能一勞永逸、得持續更新…究竟何時才能看到成效呢？

如果此時有位工程師跟你說：「將網站交給我設計，我的 SEO 技術厲害到可以讓你的官網第一天就排名在 Google 搜尋項目中的第一名！」許多人可能就因此付錢了。

事實上，要立即讓網頁出現在搜尋結果第一頁只有兩種可能。第一種可能是使用付費搜尋結果—有錢就是老大，只要願意給錢，Google 當然樂於把你排在第一頁搜尋結果最上方又最醒目的位置。

另一種可能叫做欺騙 Google。比如說寫個超強的網站程式欺騙  Google 演算法，讓它自動把網站排在前面一點的位置。正好也有人告訴你，他是個厲害的工程師，輕輕鬆鬆就能辦到。

小心，這個人有可能正是毀掉你網站的「黑帽 SEO」！

相對於「白帽 SEO」(White Hat SEO) 採用內容提升的方式在做搜尋引擎優化，「黑帽 SEO」(Black Hat SEO) 不注重內容好壞，只用技術性的手法鑽 Google 演算法的漏洞—比如塞了一堆無關的連結，欺騙 Google 演算法以為它是個內容豐富的網站，然而當使用者點進去時，會發現即使網站排名高，內容卻相當空洞、甚至和搜尋關鍵字無關。

這有什麼不好？對網站架設者輕鬆很多不是嗎。

事實上，黑帽 SEO 會傷害 Google 的生態系，甚至造成 Google 搜尋引擎的毀滅。

• 對於使用者而言，他會信任 Google 引擎的搜尋結果，是因為相信「Google 演算法會根據我的搜尋需求，抓出內容最棒的網站給我！」
• 對於網站架設者而言，也是相信「只要我將網站內容做的越好，Google 演算法就會越把我排在前面！」

這是一個良性循環。

然而一旦使用者發現，無論搜尋什麼，都只能搜到無關緊要、且內容空洞的網站；而網站架設者也認為，只要欺騙過 Google 演算法，就不用花心思更新好的網站內容。惡性循環之下，就再也不會有人使用  Google 搜尋東西了。Google 搜尋引擎等同毀滅。

因此，Google 很小心翼翼地維持使用者彼此的信任感，絕對不會容許有人破壞這樣的良性生態系。一旦 Google 發現你是黑帽 SEO，便會採用極其嚴厲的懲罰，比如把你丟到一個雲端的暗黑垃圾桶中，或第  100 頁搜尋結果，完全的封鎖你的網站。等於是你的店鋪因為犯法而被法院查封、關門大吉了。

由於 SEO 是以「內容提升」讓搜尋引擎以使用者滿意度來排名，這樣過程可能長達數週、甚至數月才能初見成效。故請謹記，SEO 是一個持續且長遠的品牌行銷過程，絕不可能一蹴可幾。

(很多人嫌默默耕耘很麻煩，然而凡事都不可能不經過努力就一步登天。)

簡言之：

SEO 是藉由優化網站內容、進以提升非付費搜尋結果排名的過程。

推薦作法包括：

• 網站的資訊呈現採用扁平化設計 (有興趣了解扁平化設計的讀者歡迎參閱【UI 設計界的大勢潮流—扁平化設計】一文)
• 友好的 URL 設計 (網址不要一大長串讓人看都看不懂的亂碼，簡潔好記)
• 清晰的標題
• 讓許多外部網站鏈接過來 (讓 Google 相信你是權威網站)
• 精準的關鍵字 (Keyword)

…

經過解釋之後，您有更了解 SEO 一點了嗎？下一次在使用 Google 搜尋引擎時，請您不妨細心體會，看看搜尋結果是否符合上述要點。

下一篇，我們將來介紹 SEO 環節中的重要角色—關鍵字 (Keyword)。

【延伸閱讀】

• 你不可不知的網路行銷知識（I）—什麼是網路
• 你不可不知的網路行銷知識（II）—SSL

The post 讓你的網站搶到黃金地段 — 搜尋引擎優化（SEO） appeared first on StockFeel 股感.

許多人可能都有過下述經驗──接到詐騙電話、對方說出你曾經在 XX  商城購買商品的紀錄。然後現在系統稍稍出了差錯，叫你購買點數、或再匯款過去。

層出不窮的網站被駭或資料外洩事件，絕對讓人不想、也不敢再於該網站登錄或消費，甚至是透過網站與你做生意。要為提供客戶一個安心又安全的網站環境，最好的解決辦法就是──將網頁設定一個安全的加密裝置！

這個加密裝置叫做「SSL」( Secure Socket Layer, 安全通訊端層 )，是網頁的安全憑證。

今天就讓我們來聊聊—什麼是 SSL、為什麼我們要重視 SSL。

SSL—虛擬世界的安全憑證

SSL 是虛擬世界中，網頁的安全憑證。

現實生活中，用來證明身分的證照有駕照、護照、身分證、健保卡…。虛擬世界中，每個網頁也都有一個身分證，而 SSL 就是虛擬世界裡的身分證。

現實生活中核發身分證的單位是戶政事務所；網路上則有一群專門驗證網站的真實性、提供 SSL 認證的業者，如：GlobalSign、VeriSign、Entrust 和 GeoTrust。

以博客來網站為例：你想過博客來可能是一間假公司嗎？我們要如何相信博客來網站上對應的博客來書局，是真的存在？

發布 SSL 憑證的業者會確認「博客來」這間公司和網站的真實性，最後頒給博客來網站一張「SSL」安全證書，讓瀏覽器在進入博客來網站時，知道這是一個值得信賴的網站。

為什麼我們要重視 SSL?

SSL 保護了網站使用者在傳輸資料時不受駭客入侵。

我們已於【什麼是網路】的一文中討論了瀏覽器和伺服器是怎麼運作的──「網頁」就是儲存在「伺服器」裡的檔案，要打開檔案需透過「瀏覽器」這個專門的軟體。其中也提到：HTTP 是電腦間互相傳送訊息時的一種共通語言。

HTTP 雖然便利，但另一方面而言…既然全世界的電腦都使用著共通的語言，駭客的電腦要入侵我們的電腦，不也更加容易?

比如：在咖啡廳或公眾場合使用公開 Wi-Fi 時，由於你的電腦和駭客的電腦都是用 HTTP 語言溝通，駭客可以很輕易地入侵並竊取資料。

因此為了安全性考量，我們還需要額外為網站加裝 SSL：當電腦中的瀏覽器連接到伺服器時，伺服器即會傳送 SSL 身分認證給瀏覽器。

更精確而言，SSL 是在公開網路上建立私密通訊專用的加密通道，保護使用者在傳輸資料時的安全。我們的電腦會先確認核發該網站 SSL  認證的業者是否值得信任、接著伺服器會與電腦共用這條 SSL 加密通道和解鎖的金鑰。沒有金鑰的駭客就會無法讀取訊息，最後竊資失敗。

這個程序稱為「SSL 信號交換」。也叫「SSL Handshake」，意味我們的瀏覽器在確認網站具有可信賴的 SSL 憑證後、放心又高興的與網站握手。很可愛吧！

整體認證過程即為：

1. 瀏覽器嘗試連線到以 SSL 保護的網站。
2. 瀏覽器要求網路伺服器自我識別。
3. 伺服器傳送一份 SSL 憑證給瀏覽器。
4. 瀏覽器檢查是否信任 SSL 憑證。如果信任，就會傳送訊息給伺服器。
5. 伺服器傳回數位簽章的確認，以展開 SSL 加密的階段作業。
6. 加密的資料由瀏覽器與伺服器之間共用。

因此，有了 http 語言讓電腦能彼此溝通之外，我們還需要安全保障—「https://」網址中s的意思，即為「安全」(Secure)，代表這個網站擁有 SSL 身分證。

未來，別再隨意登入網址列沒有 https、身分不明的非法網站，它們很可能會竊光你所有的資料——幾乎所有涵蓋高度隱私資料（網路銀行密碼、信用卡密碼等）或要求身分認證的網站，都會使用 SSL 加密技術。

另一方面，當商家選擇自行架設官網來經營電子商務時，請務必向 SSL  業者申請一個 SSL 憑證——不但能擔保重要資訊不輕易外露，也讓使用網站的消費者得以信賴。

延伸閱讀：你不可不知的網路行銷知識（I）—什麼是網路

The post 你不可不知的網路行銷知識（II）—SSL appeared first on StockFeel 股感.

身為 21 世紀新新新人類，我們每天都會上網。

但若提問，什麼是網路？….？無論是看影片、購物、聊天、蒐集資料、分享心情…網路幾乎是日常生活中不可或缺的一切，多數人卻難以回答這個問題。

另外，什麼又是伺服器 ? ISP？IP？HTTP？TCP？路由器？封包？時常耳聞，卻仍然似懂非懂嗎?

沒關係，下述已為您整理好這些問題。只要五分鐘閱讀完本篇文章，您將晉升為具備網路知識基礎的科技小達人。

什麼是網路？

大多數人想像中的網路可能是一朵雲，頗具有雲端科技的特色。事實上，網路不是一朵朵的雲，而是一條條的線。

線？！你沒看錯，網路是由「電纜」構成，還埋在地底下。這些電纜又多又長、幾乎包覆了半個地球。

紐約曼哈頓哈德遜街 60 號，可以說是串連全世界網路的重鎮之一──看似不起眼的建築內部，卻是超大規模的數據交換中心。

裡面遍布著光纖電纜，一路連到了海底，直到大西洋的彼岸。現階段除了南極大陸以外，所有的大陸都有海底電纜互相連接著彼此。若想知道詳細的分布情形，歡迎參考 Submarine Cable Map 網站。

這就是網路真正的樣子！一堆電纜！

總之，電纜上面又搭載著「伺服器」，它是直接連結到這條電纜上的超級電腦。

伺服器這種特殊的電腦沒有螢幕、滑鼠和鍵盤，只是為了儲存資料。而「網頁」，就是儲存在這個特殊電腦硬碟中的檔案。這些檔案可能是影片、音樂、文字等形式。

將網頁打開，就是將伺服器裡面儲存的檔案打開。

至於打開的方式──首先，我們得在電腦上安裝一種軟體，叫「瀏覽器」；常見的瀏覽器有 IE、Chrome、Safari、Firefox 等等。當瀏覽器打開伺服器裡面的檔案時，檔案會用一種叫做「HTML」的程式語言告訴瀏覽器、這個網頁是由什麼組成的。

故網頁工程師只要使用 HTML 來定義檔案中的文章內容、標題、連結、圖片等，就能讓瀏覽器知道網站架構、最後呈現出來。它可以迅速地處理出資料或結果，透過網路將網頁輸出到你的電腦。

…等等？明明我的桌電或筆電上沒有連接任何電纜，卻仍連得上網？！

要連上網路，需要找個方法將電腦和「網路」的電纜連接起來。若直接拉一條又粗又長的電纜到你家，成本會非常高；最直接又簡單的方式，就是使用電話線。

因此，出現了網際網路服務提供者 ( Internet Server Provider, 簡稱  ISP )；台灣目前以中華電信 Hinet 為主要的 ISP 業者。ISP 公司使用電話線 ( 撥號 ) 或寬頻連線 ( DSL )，將你的電腦和網路電纜成功的連在一起！

哇！終於連到網路了！

當我們打開 Google 的網頁時，也就連到了 Google 的伺服器。然而，在全世界密密麻麻的網路地圖中，得於不到一秒之內找到Google、Yahoo 或 Facebook 的伺服器，似乎是一件無比困難的任務。

為了要辨識每一部電腦或連網設備的位置，和真實世界中、家家戶戶都有地址一樣，全世界的伺服器也都有一個地址，叫「IP」。IP 就等同網路世界中的門牌。

舉例來說，若我們在台大校內上網，連到台大伺服器後，電腦的 IP 位址就是 140.112.XXX.XXX。若是在交大，就會變成 140.113.XXX.XXX。所以在批踢踢上常以 112 稱呼台大學生、113 稱呼交大學生，以此類推。

另外，Google 的網頁位址，就是 172.217.16.164。請試著在網址欄中輸入 172.217.16.164 看看會發生什麼事吧！

但若是以一串數字作為網址，實在讓人難以辨認記憶；所以我們再透過「Domain Name System 網域名稱系統」這個系統軟體，讓網域名稱 ( Domain name ) 與位址 ( IP address ) 能相互轉換。

舉例來說，我們能將網域名稱為 www.google.com.tw 的網址在傳輸時轉換成 172.217.16.164 這套數字找到相對應的伺服器位址，再由  172.217.16.164 轉換回網域名稱。

咦，www.google.com.tw 這個網址是怎麼構成的呢？ www 是主機名稱 ( host name )，google.com.tw 是網域名稱 ( domain name )。

1. 主機名稱依照主機所提供的服務種類來命名，例如提供 www 服務、或是 FTP 服務。
2. 網域名稱又分成機構名稱、類別名稱和國家地區代碼，共三個部分：google (機構名稱) .com (類別名稱) .tw (國家地區代碼)

網路的世界好聰明！讓全世界的電腦共同設立「IP」地址、更方便也更快速的找到位址傳輸資料的想法，到底是怎麼來的？

回到 1974 年，一群聰明的工程師發明了「網際網路通訊協定」(  Transmission Control Protocol/ Internet Protocol )，簡稱 TCP/IP。如果全世界的人都說同一種語言，彼此溝通的速度是不是就更快了？

TCP/IP 規定了一套規則，讓全世界的電腦都使用同一種語言對話，以更快速地傳送資訊。事實上，TCP/IP 是一整套龐大的通訊協定，除了  IP 地址的規定，還涵蓋了 TCP、HTTP、FTP、Telnet、POP3、DHCP…等。

以常見的 HTTP 來說──當我們透過瀏覽器訪問網頁時，就是向儲存該網頁的伺服器發出了一個請求；伺服器會回頭給這個瀏覽器一個代碼，表示回應請求；這個代碼即稱作「HTTP 狀態碼」。

TCP 協定則是：只要寫上正確的地址，就能確保信件可以送達到對方手中；意味著電腦只負責傳遞資訊，而不會管訊息本身的內容為何。

說了這麼多，那電腦實際上到底是如何透過 IP 地址找到網頁的呢？

當你在網址列輸入 http://google.com 的時候，等於寄出了一封信，裡面寫著：「我想要看看 google.com 這個網站，請把裡面的資訊寄給我！」

你的信會先被送到最近的郵局，再送到下一個稍遠一點的郵局，然後再下一個…直到這封信被傳送到目的地的地址為止；這些郵局叫做「路由器」。

作為郵局，路由器的功用即是讓電腦之間進行通訊，並在兩個網路之間傳遞資訊，通常也會提供內建資料安全機制，如防火牆。有些路由器是直接內建在 ADSL 或光纖數據機中。

至於資訊傳送的方式——為了避免讓傳輸線過度負載，通訊協定會將網路中傳送的資料或訊息，再分割成較小的的區塊，將這些區塊分別編號、分批傳送，到目的地後重新組合起來，資料傳送的速度就會更快。這些傳送時被分割的小區塊，就叫「封包」。

無論是電子郵件、文字還是影音，都是使用封包的方式在傳遞訊息。以 YouTube 為例──在 Youtube 上觀看影片時，影片檔案會分割成許多資料封包，從世界各地的 YouTube 伺服器傳送過來後，再進行重組呈現出來。

經過上述介紹，希望您已對於日常生活中的網路知識有了更多的瞭解。感謝您的收看。

延伸閱讀：引爆資料中心革命：雲端運算

The post 你不可不知的網路行銷知識（I）—什麼是網路 appeared first on StockFeel 股感.

最關鍵的問題莫過於──指意(Signifiers)：能向人傳達適當的行為方式的指示方法，包括符號、聲音、以及所有能被知覺的信號。

（”指意”一詞由認知學大師Donald Norman所提出，有興趣進一步研究的讀者歡迎參考其著作《設計的心理學》一書，非常精彩。 ）

設計的目的是為了解決問題，因而「指意」是一項設計中最重要的血肉。爛指意不但會令使用者困惑，甚至會誤導使用者錯誤地使用產品，反而造成更多問題。

比如我們在門上設計了「推」、「拉」的指意，讓使用者知道門該如何使用。然而若指意訊息傳遞不當，一邊放「推」、一邊放「拉」，使用者在看到門的時候反而會被設計誤導的不知道該如何操作了。

在電腦為主的時代，螢幕上的按鈕多為立體風格設計，讓使用者一看就知道是用來點擊的，若是可打字的框框則有下凹的陰影；除此之外電腦還能搭配「游標」這個重要的設計，同時借重「Hover」功能──當游標移到某個標示時、該標示會改變顏色或字體，藉此告訴使用者這個標示按下去示會有反應的。

然而現在手機介面上，觸控螢幕無法感應到「徘徊」這個動作，只有在使用者按下去的那一刻才能有所反應，故而觸控螢幕沒有游標的設計。

天啊，沒有游標提示、沒有Hover，若再加上去除立體效果、純粹扁平化的設計，誰能看得懂圖示代表的意義？想想看，在操作手機時，你是怎麼知道在哪裡可以按下去、在哪邊可以輸入字符的？

一個視覺上擁擠、但指意明確的設計，和視覺上清爽、但指意不明確的設計，該如何取捨？當然我們在前述提過，從擬真到扁平設計的轉型之所以能成功，正是因為使用者的學習經驗已足夠看懂抽象圖示的功能。

然而當App或網頁的使用路徑越趨複雜時、你真能確定抽象的圖示還能維持良好的指意功能嗎？

面對這個問題，介面設計界迎來了扁平化設計的改革──實感設計(Material Design)。繼Apple的擬真設計、微軟（Microsoft, MSFT-US）的扁平設計後，此次提出顛覆性設計理念的主角換成了Google。

一直以來，Google始終飽受著產品與介面混亂的困境──Android系統搭載在各式不同尺寸的電子裝置上，旗下產品又繁不勝數、彼此介面整合困難，體驗破碎化的問題很嚴重，難以體現出Google的品牌風格和形象。

如果是你，會怎麼設計以同時解決「視覺風格不統一」和「指意不明確」的雙重困難呢？

2011 年，Google召集公司中頂尖的設計師，重新設計 Google 裡的每一項產品，尋找一種共同的設計語言，最終成功設計出即使在不同設備上、體驗都能相對統一的產品，稱為「卡片式設計」、「Material Design」。請參閱Google的影片介紹

Material Design並不是擬物的設計，它不會去做一個木紋的按鈕、或模仿真實的信紙做一個Gmail ICON，改良的重點在於「資訊呈現方式」。電子螢幕雖然是完全平面的、但資訊卻有著層級關係，也因此我們在完全平面的設計下，會不知道哪邊是可以按下的按鈕、哪邊是沒有功能的空白處。

Material Design的解決方式是把現實世界中紙張的特性挪到螢幕裡，把資訊內容呈現在這個虛擬的紙上，紙跟紙之間有上下層級關係，用投影模擬紙張的空間感。

也因此，Material Design的中文──「實感設計」翻譯得非常好，不用透過模擬真實按鈕的細節來讓畫面變得擁擠複雜、而是模擬紙張陰影來區分層級、讓使用者能明確感受到指意。

2014年，Google在年度開發者大會Google I/O上發佈了Material Design的設計概念，被視為Android系統和應用的設計方針。Google也期許在未來自家的應用都會按照這一設計規範來執行。

Material Deisgn的巨大成功、不僅超越了過去的純扁平設計，更讓Google從此之後不再是沒有視覺風格、沒有品牌形象、沒有自我表達的公司了。設計的力量尤見一斑。

除了按鈕、文字輸入框、清單等資訊呈現的方法，Material Design在使用者的互動上也有完善的定義與準則。 為了讓Android UI設計師和前端工程師能更好地理解，Google發布Material Design Guidelines詳述了Material Design的設計細節。

同時Google也發表了Nexus系列手機，整支手機的介面設計和互動模式完完全全地採用了Material Design，作為開發者原型機、讓採用Android系統的手機廠商在開發時能參考其UI設計。

扁平設計的成功，除了應用在科技產品上，更是一股腦燒到了其他產業上。可以說，科技產品的發布除了改變人與人之間的生活習慣、改變了互動方法，更掌控了人們的視覺品味──當人們習慣了日日所見的扁平設計時，為了迎合大眾的視覺偏好，時尚、音樂、車廠、廣告行銷…等領域的視覺風格無不受到扁平化的影響。也因此企業在商標和文宣的設計上也需依此更動。

人類天性喜新厭舊，又因物極必反，才會有維多利亞風格、包浩斯現代主義、到反現代主義的輪迴擺動；但這樣的口味喜好，也伴隨著技術發展而改進。簡單來說，設計潮流的更動便是受到「歷史輪迴」與「科技應用」兩大主因所影響。

在這裡，我想來展望一下未來。

現在科技產品的介面多半還是透過鍵盤、滑鼠，或是觸控螢幕來達到使用者體驗。現今雖流行扁平化設計，然而等AR、VR普及後，介面設計又會回到擬物的路子上了，而且是更真實的擬物，而不僅僅是畫成長得像的東西。

在VR世界中，桌面充滿著細緻的木紋，上面放置日曆能夠隨意地翻閱、並用雙手拉出想要的訊息、用「真實」的筆寫下訊息後再塞回日曆中。按下收音機的按鈕，音樂隨之播放而出。聽到背後些許的聲響，連忙轉身拿起一個卷軸，從捲軸上印製的武器中、拿出一把實體的劍揮舞砍向面前的敵人…。

可以想像，當身處在VR的環境時，擬物又變成最自然的事情；現有的扁平化反而變得生硬不協調，還增加了學習認知的代價。但若進一步思考下去，在VR普及數年後，人們開始感到厭倦、覺得擬物太聳了。於是介面又重新流行回簡潔鮮明的大色塊了…。

今天，我們聊了扁平化設計的過去、現在與未來，談論設計是如何為了解決現有問題、而有了相應的演變。

介面設計在人們的生活中佔了極端重要的部分；企業須時刻思考如何跟上時代潮流、採取合適的設計與消費者溝通，藉以創造良好的品牌形象。

【延伸閱讀】

• 設計專題（一）：從觀察、定義到解決問題 改變世界的設計
• 設計專題（二）：設計與視覺效果的決定性因子：字型學奧義
• 設計專題（三）：UI設計界大勢潮流：扁平化設計

The post 扁平化設計的2.0革新：實感設計 appeared first on StockFeel 股感.

註：UI: User Interface, 使用者介面。UX: User Experience, 使用者體驗。

說到網頁設計，你不可不知扁平化設計(Flat Design)。從2014年開始，扁平化設計趨勢逐漸蔓燒到了所有的網頁、系統與裝置介面，眼前所及之處無不是扁平化風格，形成新一代介面設計的熱潮。

知名的網頁設計評分網站「AWWWARDS」為網頁設計界奧斯卡般的存在，上面集結了全球各地的頂尖設計師、每年為傑出網頁頒發獎項，也可以說是網頁流行趨勢最重要的觀察指標。掃視一下，可以發現該平台上的得獎網站均以扁平化風格為大宗，甚至連AWWWWARDS自己也是採用扁平化設計。

更甚地，在2015-2016年的兩年間，許多大廠的商標形象在一夕間似乎也天翻地覆了起來。

YouTube、ebay、Spotify、Twitter等眾多科技公司無不換上了嶄新的商標。大型車廠如奧迪和BMW對其LOGO進行最大幅度的一次調整，然而有評論認為看起來奢華感全失。為什麼廠商們要做這樣的改變？

這股扁平化的浪潮究竟是怎麼回事、又是從何時開始的呢？你相信，各行業的設計趨勢與消費者品味的轉變、很大一部分原因是受到科技進展的影響嗎？

今天我們就來聊聊扁平化設計的過去、現在與未來，並討論科技是如何影響你我今日眼前所見的每一景每一物。

什麼是扁平化設計？

扁平化設計去除浮雕、陰影、漸層等3D立體感，完全以平面來呈現視覺元素；通常以對比度高的色塊、搭配無襯線字體，呈現乾淨簡約的風格。

最早的扁平化設計可以追溯到二十世紀初。1920年代時，第一次世界大戰方結束、百廢待興，人們開始對於原先流行的維多利亞風格(Victorian Style)感到厭倦——奢華、繁複而不實。

德國建築設計師Walter Gropius因而在德國威瑪成立包浩斯(Bauhaus)藝術學院，強調簡約實用的功能導向，認為設計的目的是人而不是產品、且須遵循自然客觀的法則。

包浩斯學派的知名主張包括：「形隨功能」(form follows function)，設計須讓人一看就知道其功能；「忠於質材」(Truth to materials)，不去扭曲、盡可能呈現該素材的特性。

最重要的一點莫過於 ──「少即是多」(less is more)，去除所有的干擾和裝飾。這說法看起來似乎很眼熟？一項好設計與好的設計理念均能歷久不衰，無論是蘋果（Apple, AAPL-US）的首席設計師Jonathan Ive、還是今日流行的扁平化設計，仍皆遵從著這樣的準則。

包浩斯主義成了現代建築的發端，更大幅度推動了工業設計的發展、促使現代設計轉向理性科學；德國電器品牌百靈(Braun)的設計風格由經過了包浩斯主義的洗禮，旗下家電具備了實用、極簡又唯美的特性。

賈伯斯的設計繆思便是很大程度地「借鑑」了百靈、奠定了早期Apple的產品設計。

（Mac圖形介面抄全錄、工業設計抄百靈、智慧型手機和App Store抄Nokia，然後整在一起賣的嚇嚇叫，只能說賈伯斯的抄襲再包裝技能是科技史上數一數二猛的人了。）

後來這股風潮從德國一路延燒到瑞士，1950年代時成為瑞士風格(Swiss Style)、又稱國際字體風格(International Typographic Style)。相較包浩斯主義以建築、傢俱、藝術品為主體，瑞士風格將包浩斯主義以「平面設計」的形式發揚光大。

1947年，瑞士鐘錶商摩凡陀(Movado)邀請包浩斯學派藝術家Horwitt設計一款錶面上毫無數字的黑底錶盤，推出後隨即引發前所未有的熱烈迴響，被譽為「表現包浩斯風格最純凈的作品之一」。該錶如今被收藏在紐約現代藝術博物館，摩凡陀後續根據此錶設計所推出的博物館系列錶(Museum Watch)也成為旗下歷久不衰的熱賣錶款。

1957年，瑞士平面設計師Miedinger和Hoffmann發布了一款稱為「Helvetica」的無襯線字體。按照現代主義的觀點，字體應該「像一個透明的容器一樣」，使讀者在閱讀時能專注於文字所表達的內容，而不會關注文字本身所使用的字體。瑞士風格的平面設計多採用無襯線字體即因此而來。Helvetica是眾多無襯線字體中、最能完美地符合這點的字體，因而在推出後一炮而紅，至今為全世界商標設計運用最為廣泛的一款字體。

瑞士風格設計與包浩斯主義同樣強調理性及功能性，在印刷品中大量運用網格與無襯線字體、注重頁面配置結構與內容呈現。

不過當包浩斯主義與瑞士風格設計發展到一定程度後，也開始走向衰頹：人們批評此種設計太過強調嚴謹，久而久之陷入了保守乏味的窠臼。1970年代後，出現了反現代主義的「後現代風格」，領軍人物Wolfgang Weingart打破了瑞士字體設計中嚴格的直角標準， 對字體和排版進行切割、重構，並運用圖形的重疊產生強烈的立體效果，使版面最終充滿了跳脫的活力。

這種排版不修邊幅、任由髒污溢出網格，具備了奇幻搞怪的視覺風格，開創了嶄新的版面設計方式，顯然與瑞士設計高度理性的風格大為迥異。 Wolfgang Weingart也因此被譽為「瑞士龐克字文排版之父」。

讓我們重新回顧一下扁平化設計的前身 ──一次世界大戰後，崇尚樸素簡約的包浩斯主義崛起、成為現代主義的濫觴；包浩斯主義隨後流行至瑞士、以平面設計的形式被發揚光大。然而物極必反，當人們厭倦了理性嚴謹的瑞士風格設計後，以Weingart為首的一群設計師引領了一場對抗瑞士版面設計的後現代主義革命。

咦，但為什麼扁平化設計在歷經了這麼久的衰頹後，又成為今日使用者介面設計的大勢風潮呢？ 接下來，就讓我們來討論一個在UI設計界爭辯了很長一段時間的議題 ──究竟要「擬真化」？還是「扁平化」？

Apple—擬真化設計(Skeuomorphism)

1979年12月，賈伯斯在全錄公司(Xerox)的邀請下，前往全錄的研究中心參觀。過程中，全錄展示了他們研發的圖形使用介面(GUI)和滑鼠，使用者不再需要輸入文字指令、直接透過螢幕上的圖示就能和電腦互動。

只是當時的電腦多以企業運算為主，全錄高層認為在硬體效能有限下、企業用電腦不需要這樣的東西來拖垮運算能力，而個人電腦又只是小眾市場，因此對圖形介面絲毫不感興趣。

對賈伯斯來說，全錄簡直是坐在金山上而不自知！參訪回去後，Apple在1983年推出了「Lisa」 ──全世界第一台搭載圖形介面的個人電腦，讓原先主要使用者是高端技術玩家的個人電腦、一下拉到了連小孩等都能輕易使用的程度，霎時間轟動了全世界。

除了開創個人電腦之先河，賈伯斯的創舉還不僅於此。2007年，賈伯斯發布了全世界第一款具備多點觸控螢幕、並搭載應用程式(App)的智慧型手機 ──iPhone，至此智慧型手機浪潮一發不可收拾。對於智慧型手機演進的故事有興趣的讀者歡迎參閱本篇文章。

關於賈伯斯和Mac、iPhone的故事在此略過不提，讓我們回歸到設計面的討論。

首先來觀察一下早期Mac和微軟（Microsoft, MSFT-US）的Windows的介面，可以發現蘋果的按鈕具備了果凍狀的「玻璃」質感、視窗模擬了「金屬」的漸層色，計算機和垃圾桶等圖示也做得栩栩如生。

至於微軟的Win95，設計品味相較於Mac雖然低了一個層級不只，我們仍能發現在按鈕的處理上，以外陰影營造了突起的立體感、以內陰影表示點擊下凹，”我的電腦”、”資源回收桶”等圖示同樣仿照了現實中的樣子。

另一方面，07年所發布的第一代iPhone，無論是相機上的鏡頭光澤、還是時鐘的指針與陰影，在圖示設計上同樣地立體寫實。

有意思的是，賈伯斯雖然在硬體外觀上模仿了百靈的包浩斯設計，以潔白、簡約、俐落的線條設計著稱。

但在圖形介面這樣的平面設計上，卻是極盡所能仿照現實物體，稱為「擬真設計」。

瑞士風格設計是包浩斯主義在平面上的體現，為什麼賈伯斯並未採用呢?

事實上，這是非常高明的一步設計。

若回顧一下歷史，可以發現1908年發布、全世界第一台量產的汽車──福特（FORD, F-US）「T型車」在設計上與馬車幾乎一模一樣。到了二戰時期，汽車外觀已和現代的汽車差距不大、和馬車截然不同。

事實上，若車身曲線呈現光滑圓潤的流線型，將能使迎面的空氣很容易地通過車身，從而減少空氣阻力、大幅降低風阻和噪音。既然如此，為什麼不一開始就將汽車設計成流線型？

科技的發明，是為了替代掉原先的解決方案、以更好的解決問題。比如說「汽車」和「馬車」同樣具備交通運輸的功能，卻比馬車更快速方便，更好地解決了交通不便的問題。

但使用者習慣的還是原有的解決方案。若一開始就將汽車設計成流線型，雖然大幅降低了風阻、卻沒有人敢搭乘這種奇形怪狀的機械。直到使用者經過了數十年的學習，習慣了「汽車」這個取代馬車的解決方案後，才能進一步地為汽車外型優化。此時就算跟馬車的外型已經截然不同，使用者也不再會輕易發生習慣障礙的問題。

也就是說，當一個乍看下是最佳解的方案出現時，若沒有考慮使用者的心理、與過去的解決方案做適度的妥協與融合，那麼該解方將只會存在於理想上、而不能真正實踐。

當然，一項新科技(汽車)在初發明時，之所以與過去的解方(馬車)長相很類似，很大一部份原因也是因為 ──發明人自己對於該科技想像力也被過去的方法限制了…誰想的到汽車原來可以長得跟馬車不一樣。不過這也是一件好事，直到所有人都習慣新方法的存在時、才好思考如何能更加優化。

仰賴賈伯斯獨到的商業眼光與設計品味，在產品硬體與UI介面上採取了兩種截然不同的設計方式(無論是有心還是無意)，才打造了風靡全球的Apple風格。

Microsoft—扁平化設計(Flat Design)

Apple設計實在太成功、從1980年代的麥金塔電腦到2007年iPhone發布期間不斷地引發話題，使得很長一段時間中的硬體裝置和網頁介面均大量採用了擬真化設計 ──按鈕就要畫的跟真的一樣、使用者才會知道它可以調整音量大小；相機則要詳盡繪出皮革機身和玻璃鏡頭。

同樣以個人電腦市場起家的微軟，由於作業系統搭載在低廉的開放硬體上、比起Apple能以更快的速度成長。然而其早期設計品味之低落、簡直令人不敢苟同。

2006年，為了和Apple大受好評的iPod一爭，微軟推出了一款音樂播放器「Zune」，更野心勃勃地宣稱它為「iPod Killer」。可惜MP3播放器市場尚有Sony Walkman等產品參戰、競爭相當激烈，再加上後來人們開始用手機聽音樂，就連蘋果也將主力轉移到線上串流音樂Apple Music 上。最後微軟宣告失敗，在2011年停產Zune機型。

雖然在銷售上遭遇了挫敗，Zune卻是裝置介面採用扁平化設計的開端 ──介面風格十分簡潔，頁面選單採用放大、單一色的小寫無襯線字體。隨後推出的Zune軟體桌面版依據了同樣的介面設計邏輯，與Zune行動裝置搭配來看、兩者共同創造出了一種高度整合的使用者體驗。

2010年，微軟發布了Windows Phone 7。延續了Zune的設計理念，Windows Phone的排版相當清晰 ──以銳邊的純色色塊組成網格狀的介面、無襯線字體、扁平化的圖示 (你發現”電話”和”簡訊”等icon不再栩栩如生了嗎?)；該設計明顯參考了1950年代的瑞士設計風格，微軟將這種設計語言命名為「Metro UI」。

微軟以Zune播放器為開端，從2006年至今根據Metro設計語言開發了許多圖像介面，其中包括Xbox 360和Office系列軟體。2012年微軟推出了Windows 8，將Metro UI做最大範圍的應用，希望使用者能在Windows Phone和Windows 8上達到整合一致的體驗。

面對微軟的改革腳步，以擬真化設計著稱的Apple會如何反應呢？它做了一貫嫻熟的動作 ──隔年，蘋果“參考”了微軟的扁平化設計，推出了iOS 7作業系統，首次摒除賈伯斯時代堅持的擬真風格。

iOS 7有著與之前版本完全不同的視覺設計 ──使用Helvetica做為系統字型，且字體更為纖細。去除了陰影、漸層色、皮革材質等裝飾，應用程式的圖示變得更加銳利和平面感。

由於改變甚鉅(賈伯斯的信徒太多)，主導此次風格設計的蘋果首席設計師Jonathan Ive一度受到使用者躂伐。然而事實證明，這是歷來iOS所做過最優秀的改版之一。

有趣的是，Metro UI被使用在Windows 8被罵到臭頭，微軟用戶們堅持待在win 7、沒人願意使用它。更進一步來說，當時也還沒有「扁平化設計」(Flat Design)這個稱謂。

直到iOS 7出現後，人們才開始放棄使用擬真設計，以「扁平化」來稱呼這種嶄新的UI設計、同時扁平化崛起成為介面設計的大勢潮流。只能說扁平化設計差點就被微軟埋沒、蘋果果然光環萬丈啊！

蘋果：「說個笑話，微軟會設計。」 微軟：「說個笑話，蘋果抄微軟的設計。」

無疑地，賈伯斯具備了獨到的設計品味，而這正是引領蘋果三十年來立於工業設計界不敗之地的燈塔。Jonathan Ive為什麼會冒如此大的風險，對Apple一向鄙視的設計白癡微軟取經呢？

扁平化設計的崛起 ──手機, 手機, 手機!

1. 更一致的體驗

早期人們使用的科技產品只有個人電腦，UI設計僅針對電腦介面為主即可。然而當智慧型手機出現後，各家廠商面臨尺寸不一的問題，更別提不同尺寸的平板、穿戴裝置…。當使用者同時擁有電腦、手機、平板等裝置時，設計師該怎麼打造一致的使用者體驗呢？

首先設計師得思考 ───使用者在使用哪項產品的時間更長，因此以最適合該產品的設計為優先、再推及到其他裝置，如此讓風格統一、創造一致的使用者體驗。

由於電腦的畫面寬，若能將設計上的細節表現的越細緻則越能分出勝負。但現今人們在一天當中使用智慧型手機的時間遠遠超過個人電腦，若將過於細緻的圖像塞進手機的小尺寸螢幕中，會顯得相當擁擠。

唯有將圖像細節去除後，方能更加適合小螢幕的閱讀清晰度，也不會因壓縮而導致圖片模糊。也可以說這是在一致性體驗和成本考量下，個人電腦「遷就」手機的結果

2. 更高的延展性

由於智慧型手機用戶為大宗，近年來響應式網站設計(尚未聽過RWD響應式網站設計的讀者歡迎參考本篇文章。)幾乎稱霸了行動裝置的網站形式。 扁平化設計的色塊單純、幾乎可以無限延伸拓展；而擬物設計的漸層、陰影等效果則在拉扯延伸畫面時容易扭曲。

3. 更快的載入速度

擬真設計的複雜圖像得在高解析度的畫質下才能達到最好的體驗，相當吃硬體資源。在手機硬體效能有限、系統空間有限、行動網路的載入速度不快等等限制下，採用扁平設計的網站才能在手機上展現更良好的體驗。

「手機介面為優先」，與去除了所有裝飾細節的「功能導向」，是扁平化成為UI介面設計主流趨勢的關鍵原因。

最後，扁平化設計的「功能導向」之所以能成功以抽象化的圖示、向使用者傳達出正確的資訊，並非一蹴可幾，而是因為人們早已習慣「智慧型手機」這項電子產品。即使不用將相機的細節畫得逼真，光靠一個方形和圓形圖案湊起來的圖示，人們也知道這代表了「相機」、按下去可以用來拍照。

扁平化設計的缺陷

既然這樣的話，Windows 8的扁平化設計為什麼會被人使用者所詬病呢？扁平化設計在小裝置看起來視覺相對簡潔清爽，但在資訊複雜的大螢幕上，卻很難看出資訊的層次——所有資訊沒有陰影、漸層等資訊呈現的優先層級、一口氣全塞在眼前，讓人在找重點的時候花費更多時間，眼花撩亂。（因為iOS是將扁平化用在手機上才受歡迎）

另外，就算將扁平化圖像用在小螢幕上，手機因為沒有「游標」的設計，扁平化的資訊也讓使用者容易產生：「不清楚哪邊可以按鈕、哪邊可以輸入文字」的問題。

面對這樣的情況該怎麼辦呢？下一篇，讓我們來談談扁平化設計應運而生的革新——號稱扁平化2.0的「實感設計」(Material Design)。

新聞補充：2017/01/07，微軟 Windows 新 UI 曝光，Win 10 將變得更簡潔扁平！

圖片來源：http://www.swissted.com/

The post UI設計界大勢潮流：扁平化設計 appeared first on StockFeel 股感.

恰巧看到科技報橘中刊載了一篇討論字型運用的文章，標題還相當聳動：英文履歷字體再用 Times New Roman，別想進外商。

下述先不就Times New Roman是會否扼殺工作機會的真實性做討論，台灣對於字型的漠視實在讓人相當訝異。除了千篇一律的標楷體、新細明體，到最近十分熱門的康熙字典體，中文字體的選擇性不但貧乏、跟風濫用的情形也十分嚴重。

至於英文字體──在多數商家老闆連英文字義都不是很瞭解的情況下，字型設計的問題更加不被重視。

為什麼我們要研究字型？ 字體只是件枝微末節的小事、只要內文精彩不就好了？

今天，就讓我們來討論「字型」(Typography)在行銷、宣傳、企業與個人形象表達等等溝通上的重要性。

什麼是字型學(Typography)？

字型即是一種力量──將想法和語言以視覺呈現的力量。

為什麼ELLE或Burberry等時尚品牌的商標看起來很「時尚」？ 為什麼Ted或Science看起來很「科學」？ 為什麼聖經光掃視內文、就讓人覺得「神聖」？

這種「時尚」、「科技」、「神聖」的感覺是怎麼來的？答案是──字型的力量！

這股力量隨著時間遞延，持續改良與轉變──從招牌、商標、餐廳菜單、服裝、廣告文宣、到書籍報刊，成為現今日常生活中隨處可見的例子。

字型的出現與改良，都是為了知識傳達的功能性。

從口耳相傳、到文字被發明與印刷時代，到現在的網路與智慧型手機，知識傳播方式與工具不斷地在演進。

既然「文字」是資訊傳遞中最精華的部分，我們必須了解字型學：知曉字型間的差異與功能，並藉由選擇好的字型、以達到更有效率的溝通。

字型是怎麼來的？

從15世紀的古騰堡印刷革命到20世紀初，短短的五百年間即奠定了字型學的基礎。故只要瞭解這五百年的歷史變化，即可快速掌握字型系統的大家族，並應用到生活中的設計。

(1) 15世紀初──黑體字(Blackletter)

早期的書籍必須花上數個月以人工謄寫，直到印刷術的出現、才讓耗時又昂貴的知識傳遞成本大幅降低。

國中歷史課本一般指稱發明活字印刷術的人是中國的畢昇。然而現在提到印刷，幾乎都會提起歐洲人古騰堡(Johannes Gutenberg)。

古騰堡除了改良印刷術，最厲害的是發明了一套字型，讓印刷程序的效率更高。印刷術講求的正是大量且快速的生產，古騰堡的改良讓知識傳遞更加普及，更推生了隨後的歐洲文藝復興、宗教改革、啟蒙運動和科學革命，為現代知識經濟和傳播奠定了物質性的基礎。還在認為字型不重要嗎？ 它正是知識的基石！

當年古騰堡發明的字型稱作「Blackletter」(黑體字)。

我們可以在復古風格設計，或報章雜誌如The New York Times、The Washington Times看到它的蹤影。

然而Blackletter雖然雕刻便利，卻明顯地有著過度密集、讓人閱讀困難的問題…。

既然文字與印刷的出現是為了讓知識傳遞更方便，那這樣不便閱讀的字型勢必得再進行改良，由此而生的就是「Humanist Type」(人文風格字體)。

(2) 15世紀文藝復興──人文風格字體(Humanist Type，又稱羅馬體)

羅馬體不是羅馬人用的字體，而是法國人Nicolas Jenson在十五世紀時受到古羅馬建築物上的刻文啟發所創造出來的字體。比起過度濃密的Blackletter，是不是更好閱讀了？

羅馬體一個很大的特色，就是仿照手寫的感覺。觀察一下，字體是否有些歪歪扭扭、粗細不均勻？它也被稱作人文風格字體(Humanist)，為文藝復興時期最普遍的字體。在歷史書籍、聖經內文、或復古風格的設計中最為常見。

常見字體包括Centaur, Garamond, Lynton, Stempel Schneidler, Verona。如何觀察呢？ 只要打開電腦的Word或PowerPoint、就可以看到這幾款內建字型。

(3) 18世紀啟蒙運動與工業革命───舊風格字體(Old Style Type)與過渡時期字體(Transitional Type)

從15紀到18世紀間，隨著印刷工具的進步，字體變得更加圓滑、線條粗細的差距更大，出現了舊風格字體(Old Style Type)。常見字型包括Caslon, Calisto, Goudy Old Style, Palatino, Perpetua。由於舊風格字體的特色兼具「人性化」和「機械化」的感覺，因此常被使用在報章雜誌和早期的科技大廠上。

數十年後，另一位叫Baskerville的英國人創造了過渡時期字體(Transitional Type)，被用作啟蒙時代的象徵。美國獨立宣言的起草、與早期美國政府的官方公文字體，都是採用Baskerville先生所發明的Baskerville字體。

很難說這是個嶄新的發明。這些字體會出現，也只是因應當代的潮流──理性，也再再呼應了開頭所強調的：字體的出現是為了知識傳遞的功能性。

18世紀工業革命，科學與理性的風潮同樣燒到了字型──隨著工業革命與啟蒙運動展開、字型開始走向理性、並以機械化的方式被解構，取代了傳統模仿人類書寫的字型，也因此常被應用在法律文獻、財經等專業領域上，比如最為常見的Times New Roman。

從下圖中可以發現，舊風格字體(Old Style Type)到過渡時期字體(Transitional Type)，手寫的痕跡越來越少，粗筆劃越粗、細筆畫越細的衝突感越來越大，字型也越來越對稱、充滿機械感。字型逐漸走向一種「理性」的感覺。

(4) 18世紀末時尚產業興起──現代體(Modern Type)

字型去人性化的過程一直發展到18世紀末，直到一位叫Didot的法國人和另一位叫Bodoni的義大利人，各自創造了命名為Didot和Bondoni的字體，現在統稱為「現代體」(Modern Type)。

有發現「現代體」的粗細的部分有著極端的粗細對比、百分百對稱、且完全去除了手寫的元素嗎？

配合19 – 20世紀的時尚產業興起，現代體被大量應用在時尚風格的設計上，如Burberry、Armani、Cartier、ELLE、Vogue。

(5) 19世紀初大眾廣告興起──埃及體=方塊體(Egyptian Type, Slab Serif)

與羅馬體(Roman Type, 又稱人文主義字體)與羅馬人無關一樣，埃及體不是古埃及人用的字體。由於埃及體的流行，和1815年拿破侖剛入侵埃及、發現尼羅河文化遺跡並帶回埃及古文物回歐洲為同一時期，因此被稱為「埃及體」。

埃及體有著特色化的粗體字，襯線也非常粗。雖不適合放在內文中，卻適合被用作廣告標題。使用埃及體作為商標的企業包括Honda、IBM、Sony、Volvo。

或許因為埃及體大氣、顯眼、穩重的特色，與當時初興起的汽車產業，因而被廣泛應用在汽車商標上，也展現汽車於20世紀剛發展的時代性。

(6) 20世紀初大眾化商業發展──無襯線體(Sans-Serif)

上述字體中，從人文主義、舊時代、過渡時期、現代、到埃及體，我們都可以發現一個共通點：具有襯線。

物極必反，在「襯線體」(Serif)逐漸發展到了一個極致後，忽然開始流行「無襯線體」(Sans-Serif)───沒有尾巴裝飾，且沒有粗細筆畫差異、每一筆都是一樣的粗細。Sans在法文中，是無的意思。

無襯線體確切是被誰發明、何時發明，沒人清楚。它一直被認為是一種沒特色的字型，始終活在襯線體的陰影之下。早期也只有前衛藝術家會作為叛逆風格的字體使用，直到二十世紀初商業大眾化，普普風與工業風開始流行，無襯線體才逐漸取代襯線體，形成當代的代表字型。

1927年，德國設計師Paul Renner創造了命名為「Futura」的字體───以幾何形狀為基礎設計、字體粗線相等，具備現代與前衛感。

Futura出來後引發了空前的迴響，也成為無襯線字體歷史上最重要的突破。若讀者有興趣進一步了解，推薦這個有趣的Futura字型家族的概念影片。

CK、Costco、FedEx等多家知名企業的商標都是使用Futura字體。CK經營階層當時為了商標使用現代字體(Modern)亦或Futura字體爭論不休，最終採用了Futura。事實證明，以時尚前衛性而言，Futura的確是個好選擇。

2015年，Google的Logo也做了17 年來最大的變化──將原先的舊風格字體、改為使用Futura字體。

約莫在同一時間，英國人Eric Gill創造了「Gill Sans」的字體，想跟Futura打對台。Gill Sans比稍稍拉長的Futura更圓、也更幾何。若想進一步了解Gill Sans，推薦讀者參考有趣的概念影片。

這些字體的設計根據幾何形狀，有著客觀與科學的特性，最常見於科技、教育類文章。以上圖而言，是不是很有TED的風格？

Gill Sans號稱英國人的驕傲，在London、Amsterdam和Stockholm等城市的公共標示和地鐵中被用到接近氾濫的地步。同樣是英國品牌，英國廣播公司（BBC）和英國晶片設計大廠安謀（ARM）商標亦是使用Gills Sans字體。

最後，由瑞士設計師Max Miedinger於1957年發明的Helvetica，具有清晰好讀、不過度搶眼、能忠實呈現內文的特色，用在商標上也相當合適。由於被使用的頻率太高，號稱為全世界最受歡迎的字體！受歡迎的程度甚至被拍成紀錄片。

許多知名企業的商標都是採用 Helvetica，如微軟（Microsoft, MSFT-US）、BMW、3M、Jeep、無印良品、LG、eBay、Oral-B、Lufthansa…族繁不及備載。即便如此，我們仍很難看出這些商標採用的都是同一款字行，就知道Helvetica的彈性有多大。

呼，我們剛剛歷經完歷史上五百年來的字型演變。

最後讓我們重新複習一下───從古騰堡的黑體字(Blackletter)、文藝復興時期的人文主義字體(Humanist)、舊風格字體(Old Style Type)、過渡時期字體(Transitional)、現代體(Modern)與無襯線體(San-Serif)。

同樣一句話，不同的字型卻會帶給人們截然不同的感受。要選擇什麼樣的字型，必須同時考量：

你的觀眾是誰？ 你的口吻是什麼？是否能達成你的目的？

因應不同的觀眾、口吻與目的，應採用對應合適的字型設計。

因此在瞭解字型的歷史後，未來當我們看到：

時尚雜誌使用舊風格字體(Old Style Type)、聖經使用時尚的現代字體(Modern)、IT資訊廠商使用手寫風格濃厚的人文字體(Humanist)、金融文章用了科技感的非襯線Gill-Sans字體…

都可以大笑三聲：哈哈哈！我知道為什麼設計看起來會那麼怪！(除非具有特殊用途)

觀察一下生活中常見的商標設計或廣告標語，可以發現，字型大大影響了使用者對於品牌形象的觀感，也是企業必須掌握的關鍵。

這也解釋了為什麼Google要將商標從原本的舊風格字體(Old Style Type)、改為更加現代與科技感的Futura字體。經過修改過的商標，是不是更具現代與科技感一點了呢？

字型學的博大精深當然不只這些。

透過瞭解字型，我們可以更深入地觀察生活；探索「為什麼」的同時、思考如何才可以更好的傳達品牌形象。

關於字型學的介紹就到這邊結束了。感謝您今天的收看，讓我們下次再見！

【延伸閱讀】

• 設計應用專題（一）：從觀察、定義到解決問題 改變世界的設計
• 設計應用專題（三）：UI設計界大勢潮流：扁平化設計
• 設計應用專題（四）：扁平化設計的2.0革新：實感設計

The post 設計與視覺效果的決定性因子：字型學奧義 appeared first on StockFeel 股感.

提到設計，你會想到什麼？ 美麗？ 藝術？ 時尚？

那設計師呢？ 穿著前衛、品味新潮？ 擅長繪圖創作？

事實上，一個好的設計與上述條件並不盡然相關。

今天，就讓我們來聊聊「什麼是設計」，又「什麼是好的設計」。

什麼是設計？

設計，是找出最適化的解方以解決問題。它可能是流程改善、或是更好的溝通方式。無論是服裝設計、建築設計、平面設計，還是網頁設計、流程設計…所有的設計，都是藉由使用特定的流程或元素，以解決某個問題。

設計師，就是解決問題的人(Problem Solver) 。別說你不懂設計──它幾乎是人類演化的本能，與生存的必備能力。

設計的歷史，最早可以追溯至史前時期。人類為了攻擊或打獵的需求，開始使用石頭作為武器。當發現石頭太鈍、不足以作為劈砍的工具時，又將其磨製的更加尖銳。我們的祖先知道自己正在設計嗎? 不，他們只是為了解決一個問題！

再舉一個例子：捷運路線圖該怎麼呈現給大眾，才最為清晰便利？

1930年代，倫敦地鐵路線越來越多，地鐵局開始頭痛如何完整地反映在倫敦市中心縱橫交錯數英里，還橫跨農田、菜園甚至是各村莊的路線？要簡單又要好記憶。再加上，地圖的尺寸要適中，以方便隨身攜帶。早期的地鐵路線圖分布的密密麻麻，令人看得十分痛苦。如果是你，會怎麼設計？

亨利貝克是當時的地鐵員繪圖員，他想到一個好方法、去掉所有無關的細節，各車站的距離不依實際尺寸比例，轉為採用平均分配。是否瞬間清晰很多？又符合方便攜帶、簡單好記憶的功能性。

目前全世界的捷運圖都沿用亨利貝克的發明──好的設計不會過時，而能歷久彌新。

正因為人類會思考如何改進一個問題，而讓今日的生活變得更好。若無設計，當時的人類可能會和大部分動物同樣逐草而居，不會成為今日的地球霸主。

什麼是好的設計？

如何才可以被稱之為一個好的設計? 設計到底有什麼樣的必備要素呢?

2. 設計必須讓所有人以相同的形式解讀。

舉例來說，20世紀前的傳統的士兵制服顏色單一、明亮鮮豔，穿上去帥氣又亮眼。這種單色調軍服的作用在於震懾敵軍、鼓舞士氣和戰爭迷霧中辨認友軍。若傳統軍服失去其功能性、不再適用於戰場上呢?該設計勢必得經過改良。

1848年，隨著大英帝國不斷拓張，人們發現羊毛製成的厚重紅軍衣不適合在熱帶地區穿著。英國朗姆斯登爵士因而製作了一種與當地土壤顏色相似的泥土色軍服，隨後也以波斯語「卡其」命名，意為「泥土色的」。軍服的發展又因應地形發展出迷彩服。

卡其色或髒兮兮的迷彩泥巴裝美麗嗎? 不。它的存在是為解決問題──亮色軍服容易被敵軍斬獲。

最後，設計必須讓所有人以相同的形式解讀，因此設計可以是一種藝術，藝術卻不一定是設計。許多人可能都有看過少年Pi的奇幻漂流這部電影。無論是食母、Pi的謊言、蓮花所代表的涵義…李安導演微笑著不說破劇情真正要傳遞的意思，只待觀者進行不同的詮釋、留下大片的想像空間。

但如果人們用不同的方式詮釋這張位於高速公路上的標示呢？

這到底是要在何時左轉? 此刻，還是十公里後?若所有人皆抱持著不同的詮釋方式，將造成嚴重的交通傷亡。有開過車的讀者可能都有體驗過，道路標示與混亂的設計，絕對是台灣肇事原因之一。

另外，下述這則新聞報導，亦顯示了台灣多數公眾標示多不注重設計要件，導致台鐵砸下兩千三百萬元進行指標改善工程，台北車站仍被輿論批評成全國最大迷宮。

回到上述的指標，若我們將之改成不斷直走，直到要轉彎的時候才給予左轉的指令呢?

是否更好理解了?因此，藝術可以被無限詮釋，設計不行。設計必須讓所有人以相同形式解讀其意義。

設計給人們的印象多半是漂亮的，是因為吸引使用者注目、美觀舒適等功能。然而，一旦美麗的設計不具備用途，更甚地、影響使用者的注意力或便利性，那麼設計師就可以將之移除掉了。

比如：好看不好坐的椅子叫藝術品，不叫設計。如果具有藝術之美、又兼具實用性呢? 那該設計同樣可視為藝術品。許多人會將設計和藝術混為一談，事實上兩者有著明確的區別。

綜合上述所言，讓我們重新複習一下結論：

1. 設計必須具備功能性。（設計不一定是美麗的。若是美的──必有其功能性。）

2. 設計必須讓所有人以相同的形式解讀。

以視覺設計為例，藉由選用合適的文字媒材、或具有特殊象徵意義的圖形，我們可以創造更低的溝通成本並增加效率；傢俱設計注重人體工學、讓使用者更加輕鬆舒適；更別提iPhone的簡約主義設計所展現出、讓人為之驚嘆蘋果（Apple, AAPL-US）的工藝技術。

好的設計能大幅降低成本、提升效率、促進溝通、建立優質形象…好處多且受用無窮。偉大的設計更能永久流傳，成為不衰的經典之作。(想想迷彩服與優化後的捷運圖)

設計最困難的地方，通常都不在於實際的製作過程，而是前期的付出──觀察問題、發想解決方案、受試者訪談、製作原型、使用者測試、不斷修改…。

常見的Google圖示，無論是陰影、線條、比例，再再經過嚴謹的修改製程精算而出。有些人甚至諷刺Google對於圖像設計的投入狂熱到每釐米都要計較的程度，然而Google之所以會投注大量資金與心思，就因為它是這麼地有用！（詳見Google Material Design影片介紹）

對大公司來說，細節便藏在魔鬼裡。如何成為一個設計師呢?觀察周遭、解決問題，從現在開始──你已經是一個設計師！

註：股感的資訊設計，也是為了解決「一般人在閱讀生硬艱澀的財經專業知識時，難以吸收」的問題喔！

【延伸閱讀】

• 設計應用專題（二）：設計與視覺效果的決定性因子：字型學奧義
• 設計應用專題（三）：UI設計界大勢潮流：扁平化設計
• 設計應用專題（四）：扁平化設計的2.0革新：實感設計

The post 從觀察、定義到解決問題 改變世界的設計 appeared first on StockFeel 股感.

目前VR存在什麼樣的困境？

1. 硬體商與遊戲開發商之間的運作角力

在上一篇文中我們已經討論了──科技的發展演變，無論開發方向亦或帶動需求，乃由深度硬體宅宅玩家所帶領。

也就是說，當硬體商開發了新版硬體、要帶動消費者換機潮時，會藉由和遊戲廠商簽約或獨家授權的方式，促使玩家購買新的硬體機台。（舉例來說，由於新一代的遊戲小小大星球只有在PS4上發行，故逼得玩家必須汰換掉PS3去購買PS4。）

但問題是，遊戲廠商一定不希望獨家授權給單一的硬體廠商：唯有硬體越便宜、消費者的進入門檻低、遊戲商能大量授權給不同的硬體商，銷售範圍才會越廣。

這邊就牽涉到了雞生蛋蛋生雞的問題──唯有硬體商大賣到市場壟斷的地步、才能逼得軟體商不得不簽獨家授權合約，比如APPLE iPhone的例子。

但硬體商要如何才能大賣？還是必須仰賴深度遊戲玩家先為了玩遊戲而購買硬體。這就牽扯到了遊戲廠商與硬體廠商之間的角力。

• 遊戲商的OS：

希望硬體技術成熟、市場競爭激烈後跌到低廉的價格，讓消費者進入門檻更低，也會有更多人能使用自家的軟體。但如果其他遊戲商在一開始就與硬體商配合，把遊戲市占搶完就沒戲唱了，所以也不能不接受硬體商的簽約邀請。

• 硬體商的OS：

為了維持硬體的價格優勢，不落入過度競爭後硬體價格暴跌，我必須賣的超級多以壟斷市場、逼遊戲商為了高額的市場使用者而單獨授權給我。但要賣的多，一開始還是得靠內建遊戲才能撐起來。

孰勝孰敗呢？這就看雙方談判力度與運營策略了。

2. 內容領域的限制性

事實上，稀缺的「內容」和「共同平台」，是目前VR產業發展最大的問題。

註：我們在上一篇文提到，VR科技可分為四大要素：

未來十年內，VR最被看好的兩大領域為：

• 遊戲。
• 電影。 包括各式影片和色情產業。

我們已經在第一點談及了遊戲商與硬體商之間的角力問題。現在，讓我們來看看電影產業的可能發展。

VR影片的賣點在於使用者戴上頭盔後、能自由旋轉頸部觀看360度的不同畫面，像是釋放了傳統電影畫面的侷限性。但問題是，劇情發展通常只有在單一一個畫面、讓360度的景色都有不同的人物出現，不但製作成本更高、也會導致觀眾分心，無法專注在主線劇情上；然而若劇情畫面被限制在單一的景象中，又回到了傳統平面電影的情況了。

另外，使用者頭暈的問題尚未解決，只能透過更高的硬體畫質技術與互動搖晃的座椅改善。要讓觀眾能「忍受」使用VR設備觀看2-3小時電影的難度非常高。

未來VR在電影上的應用應是以娛樂用短片居多、不會有太深度的內容，看個刺激好玩的爽感而已。

問題是，為了看個20-30分鐘的影片，消費者需要專程買個貴鬆鬆的VR頭盔放在家裡嗎？仍舊只能到大型娛樂中心去，比如VR專屬電影院或大型遊樂場。

只能說，電影從黑白到彩色、無聲到有聲的發展進程，至今已超過100多年以上了。無論在敘事方式或畫面剪接的理論都已經非常完善，專門的電影藝術學院與學系也相當普及。

VR的電影技術和傳統電影有著迥異的區隔──無論在拍攝手法、畫面構圖、背景配樂與敘事技巧上，都是完全不同的製作方式。就算3D電影在阿凡達播映當時紅極一時，至今因價格過高與家庭播放設備無法配合、目前仍是2D電影占了大宗。

我不認為平面電影發展這麼久以來的藝術高度會輕易被VR取代，更何況好萊塢等傳統製片商會不會採用這套作法是另一回事。現行的知名導演會有多少人願意投入呢？諾蘭到現在還堅持用膠捲拍片。

20-30分鐘內娛樂用的爽片，消費者怎麼樣才會真的想要花大錢去購置一套昂貴的硬體設備？

當仁不讓地，就是色情產業。與其說VR產業的可能發展領域包括了遊戲與電影，不如說未來最被看好、也最有機會的商業機會終究是：

\色情產業/ \色情產業/ \色情產業/

3. 設備與平台規格零散，內容缺乏且體驗難以一致

Android軟體開發商都知道，由於群龍無首的芯片處理器和規格、高低不等的系統版本和畫質，Android應用程式在開發上會面臨比iOS更困難的整合問題。

未來的VR設備也將碰到同樣的問題：視野範圍不同、畫質不同、硬體版本更新速度不同，導致軟體開發商在確保各式設備的體驗一致時，無論開發成本亦或技術難度的級別都非常高。

也因此，在回歸到第一點談到的──軟體商希望硬體價格能跌得越兇、讓搭載的軟體能越廣泛的觸及到消費者，變成一件很困難的事情。PC電腦和Android手機為什麼能在這樣的商業模式上成功？因為規格一致。

也因此，硬體商能藉此要求軟體商為其獨家開發並獨家授權。

但要求軟體商為自己的設備獨家開發，有兩個大問題：

• 成本過高：絕對會比軟體商能直接大量佈署在各式各樣的硬體上來的高，畢竟軟體商還是要賺錢啊，你不讓他在多家硬體上面賺錢，就只能跟你抽更高的金額。
• 內容提供者過少, 無法達成VR生態系：封閉生態系會導致硬體商就算花個1000萬，也只買得起2家軟體商授權。但若開放生態之下，佈署的軟體商就更多、內容會更加豐富、願意購買硬體的消費者也更多。但開放生態系會導致硬體在技術成熟後殺價競爭。

在商業策略發展與各家廠商的角力上，始終是雞生蛋、蛋生雞的問題。

4. 學習門檻高, 難以達到沉浸式體驗 

在操作智慧型手機時，有許多人在一開始都會有些難以上手。無論是左右滑動、點擊、互動圖示等智慧型手機的操作方法，很多都是傳統手機沒有的功能。使用者必須花費一段時間適應、做為學習成本。

2D螢幕都已經如此了、更何況3D的操作介面呢？如何用更加直覺的方式去設計UI互動、讓使用者的學習成本更低？絕對會是VR介面設計的一個困難點。

另外，VR最強調的就是「沉浸式體驗」。開發商虛擬出一個真假難辨的環境、欺騙使用者的感官，讓人誤以為身在該空間裡面。

然而，要達到沉浸式體驗，就必須「更直覺」、「更人性化」。

現階段VR設備的操作方式是使用鍵盤、搖桿、打手勢、搖晃頭盔、各式控制器…。現實社會中的人類並不會使用這樣的交流互動方式，如此作法除了學習成本艱鉅、更不可能真正帶來沉浸感。

5. 完整設備過於昂貴, 家庭娛樂器材的可能性低

為什麼在使用VR設備時最常遇到的問題就是「頭暈腦脹」呢？

因為身體與大腦的不協調。

如果使用者在遊戲中正高速奔跑、身體卻動也不動；或靠近虛擬世界的牆、手指往前伸卻空無一物；受到怪物攻擊、卻只感受到指尖的搖桿微微震動了一下…談何沉浸式體驗。

使用者被迫坐在原地、承受大腦快速轉移的資訊畫面。戴上沉重的頭盔，在模糊黑色的影像中，使用者只看到了有限角度內可環視的粗糙畫面。一開始感到新奇，但沒內容、技術又不成熟的情況下，很快就會棄置一旁。

如何能真正解決使用者頭暈的問題？除了上述第四點的VR介面的人性化與直覺化，要做沉浸式體驗，光憑「頭盔」與「搖桿」是不夠的──必須搭配整套座椅的器材設備。

但這一套昂貴的設備有可能出現在家庭娛樂中嗎？

因此，目前的VR發展未來還是上看大型遊樂中心。要說能觸及大眾市場，存有著疑慮。如果硬體商不是做B2C的對消費者端產品，該硬體商對於遊戲商和其他軟體供應商便沒有了議價能力。

比如，消費者會因為APPLE這個品牌去買iPhone，但你在大型遊樂中心時會注意自己坐的雲霄飛車是哪個品牌嗎？如此隨著技術成熟、硬體終究會殺成另一片紅海。

只能說，目前的VR市場炒作過多、態度也過於急躁──技術不成熟、軟體內容不足、缺乏良好的互動介面設計。如此使得高技術產品的價格太昂貴、使用者稀少；而便宜的產品體驗太差、打壞多數使用者體驗。

未來VR產業會走向何方應用呢？讓我們拭目以待吧。

【延伸閱讀】

• 虛擬實境專題（一）：VR產業：硬體廠商的新救星

The post VR產業：未來十年的困境與機遇 appeared first on StockFeel 股感.

一. 虛擬實境（VR）

VR為Virtual Reality的縮寫，中文譯為「虛擬實境」。使用者藉由配戴特定設備（如頭戴式裝置）後，進入由軟體所創造出的「立體」、「3D擬真」環境；由於該虛擬環境具有封閉且隔絕的特性，使用者並不會與外界互動，故又稱「沉浸式體驗」。

目前的VR裝置主要透過人類的「視覺」、「聽覺」與「互動」來創造沉浸式體驗。

我們可以將虛擬實境科技切分成下列四大要素：

1. 內容: 如遊戲, 3D影片。
2. 硬體: 用以播放內容的硬體，如頭戴式裝置、操控搖桿。
3. 驅動軟體: 用以播放內容的軟體格式或軟體平台，如YouTube。
4. 使用者介面: 使用者與硬體裝置之間的互動介面。

以HTC VIVE為例的話，我們使用HTC VIVE這個頭戴式裝置（硬體），開啟功能選項介面（使用者介面）後點選進入YouTube（軟體平台）、觀看一場VR演唱會（內容）。

VR主要被看好的應用主要分為兩種：

1. 模擬現實環境: 教育訓練（醫療, 軍事, 課堂教學）或旅遊、房屋銷售等實際體驗。
2. 虛擬環境: 遊戲、電影等娛樂體驗。

目前的技術尚未達到能完全模擬現實環境，近期的發展多集中於娛樂取向──遊戲與電影 （包括色情產業）。

二. 擴增實境（AR）

AR為Augmented reality的縮寫，中文譯為「擴增實境」。擴增實境不會取代現實環境，而是透過感測特定圖片或實體景物，將虛擬資訊擴增到現實空間中。

VR與AR的差別是：AR使用者透過手機或眼鏡的畫面中看到了一隻動物，也僅限於觸碰手機屏幕的方式與影像互動，例如：觸碰螢幕畫面中的貓咪可以搔癢牠。

VR則加上了使用者與環境的互動因素，能讓使用者在配戴頭戴式裝置時能進一步與虛擬成像互動。

有沒有可能在現實生活中，與虛擬的物體互動呢？比如說，可以在現實生活中虛擬出一隻貓咪的影像、讓使用者可以不透過螢幕直接碰觸牠。

這就成了VR+AR的綜合體──混合實境。

三. 混合實境（MR）

MR為Mixed Reality的縮寫，中文譯為混合實境。混合實境綜合了虛擬實境與擴增實境的特點，配合現實環境投影出虛擬影像；使用者不必透過觸碰螢幕、即能直接與該影像互動。

目前最受矚目的MR應用，是微軟（Microsoft, MSFT-US）在2015年10月的最新產品發表會上展示的「HoloLens」全息眼鏡與「Project X-RAY」的虛擬遊戲。

發表會影片：https://www.youtube.com/watch？v=29xnzxgCx6I

從現場展示中，我們可以發現當玩家配戴裝備後，HoloLens頓時將真實空間成為射擊遊戲的戰場。事實上，也有許多人宣稱MR只是技術級別更高的AR。

為什麼2016年被硬體商稱為VR元年？

一般來說，科技廠商的商業模式分成下列兩種型態：

階段一：硬體價格高昂

這個階段的硬體商價格高但賣得量少、不太賺錢。應用軟體商或遊戲商則是與硬體廠簽約授權金搭載在硬體上。

由於硬體商事先向軟體商購買軟體。消費者在購買昂貴的硬體時，設備內部已搭載了所需的軟體或遊戲。

隨著技術越趨成熟、市場競爭激烈，會逐漸演變成：

階段二：硬體價格低廉、軟體商崛起

由於技術成熟，硬體廠販售的量雖多，但因價格低廉不太賺錢；軟體商則開始擁有大量的使用者市場。

使用者能用低廉的價格購買硬體後，再付費購買其他軟體，如智慧型手機與APP的關係。

更進一步而言，根據安迪比爾定律 （Andy and Bill’s Law）──消費者對於硬體的換機需求幾乎仰賴著軟體業者。

註: 安迪是Intel的前CEO 安迪·格魯夫（Andy Grove），比爾是Microsoft的創始人比爾·蓋茲（Bill Gates）。安迪-比爾定理，即”比爾要拿走安迪所給的”。（What Andy gives, Bill takes away.）

這是什麼意思呢？舉例來說，如果我們買了一台車後可以跑二十年，為什麼每年都要換一次硬體呢？不能一台電腦用十年嗎？ 以摩爾定律而言，硬體性能每隔18個月就可以翻一倍，為什麼硬體的處理速度仍舊與十年前差不多？

答案是：因為軟體更肥了。新軟體功能比前一版更強、大小卻不成比例的增長。若不更新電腦，很多新版軟體就不能用了。故唯有在軟體更新時、才能帶動硬體商的銷售量。比如當去年Windows 10發表時，即帶動了一波換機潮。

無論何種模式，硬體商似乎都被軟體商吃得死死的？

新技術的開發，成了硬體商的救星。

相較於技術難度更高的AR、MR，VR的技術發展最快。隨著桌電、筆電和智慧型手機的市場成長皆趨近於飽和，VR配備需要更高階的電腦主機支援需求，不需要軟體商的利潤競爭，即可帶動硬體升級和換機潮。

也就是說，在軟體業侵蝕了大部分利潤大餅後，VR產業是硬體製造商的一條新活路。經歷了硬體生產的惡性競爭，與Microsoft、Google Android和Apple的巨大成功，大型硬體商更藉此發現了幾個市場突破點，尤其在目前無論硬體或軟體平台都還沒有搭建起來、人人有機會的此時此刻。

想當初Samsung本來可以收購Android團隊, 只可惜管理階層認為軟體不重要而不予採納, 不然這世界的勝利者就翻轉了。

• 硬體商進軍VR產業的市場機會有三種：

1. 硬軟體整合系統：如Apple。
2. 統包商（Turnkey Solution Provider）：如聯發科（2454-TW）或高通（Qualcomm, QCOM-US）QRD。
3. 與多家小型軟體商結盟，進行獨家授權：如SONY PS4。

依據各家科技廠商的天生的DNA性格與專長的技術，會有著不同商業模式的選擇。

1. 硬軟體整合系統: 最有優勢, 然而只有軟體商或少數硬體技術能做

以第一種商業模式而言，通常是軟體商在軟體大賣、營收穩定後，再回過頭來要求硬體商獨家外包、打自己的品牌吃硬體市場。如Google讓LG做Nexus手機的代工。

就傳統硬體廠商而言，並不擁有與軟體商匹敵的軟體研發能量和Software工程師、更別提品牌行銷能力了。

因此，即使第一條路雖最有競爭優勢、未來也可保證自家的產品不會落入惡性的價格競爭，除了少數幾家大廠 （如Samsung），並沒有幾家廠商有野心與相應的能力去做整合系統。

2. Turnkey Solution: 重視量能的OEM廠商最佳選擇

硬體商最常見的出路是第二種選項。該選項能讓不善於操作品牌行銷、重視代工與銷售「量能」的技術商更有競爭優勢。

以做手機晶片的聯發科或攝影機晶片的iCATCH為例，作為Turnkey Solution Provider，廠商提供的是完整設計（Turnkey），包含硬體、內建系統，甚至是外觀模具， 業界一般稱「公版」。製造商拿到Turnkey立即可以生產，減少自行研發的時間。聯發科的Turnkey解決方案讓中國山寨手機得以大量生產並突破性的崛起。

3. 與多家小型軟體商結盟：SONY的PS4模式, HTC的可能發展

至於第三種模式，則為HTC與SONY Playstation現下最有可能的發展。HTC純出貨硬體，與遊戲開發商結盟推遊戲，依照現在PS4的方式走。

PS4的經營模式是什麼呢？這就要說說光華商場的故事啦。

• 為什麼光華商場會崛起？因為買不起原廠的主機，只好購買較為便宜的電腦零件再自行組裝。
• 為什麼一定要有一台電腦？因為宅宅們要玩暗黑破壞神（Diablo）。

二十年前，光華商場的崛起完全是因為一群深度宅宅為了玩遊戲，但沒錢買昂貴的主機，只好自行組裝符合硬體需求的電腦。也就是說，宅宅們想要電腦都是為了玩遊戲啊！

PS4而言，為什麼玩家一定要購買SONY的機台？ 因為玩家想要玩只有在PS4上面才有的遊戲，比如遊戲神作小小大星球。

消費者為什麼要買任天堂？因為有馬力歐。 （YES IT’S ME Mario！）

如果說新版的小小大星球只在PS4上發行、無法使用PS3，就會促進玩家的換機潮。也就是說，帶動硬體需求與科技發展的正是一群深度玩家啊！ 別說後來家家戶戶都有PS4或Wii，那也是在鞏固了一群死忠遊戲玩家後、再逐漸向一般大眾消費者擴大市場的結果。

請讓我們向偉大的遊戲宅宅們致敬！！！！

事實上，目前的VR新聞仍以炒作居多。現今的VR產業尚無共通平台和共通發展基礎，領導的幾家科技大廠對於虛擬實境的應用都故意隱匿起來──要麼觀望中、要麼對於開發進度與方向諱莫如深，在不同運營可能下且走且戰的試驗中。

大廠們的VR策略

廠商們不但不確定VR的可能商業模式，甚至對於應選擇VR、AR或MR何者技術，也有不同的應用想法。

Facebook：虛擬社交環境

滑FB動態與朋友交流不稀奇；然而，若能在虛擬世界中創建一個社交圈、讓大家一起在虛擬的海邊玩耍、或一起旅行呢？

VR的問題在於：由於與現實世界切割，使用者會進入一個完全封閉的環境中；若不是深度遊戲玩家、在遊戲玩膩後，就無法長久黏著在虛擬世界裡。

因此，若能加入「社交元素」，配合VR本身脫離現實的特色、讓使用者更能恣意交友，絕對會是個突破性的發展！尤其Facebook本身也正面臨到自家平台「過度公開」的問題，許多使用者為了隱私而轉往Instagram或Snapchat。VR社交平台無論是封閉性、沉浸性與匿名性都會成為未來的商業契機。

臉書（Facebook, FB-US）創辦人Mark Zuckerberg在“UNPACKED 2016”發佈會上表示，Facebook已經向VR專案投入了數百位頂級工程師，為的就是要讓用戶通過虛擬實境，達到和朋友同處一室的體驗。

Google：推出VR開發平台與硬體公版

幾年前的Google Glass即是AR的應用，可惜因訂價過高而失敗。Google在AR應用上的著墨已深，2014年更耗費耗費五億美元投資了AR投影的新創公司Magic Leap。

另一方面，，從Google APP Engine平台、到深度學習的Tensorflow，Google對於其開發平台的推廣始終不遺餘力。

對於VR，Google也在今年的Google I/O大會上發表的「Daydream 」VR平台，分成三個主要的組成部份，分別是強化手機反應速度的 VR 模式、給手機商參考的頭套和遙控器硬體設計，和 VR 內容平台。

並在今年10 月初推出了一款 VR 產品 Daydream View，這款產品需要搭配智慧型手機使用、還配置了一個控制器，顯然 Daydream View是一款設計和技術成熟的產品。

Google 推出這款產品一是為了豐富其硬體產品線，二是為其他廠商打造 Daydream 平台的 VR 裝置樹立標桿，就如同旗下的Google Nexus手機原意是作為Android手機開發者的設計參考。

Microsoft：謎之音

有些人可能會好奇，為什麼Microsoft過往常開發出一些似乎無法賺錢的奇妙產品 （如: 藍澤光）。

傳聞中，Microsoft不應被視為一家公司，而應視為一個「聯盟」，由多個獨立工作室組成。Microsoft光靠Office等軟體賺取對企業的授權金的營收已相當穩定；然而各部門無論是PowerPoint、Excel或其他產品開發線都各自獨立，彼此不但不共享資源，還內鬥得很兇。

也因此，即使目前Microsoft開發HoloLens似乎是想要走XBOX的家庭娛樂、或大型遊戲遊樂中心的市場應用，根據Microsoft的過去表現，我們也無從得知是否會再生曲折…

2016年號稱VR元年，然而對於VR本身的應用發展和企業的經營模式，事實上有著更多的可能與變數。

謝謝大家今天的收看，就讓我們在下一集的VR專題與大家探討未來十年VR的何去何從吧！

【延伸閱讀】

• 虛擬實境專題（二）：VR產業：未來十年的困境與機遇

The post VR產業：硬體廠商的新救星 appeared first on StockFeel 股感.

2012年，「GPU+深度學習」真正引爆革命火花

由於多層神經網路的計算量龐大、訓練時間過長，常常跑一次模型就噴掉數週、甚至數月的時間，2006年該時也僅是讓學界知道：「深度神經網路這項技術是有可能實現的」而已，並沒有真正火紅起來。

真正的轉捩點，還是要到2012年——那年10月，機器學習界發生了一件大事。

還記得我們在【人工智慧的黃金年代：機器學習】一文中提過的ImageNet嗎？美國普林斯頓大學李飛飛與李凱教授在2007年合作開啟了一個名為「ImageNet」的專案，他們下載了數以百萬計的照片，供機器從圖像資料中進行學習。每年史丹佛大學都會舉辦ImageNet圖像識別競賽，讓各家企業或機構測試系統的效能極限，堪稱機器學習界一大盛事。

以往無論是淺層、還是深度學習的機器學習模型，都是採用CPU進行運算。2012年10月， Hinton的兩個學生使用輝達（NVIDIA, NVDA-US）出產的GPU、加上深度學習模型 (他們採用了專做圖像識別的捲積式神經網路CNN)，一舉拿下ImageNet的冠軍，正確率更超過第二名將近10%。有興趣的讀者可以參考由Hinton撰寫的這篇論文《Imagenet classification with deep convolutional neural networks》，內文詳細介紹了相關模型與比賽結果。

看到此情此景，大家都瘋了，NVIDIA也瘋了。沒想到採用GPU運算的深度學習能有如此殺傷力強大的效果，運算速度是CPU的70倍以上，終於讓深度學習真正火爆起來。2012年之後的ImageNet競賽，大家都紛紛採用GPU做運算；2015年，Microsoft更是以3.5%的錯誤率贏得冠軍，超越人類肉眼5%錯誤率的辨識能力。

為什麼GPU運算會比CPU更強呢？GPU不是用來處理圖形運算的嗎？由於圖形運算需要大量的向量和矩陣運算，這正是平行架構的GPU最擅長的事情，而深度學習正是使用大量的向量和矩陣進行運算；CPU執行矩陣運算的速度則遠遠不及GPU。

事實上，CPU是用來進行更通用的運算，需要協調硬軟體資源；而GPU計算是用於增大計算的吞吐量。CPU需要很快的將資料一個個的依次處理完畢，降低延遲時間；而GPU到記憶體的抓資料回來運算的速度比CPU慢很多，所以GPU計算都是希望一下子有很多數據可以計算，然後一口氣將這些數據計算光。

深度學習矩陣運算＋大數據平行運算＝首選GPU

註：流言終結者(Mythbuster)的兩位主持人Adam Savage和Jamie Hynema曾以特效裝置示範CPU和GPU平行運算的效能差異（還被NVIDIA官方頻道貼出來lol），推薦讀者可以看一看，好笑又好懂。

風口上的NVIDIA公司：從遊戲、VR到深度學習

NVIDIA一直想從設計圖形處理器的傳統硬體公司轉型、成為大規模運算伺服器和整合軟體公司；因而在深度學習爆紅之前，早已推出了GPGPU（通用圖形處理器）。

我們之所以能用CPU做運算，是因為CPU有編譯器(Compiler)這樣的設計，能讓工程師寫完程式後、經過編譯器的轉譯、成為CPU看得懂的機械碼。然而一般GPU並沒有類似的設計，因此工程師難以直接寫程式讓GPU來運算

CUDA——NVIDIA成為深度學習運算必用硬體的關鍵。

2006到2007年間，NVIDIA發表了一項全新的運算架構，稱為CUDA；這也是NVIDIA正式給GPGPU的名稱。使用者可以撰寫C語言、再透過CUDA底層架構轉譯成GPU看得懂的語言。這也是自GPU可以拿來做大規模運算的概念推出之後，首次可以讓人使用C語言來運用GPU蘊藏已久的強大運算能力，故NVIDIA從GeForce 8系列之後的顯示卡全開始支援CUDA技術。

GPGPU的興起，大概就是CUDA帶起來的；而CUDA的成功，更直接導致了深度學習的運算全部都使用NVIDIA家的GPU。這種驚人的影響力，不論是深度學習、機器學習、自動車、虛擬實境(VR)、電競遊戲，每一項都跟NVIDIA習習相關。Tesla創辦人Elon Musk更是親自寫Email，向NVIDIA執行長黃仁勳表達希望成為第一個拿到最新AI GPU的人。

今年八月，NVIDIA在其每年舉辦的GTC大會上(GPU Technology Conference，俗稱老黃的傳教大會)，執行長黃仁勳強調NVIDIA在人工智慧領域上的深耕、能提供最完整的軟硬體解決方案。整場大會以深度學習為重要主角，同時宣佈推出全世界第一個專門用來運算深度學習的超級電腦——DGX-1伺服器，售價129,000美金。

搭上人工智慧熱潮，NVIDIA從12月開始連續9個交易日創歷史收盤新高、今年迄今漲幅高達255.95%。MarketWatch報導，NVIDIA是今年迄今標準普爾500指數表現最好的成分股。

顛覆性的第四次工業革命：深度學習

如今深度學習技術對各大產業領域都將產生深遠的影響，堪稱第四次工業革命。從天氣預測、醫療影像辨識、金融股市預測、電信商客戶流失率預測、網路異常入侵偵測、智慧交通…無不採用深度學習技術。

基於深度學習方法，Facebook的DeepFace專案的人臉識別技術的識別率已經達到了97.25%，接近人類的97.5%的識別率，幾乎可媲美人類。

Google現在則有超過1000個深度學習產品，包括地圖、GMAIL、自動翻譯、自動車、Android等。2013年7月，Google收購了DNNresearch公司，其背後創辦人正是大名鼎鼎的深度學習之父Hinton教授；2014年1月，Google以逾6億美元價碼收購英國人工智慧公司DeepMind。

今年(2016)三月，由DeepMind團隊所打造的AlphaGo圍棋系統在擊敗的南韓圍棋好手李世石之後聲名大噪；隨後Google也利用DeepMind的深度學習技術，把各資料中心的用電效率提高15%、成功讓其龐大的資料中心冷卻用電量減少了40%。

深度學習能推廣應用的產業範疇非常的多，各家科技公司更是摩拳霍霍、無不想搶進最新發展。在人工智慧領域中，目前領先的四大巨頭分別為Google、Microsoft、Facebook與百度（Baidu, BIDU-US）；尤其在語音識別和圖像辨識上，每個月都可以看到這四家公司公布新的技術發展。每分每秒，AI巨頭們都在使用深度學習改變你我的生活。

當然你可能會想：說了這麼多、什麼機器學習、深度學習，還不是只有大公司玩得起。

2015年，約每22天就有一個深度學習的工具集(toolkit)被發布出來。深度學習正從高冷的數學模型、逐漸邁向黑盒子的過程。這是什麼意思呢？

以網頁開發來比喻——20年前架網站，工程師得用Perl、C++寫CGI、瞭解TCP/IP標準、Solaris伺服器、Oracle資料庫；簡單來說，寫網頁是一個具備高度Domain-knowhow的活兒。然而現在不需要瞭解底層架構，用Ruby on Rails、Bootstrap等框架，輕輕鬆鬆就能兜一個網頁出來。市面上隨意可見「1天教你學會架站」之類的書籍。

同樣地，機器學習和深度學習模型在目前已經是一個封裝地很好的黑盒子；使用者只要下載Package、透過Tensorflow、Caffe等開源平台Toolkit、調一下 API，把資料丟進去，就能神奇地完成某個任務。即使不瞭解背後的數學模型，仍然可以很輕鬆地使用深度學習做數據分析。

最近在日本就有個有趣的案例——小池誠原本在車廠當工程師，一年前辭去工作回到老家幫父母經營小黃瓜農場。農場並不大，然而小黃瓜分類的工作卻讓他吃了不少苦頭。

小池誠不懂深度學習的數學模型，但透過TensorFlow平台、他成功利用深度學習來為自家的小黃瓜進行圖像辨識和自動化分類。

你能想像在你家的農場使用深度學習技術嗎？或許就像使用Excel做數據分析一般，在未來，人人都能輕易地使用深度學習模型來跑海量數據。

人工智慧有可能取代人類嗎？

在本篇系列的最後，讓我們來討論一下這個恆久不變的問題。

問題1. 人工智慧有可能毀滅人類？

在許多科幻小說中，屢見不鮮人工智慧程式透過自我學習，最終逐漸統治世界的故事。既然機器學習能自行從歷史資料中學會技能，目前人工智慧的技術發展有可能導致這種情況發生嗎？會導致強人工智慧(Strong A.I.)的出現嗎？

1. 機器學習算是弱人工智慧

目前人工智慧的自我學習還是限定在人們指定的方式、只能學習解決特定的問題，比如說AlphaGo不能直接去下象棋，仍然不是通用的智慧、或能理解「下棋」的意義，對於AlphaGo來說只是跑完一個運算模型。

2. 資料清整仍是機器學習的關鍵環節

還記得我們提過，機器要能從海量資料中挖掘出規律，必須經過資料清整 (Data Cleaning)的過程嗎？資料科學家得為系統輸入規整化的訓練資料，格式要求相當嚴格。這也意味著即使把人工智慧程式連到網上，它也不能直接對於網路上格式不一的「骯髒」資料進行學習。

問題2. 機器學習和深度學習是不是沒有達不到的事？

這個問法或許可以改成：什麼是機器學習能解的問題、什麼是機器學習不能解的問題？

1. 機器學習重預測、較缺乏解釋現象的能力

機器學習是一門結合了機率學與統計學的學科，早期做機器學習的學者幾乎都是統計學家，直到後來有電腦科學背景的研究人員進來、結合統計和資工兩方的Domain-Knowledge，成為一個叫機器學習的新門派。因此無論是線性回歸、Sigmoid函數邏輯回歸、SVM、RBM…等模型，事實上都是統計學模型。

既然如此，統計和機器學習有什麼差別呢？他們想要解決的問題是不一樣的——傳統統計更在乎解釋能力(explanation power)，機器學習則在乎預測能力(prediction power)。目標不一樣，發展出的建模方法就不一樣。

機器學習就像一個黑盒子，可能跑出了非常精準的預測結果、卻不明白機器是透過什麼樣的過程、用什麼方法預測出這個答案的。

對於統計學家而言，關心的問題則是：我的模型到底能不能解釋整個母體的現象；如果預測錯誤率更低、但沒辦法解釋原因，就會放棄該模型。若目標在於解釋的話，不用做出一個「預測準到不行」的模型，但估計式要穩健(robust)。

你可能會想：預測準確不是比較重要嗎？為什麼要在乎解釋能力呢？在發展科學理論的時候，若不解釋、就算預測的再準，我們還是不能理解一個現象為什麼會發生。比如說，我們可以透過機器學習模型很準確地預測點擊率，但我們仍不知道是什麼因素影響CTR，如此一來就很難去改良產品設計，就算將點擊率預測地很準也沒用。

因此在許多深度學習研究論文中，可以發現其理論都不太「漂亮」——理論不甚完備、但實務上的預測結果跑的不錯。

2. 機器學習需要大量的歷史資料

既然說機器學習需要過去的資料來學會技能、並透過新進資料逐步優化，因而對於深度學習模型來說，十萬筆資料都是小數字。但若是沒有歷史資料呢….?

比如我們可以從一個消費者過去的購買資料中，精準預測到他會買產品A，然而在公司想販售一款新產品B時，由於無法解釋他為什麼會買產品A，也沒有產品B的歷史資料、因此無法預測該消費者會不會買這款新產品。

況且對一般人而言，很難輕易達到數十萬筆以上的資料量，如此使用Excel進行一般統計運算即可。進一步說，多數台灣企業的資料庫老舊、許久沒有維護更新，說要能拿出夠「乾淨」的海量數據來進行分析，也是頗為困難的事情。

針對上述問題，有時候用統計、另一種時候用機器學習模型。實務上，資料科學家會依據問題的類型和自身經驗、考量後選擇適當的工具。

大家對於人工智慧、機器學習和深度學習有了更進一步的認識了嗎？從人工智慧、機器學習到深度學習，人工智慧領域的發展日新月異；深度學習的浪潮方引爆，未來世界的運作方式將會如何受變化呢？就讓我們拭目以待吧。

感謝您收看本利列的數據分析專題，我們下次再見！

【延伸閱讀】

• 數據分析專題（一）：引爆資料中心革命：雲端運算
• 數據分析專題（二）：從儲存、挖掘到溝通，引領產業新面貌：大數據(Big Data)
• 數據分析專題（三）：人工智慧的黃金年代：機器學習
• 數據分析專題（四）：機器學習的衰頹興盛：從類神經網路到淺層學習
• 數據分析專題（五）：類神經網路的復興：深度學習簡史

The post 神經網路的復興：重回風口的深度學習 appeared first on StockFeel 股感.

前述：人工智慧與機器學習的演進

下述故事是我們在【人工智慧的黃金年代：機器學習】與【機器學習的衰頹興盛：從類神經網路到淺層學習】文章中已向大家介紹過一遍，若有想要回顧相關技術名詞的讀者歡迎參閱。

1950年代電腦發明以來，科學家便希冀著利用電腦創造出人工智慧。然而當時的人工智慧理論採用的是邏輯推理方法，需要百分之百確定的事實配合、在實務上不容易使用；再加上當時的硬體效能低落、數據量不足，隨著通用問題解決機(General Problem Solver)、日本第五代電腦等研究計畫的失敗，人工智慧陷入了第一次的寒冬。

人工智慧「現代鍊金術」的惡名，一直到1980年代開始才又復興。此時科學家不再使用傳統的邏輯推理方法，取而代之的是結合機率學、統計學等大量統計理論，讓電腦能透過資料自行學會一套技能，並根據新給的數據、自行更正預測錯誤的地方、不斷地優化該項技能，稱為「機器學習」。

機器學習方法有許多種不同的數學模型，包括隨機森林、類神經網路、感知器…族繁不及備載。此間爆發了兩種不同的機器學習模型浪潮，第一波興盛的模型為「類神經網路」、又稱人工神經網路。

機器學習一直在嘗試解決現實中複雜的資料切分問題。線性關係的資料能用一條直線表示，比如食量和肥胖度成正比；非線性關係的資料則無法用一條直線表達，比如指數成長的人口是一個指數函數；第一代神經網路單層感知機是線性模型，無法解決線性不可分的問題，因此早期的感知機神經網路也不受重視。

直到1986年，學者包括Rumelhart、Hinton等人提出「反向傳播算法」(Backpropagation)訓練神經網路， 使的具備非線性學習能力的多層感知機 (Multi-Layer Perceptron)的可能露出一絲曙光。讓神經網路紅極一時。

還記得我們提過的類神經網路的基本原理嗎？先讓資料訊號通過網路，輸出結果後、計算其與真實情況的誤差；再將誤差訊號反向傳播回去、對每一個神經元都往正確的方向調整一下權重；如此來回個數千萬遍後，機器就學會如何辨識一隻貓了。

反向傳播時，資料科學家會設定更正錯誤的方法──「代價函數」(Cost Function)。代價函數是預測結果和真實結果之間的差距。代價函數的優化(Optimization)是機器學習的重要研究目標，也就是：如何找到優化的最佳解（誤差的最小值）？如何用更快的方式逼近最佳解？

如何逼近最佳解有很多種不同的演算法，最典型的方法是採用隨機梯度下降法(Stochastic Gradient Descent)。當線性關係資料的代價函數為凸函數，找到最佳解不是問題；然而問題在於非線性關係的資料：其代價函數為非凸函數，求解時容易陷入局部最佳解、而非全域（3067-TW）最佳解，這個問題叫做梯度消失問題(Vanishing Gradient)。

更糟的是，梯度消失問題會隨著神經網路層數的增加而更加嚴重，意即，隨著梯度逐層不斷消散、導致神經網路對其神經元權重調整的功用越來越小，所以只能轉而處理淺層結構（比如2層）的網路，從而限制了性能。

單層感知機失敗的原因乃不能切分非線性關係的資料；雖然1986年的學界提出了反向傳播算法，卻仍無法解決非線性資料的優化問題，多層感知機仍然無法實踐。這使得類神經網路在剛出現時雖大為火紅、卻在不久後又沒落了下去。

經歷了單層感知機、和多層感知機的兩次失敗，當時的學界只要看到出現「神經網路」字眼的論文或研究計畫，便會立刻貶斥，認為：多層的神經網路是不可能的。然而若採用僅有兩層的神經網路，不如使用其他理論更完備也更好實踐、同樣只有兩層的「淺層」機器學習模型。因此在1990年代，支持向量機(Support Vector Machine)等「淺層機器學習模型」成為主流技術，此為機器學習的第二波浪潮。

接下來，讓我們來繼續談談類神經網路是如何再度復甦。

2006年，Hinton帶著「深度學習」回歸幕前

若是沒有一個關鍵人物，那麼類神經網路的故事可能也就到此為止了。

Hinton教授作為反向傳播算法的發明人之一，即使不被學界重視，30多年來、對於神經網路研究仍然不離不棄。Hinton教授的苦心鑽研，終於在2006年時有了成果，成功解決了反向傳播的優化問題。

他是怎麼成功訓練神經網路的呢？ Hinton提出了限制玻爾茲曼機和深度信念網路兩個概念：

1. 限制玻爾茲曼機 (RBM)

限制玻爾茲曼機 (Restricted Boltzmann Machines, RBM)為僅有2層結構的淺層神經網路，第一層稱為可視層(visible layer)、第二層稱為隱藏層(hidden layer)。

玻爾茲曼機模型中，同一層之間的神經元也會連結在一起；然而為了降低複雜度，我們設計讓同一層的神經元彼此間沒有連結，這也是為什麼稱為「限制」玻爾茲曼機的意思。不同層的神經元彼此間會連接在一起，並採取隨機決策(stochastic decisions)來決定一個神經元要傳導或不傳導。

RBM作為一種神經網路，其設計當然也包括了前向傳導和反向傳導兩個步驟：

(1) 前向傳導 (forward)

丟入一筆資料進行運算時，在可視層、每個神經元都會接收到一個資料的低層級特徵。比如當我們丟入一堆灰階的圖片，每個可視層的神經元會接收到每張圖片的每一個像素(pixel)。

以手寫數字辨識資料庫MNIST為例，MNIST圖像共有784個像素，故RBM神經網路在處理MNIST資料時，在可視層就必須有784個輸入的神經元。(註：MNIST 數字是1998年由紐約大學的LeCun教授為了美國郵政部開發的手寫數字圖片資料庫, 可參考: http://yann.lecun.com/exdb/mnist/)

每個輸入值 x (input)都會乘以一個權重 w (weight)、加總後再加上一個偏差值 b (bias)；由於神經網路中的神經元有些可能會傳遞、有些不會，加上偏差值的目的是為了至少讓某些神經元能被激發起來。最後在隱藏層輸出結果 a。

也就是說各個神經元的激發函數公式為：

激發函數 f( (權重 w * 輸入值 x) + 偏差值 b ) = 輸出結果 a

(2) 重建(Reconstruction)

RBM的目標是為了重建原始的輸入值 x、且還原的越精確越好。在反向傳導的過程中，剛剛的輸出結果 a在隱藏層作為新的輸入值，同樣乘上權重 w、加上一個偏差值，最終在可視層輸出資料重建的結果 r。

接下來，我們在可視層比較一開始輸入值 x和重建值 r的差異，以分辨重建資料的精確度。RBM使用一種叫做「KL Divergence」的方法來衡量網路重建資料的準確度。

整個網路會不斷向前傳遞過去、再向後傳導將原始資料重建回來，期間來回數次、不斷調整每個神經元的權重和偏差值，直到「原始資料」和「重建後資料值」兩者差異被優化到最小值為止。也就是說，我們盡量讓重建回去的資料值和原始資料接近一模一樣。

關於RBM背後的機率理論相當複雜，在此略過不提，歡迎有興趣的讀者自行查閱。簡單來說，藉由RBM試圖「重建」原有資料的過程，讓神經網路能自行發覺資料隱含的規律。看起來很眼熟？沒錯，放入沒有被標籤過的資料、我們可以利用RBM來做無監督學習(unsupervised-learning)。

甚至在重建的過程中，可以發現為了將資料重建回去、資料最關鍵的特徵是什麼。也就是說，我們能知道「用到哪些關鍵的特徵」就可以成功重建，得以利用RBM來提取資料的特徵。

2. 深度信念網路 (DBN)

接下來Hinton使用了一個很聰明的技巧——將RBM堆疊起來、建立一個多層的神經網路，稱為深度信念網路 (Deep Belief Network)。

訓練時，深度信念網路會一次訓練2層網路、而這2層正是RBM模型；將數個RBM模型堆疊起來，每一層模型的輸出值即為下一層模型的輸入值，直到抵達最後一層輸出層為止，由於我們直接將無標籤(unlabeled data)資料放入網路中，因此深度信念網路是一個無監督學習過程。

學習到最後，我們可以結合半監督學習——透過一些少量的標籤資料(labeled data)，對深度信念網路的神經元權重和偏差值進行微調(Fine-Tune)，讓精確度更高。

預先訓練完後，在最後一層才放「分類器」。也就是說，不直接將資料放進分類器中，而是將資料預先經過RBM模型的訓練。藉由這樣無監督或半監督、逐層的預訓練(unsupervised/semi-supervised, layer-wise pre-training)的過程，深度信念網路能找到輸入資料隱含的規律、具備優異的特徵學習能力。就像逐漸聚焦的相機鏡頭，深度信念網路讓資料越來越清晰。

但這跟我們想解決的梯度消失(vanishing gradient)問題有什麼關係呢？

若尚未聽過梯度消失問題的讀者，請先參閱【機器學習的衰頹興盛：從類神經網路到淺層學習】一文。

在線性回歸當中，使用隨機梯度下降法、從任意一個點出發搜索，最終必然是下降到全域最小值(global minimum)。所以初始值可以任意設為0。

問題是非線性回歸——陷入局部最小值是多層神經網路揮之不去的陰影。隨著層數的增加，非凸的代價函數越來越複雜、局部最小值點成倍增長。

傳統的神經網路隨機初始化網路中的權值，導致網路很容易收斂到局部最小值。因而，如何避免一開始就倒霉地被吸到一個超淺的盆中呢？比起隨機選擇初始值、或是將初始值設為零，如果能找到一個理想的起始點開始梯度下降，將能夠更快、更容易找到全局最小值。

從1980年代到2006年的十多年間，機器學習領域以支持向量機(SVM)等簡單高效的分類方法為主，這些方法在處理非線性關係的資料時，多依賴資料科學家將資料分段、採用局部線性逼近；然而這相當仰賴資料科學家本身的經驗。

更甚地，研究人員還依據經驗或相關知識，設計了許多「人造特徵」。比如在圖像識別領域， SIFT、HOG、Gabor等人工設計的特徵被用來描述圖像的梯度或紋理性質。雖然在很多問題上取得了還不錯的性能，但人造特徵無法廣泛的並用、且設計新特徵需要強大的經驗和知識。最重要的是，面對大數據時，難以自然找到其中蘊含的規律。

深度神經網路可以自動學習特徵，而不必像以前那樣還要請專家以人工建造特徵，大大推進了智能自動化。

2006年可以說是深度學習起飛的一年。經過了三十年的研究，Hinton在《Science》等期刊發文，指出「具備多層隱藏層的神經網路具有更為優異的特徵學習能力，且其在訓練上的複雜度可以通過逐層初始化來有效緩解」。

這篇驚世駭俗之作名為《Reducing the dimensionality of data with neural networks》。在這篇論文中， Hinton提出深度信念網路、使用無監督預訓練方法優化網路權值的初始值，再進行權值微調(Fine-Tune)，讓多層神經網路能夠真正被實踐。

又由於神經網路的研究在過去被棄置已久，故Hinton教授又將深度神經網路重新換上「深度學習」(Deep Learning)的名字捲土重來，Hinton也因此被稱為「深度學習之父」。

話說回來，目前已經沒什麼人在使用RBM或深度信念網路了；後來的研究發現，簡單的初始化和激發函數的調整，才是解決Vanishing Gradient Problem最好的方法。現今最為廣泛被使用的方法是「多層感知器(MLP) + ReLU函數」。

ReLU函數近年來有取代傳統sigmoid函數神經元的趨勢。

不過在2006年，Hinton以深度信念網路第一個提出「深度神經網路可行」的說法，讓學界把眼光重新放回神經網路這個領域。可以說RBM只是深度學習浪潮的一個開端。

真正讓深度學習徹底的火爆起來，還是2012年那年10月發生了一件大事，從此革命火勢一發不可收拾。到2016年的今天，深度學習儼然成為未來十年內最重要的技術。究竟是發生了什麼事情呢？
下篇，就讓我們來看看，NVIDIA的GPU是如何和深度學習技術相輔相成，成為時下最熱門的硬軟體技術應用。

【延伸閱讀】

• 數據分析專題（一）：引爆資料中心革命：雲端運算
• 數據分析專題（二）：從儲存、挖掘到溝通，引領產業新面貌：大數據(Big Data)
• 數據分析專題（三）：人工智慧的黃金年代：機器學習
• 數據分析專題（四）：機器學習的衰頹興盛：從類神經網路到淺層學習
• 數據分析專題（六）：神經網路的復興：重回風口的深度學習

The post 類神經網路的復興：深度學習簡史 appeared first on StockFeel 股感.

從Google Alphago到Chatbot聊天機器人、智慧理專、精準醫療、機器翻譯… 近年來時而聽到人工智慧、機器學習的相關消息，一夕之間這項技術攻占了各大媒體版面。不但Google、Facebook、微軟（Microsoft, MSFT-US）、百度（Baidu, BIDU-US）、IBM等巨頭紛紛進軍該領域，NVIDIA執行長黃仁勳亦宣稱將由顯示卡轉型成人工智慧運算公司，強調人工智慧浪潮的來臨。

機器學習是人工智慧的一個分支。然而什麼是人工智慧？什麼是機器學習？要解決的又是什麼問題呢？今天就讓我們來聊聊，未來十年內將會真正改變你我生活的新世代技術。

人工智慧: 如何以電腦解決問題

人類自從發明電腦以來，便始終渴望著能讓電腦擁有類似人類的智慧。一提到人工智慧，很容易令人想到電影與科幻小說中常見會聊天、會煮飯還會突然間想毀滅人類取而代之的機器人形象。

究竟什麼算作「智慧」？若電腦能針對我們的問題準確地作回答、或學會下棋和泡咖啡，如此就能確定電腦擁有智慧嗎？要怎麼確定它真正擁有意識、理解情感?

當年AI技術尚未真正發展起來，哲學家與人文學家已就這個問題做過許多廣泛的討論。根據這個問題，美國哲學家約翰．瑟爾(John Searle)便提出了「強人工智慧」(Strong A.I.)和「弱人工智慧」(Weak A.I.) 的分類，主張兩種應區別開來。

強人工智慧受到電影與科幻小說的影響，強調電腦將能擁有自覺意識、性格、情感、知覺、社交等人類的特徵。另一方面，弱人工智慧主張機器只能模擬人類具有思維的行為表現，而不是真正懂得思考。他們認為機器僅能模擬人類，並不具意識、也不理解動作本身的意義。簡單來說，若有一隻鸚鵡被訓練到能回答人類所有的問題，並不代表鸚鵡本身瞭解問題本身與答案的意義。

在著名的圖靈測試中，如果一台機器與人類對話、而不被辨別出己方的機器身分時，便能宣稱該機器擁有智慧。這可以算是人工智慧的一種檢測方式，然而，強人工智慧擁護者可能會反駁──表現出「智慧」的行為不代表它真正擁有智慧、瞭解對話的意義。

當然弱人工智慧擁護者也可以反駁──我們永遠不可能知道另一個人的想法，比如我在和一個人對話時，並不知道對方是否和我進行一樣的思考方式，因此我們不能否定這台機器存在智慧的可能。是否有點類似莊子和惠子的子非魚安知魚之樂的對話呢?

有興趣的讀者能再就上述問題持續深入討論思考。不過在電腦科學界，直至目前為止尚不須深入糾結在這個問題層面。電腦科學家在意的是──我們能用人工智慧解決什麼樣的問題。

1950年代的電腦科學方起步，從科學家到一般大眾都對於電腦充滿無盡的想像，不但從大導演弗裡茨·朗的大都會到作家艾西莫夫的機器人三大法則，主流科學界也都預估約莫20到30年左右的時間便可以成功創造出與人類智能同樣高度的人工智慧。

然而，人工智慧的研究很快便面臨了瓶頸──機器程序是由人類撰寫出來的，當人類不知道一個問題的解答時，機器同樣不能解決人類無法回答的問題。另一個問題是，當時電腦的計算速度尚未提升、儲存空間也小、數據量更不足夠，硬體環境上的困境使早期人工智慧只能解一些代數題和數學證明，難以在實務上有所應用。

在1970到1980年末時，一些知名研發計畫如紐厄爾和西蒙的「通用問題求解器」和日本政府領頭的「第五代電腦系統」達不到預期效果時，人工智慧開始被人們視為一場現代煉金術，企業與政府紛紛撤資、研究基金被削減、多個計畫被停止。此時迎來了人工智慧的第一場寒冬期。

雖然此時人工智慧的研究邁入了瓶頸，但是電腦硬體卻是以指數型的方式進步。1965年Intel創始人摩爾觀察到半導體晶片上的電晶體每一年都能翻一倍；到了 1975 年，這個速度調整成每兩年增加一倍，電腦的運算能力與儲存能力同時跟著摩爾定律高速增漲。如今，電腦的運算能力約為30年前的100萬倍。

早期的人工智慧研究聚焦在邏輯推論的方法，專注於模仿人類推理過程的思考模式。由於需要百分之百確定的事實配合，因此在實務上不容易使用。

直到關於人工智慧的研究方向越來越多元，涵蓋了包括統計學、機率論、逼近論、博弈論等多門領域的學科；而硬體儲存成本下降、運算能力增強，加上海量數據，今日的人工智慧已能從資料中自行學習出規律，這便是時下資料科學的最熱門技術「機器學習」。

機器學習: 從資料中自行學會技能

機器學習是實現人工智慧的其中一種方式。傳統上實現人工智慧的方式需要人們將規則嵌入到系統，機器學習(Machine Learning) 則是讓電腦能夠自行從歷史資料中學會一套技能、並能逐步完善精進該項技能。

什麼技能呢？舉例來說，辨識貓咪的技能。

人類是如何學會辨識一隻貓的？我們不是熟背所有貓的詳細特徵：「尖耳朵、四肢腳、有鬍子、體型、毛色、…」從短毛貓、摺耳貓、短毛貓、暹羅貓…等貓咪的外型特徵都不一樣，甚至要將老虎、花豹等類似貓但不是貓的照片排除出來。

一般只要父母帶小孩看看貓、或貓咪的圖片，只要看到就告訴孩子這是貓，當小孩把老虎看成貓時進行糾正，久而久之，我們就自然地「學」會辨識一隻貓了。雖然不是原本看過的貓咪，我們仍然知道這是一隻貓。

從前讓電腦辨識出貓時，需要工程師將所有貓的特徵以窮舉法的方式、詳細輸入所有貓的可能條件，比如貓有圓臉、鬍子、肉肉的身體、尖耳朵和一條長尾巴；然而凡事總有例外，若我們在照片中遇到了一隻仰躺只露出肚子的貓？正在奔跑炸毛的貓？尖臉短尾貓？也因此誤判的機率很高。

美國普林斯頓大學李飛飛與李凱教授在2007年合作開啟了一個名為「ImageNet」的專案，他們下載了數以百萬計的照片、處理並分門別類標示好，供機器從圖像資料中進行學習。如今，ImageNet已是全世界最大的圖像識別資料庫，光是「貓」便有超過六萬兩千種不同外觀和姿勢的貓咪，同時有家貓也有野貓、橫跨不同的種類。每年，史丹佛大學都會舉辦ImageNet圖像識別競賽，參加者包括了Google、微軟、百度等大型企業，除了在比賽中爭奪圖像識別寶座、同時測試自家系統的效能與極限。如今的機器從海量資料中學習後，能辨別出的不僅僅只有貓了，從路燈、吊橋、奔跑的人、狗狗… 電腦終於學會如何「看」這個世界。

究竟機器是怎麼從資料中學會技能的呢？為了瞭解機器學習是如何從資料中學習，獲得辨識或預測新進資料的技能，首先來為大家介紹一個經典的入門主題：「分類」(Classification)。

到深山裡遊玩卻不小心落難、肚子飢餓難耐時總會忍不住想要採路邊的野菇吃。然而有一些菇類看似樸素卻可能有毒、有些菇類色彩豔麗卻能食用；如何讓電腦幫助我們判別有毒的菇種、在野外成功存活下來呢？

為了訓練機器，我們先蒐集了有毒菌菇和無毒菌菇的資料樣本、作為訓練資料(Training Data)。從訓練資料中擷取出資料的特徵(Features) 幫助我們判讀出目標，比如菌傘形狀、顏色，菌炳形狀、顏色，菌環數量，分布地帶，氣味… 再告訴電腦每一個菌菇所對應到的答案──把有毒菌菇的資料標籤(Label)為1、無毒的菌菇標籤為0，由此讓電腦知道哪些菇有毒、哪些菇沒毒。

隨著訓練的資料量夠大時，當一筆新資料輸入電腦中，比如特徵具備白色鐘形菌傘、分布在腐木上、杏仁味的香菇，電腦即會判斷這朵香菇有沒有毒、有毒或沒毒的機率有多高了。 (由於筆者非菇類學家，此僅為舉例，請勿深究本文中如何判別有毒菇類的真實性。)

除此之外，我們也可從過去的天氣資料中、找出有下雨的天氣特徵，並在進來一個新的天氣情境資料時能預測下雨的機率，以進行氣象預測。甚至是垃圾郵件過濾 (判斷要不要把郵件丟到垃圾桶)、股市漲跌 (判斷特定情境下這檔股票會漲會跌)、醫療病徵判斷 (判斷有了這些症狀後，患者有得病沒得病)… 各產業領域皆可應用機器學習技術。

訓練機器學習模型時，技術上有哪些重要的部分呢？

1. 資料清整 (Data Cleaning):

機器既然得從海量資料中挖掘出規律，「乾淨」的數據在分析時便非常地關鍵。在分析的一開始時，得處理資料的格式不一致、缺失值、無效值等異常狀況，並視資料分佈狀態，決定如何填入資料，或移除欄位，確保不把錯誤和偏差的資料帶入到資料分析的過程中去。

2. 特徵萃取 (Feature Extraction)與特徵選擇 (Feature Selection)

特徵萃取 (Feature Extraction)是從資料中挖出可以用的特徵，比如每個會員的性別、年齡、消費金額等；再把特徵量化、如性別可以變成0或1，如此以來每個會員都可以變成一個多維度的向量。

經過特整萃取後，特徵選擇 (Feature Selection)根據機器學習模型學習的結果，去看什麼樣的特稱是比較重要的。若是要分析潛在客戶的話，那麼該客戶的消費頻率、歷年消費金額…等可能都是比較重要的特徵，而性別和年齡的影響可能便不會那麼顯著。藉由逐步測試、或使用演算法篩選特徵，找出最恰當的特徵組合讓學習的效果最好。

3. 模型選取

資料科學家會根據所要解決的問題、擁有的資料類型和過適化等情況進行衡量評估，選擇性能合適的機器學習模型。由於機器學習模型的數量與方法非常多，包括了神經網路、隨機森林、SVM、決策樹、集群….。以下僅將機器學習模型依據幾種常見的問題類別進行介紹。

在先前的段落中，我們介紹了預先把有毒菇類的資料標籤 (Label)為1、沒有毒的菇類資料標籤為0，讓機器學會辨識有毒菇的方法，事實上叫做「監督式學習」，除此之外還有「非監督式學習」：

• 監督式學習 (Supervised Learning): 在訓練的過程中告訴機器答案，也就是「有標籤」的資料，比如給機器各看了1000張蘋果（Apple, AAPL-US）和橘子的照片後，詢問機器新的一張照片中是蘋果還是橘子。
• 非監督式學習 (Unsupervised Learning): 訓練資料沒有標準答案、不需要事先以人力輸入標籤，故機器在學習時並不知道其分類結果是否正確。訓練時僅須對機器提供輸入範例，它會自動從這些範例中找出潛在的規則。

簡單來說，若輸入資料有標籤，即為監督式學習；資料沒標籤、讓機器自行摸索出資料規律的則為非監督式學習，如集群 (Clustering)演算法。

非監督式學習本身沒有標籤(Label)的特點使其難以得到如監督式一樣近乎完美的結果。就像兩個學生一起準備考試，一個人做的練習題都有答案(有標籤)、另一個人的練習題則都沒有答案，想當然爾正式考試時，第一個學生容易考的比第二個人好。

另外一個問題在於不知道特徵 (Feature)的重要性──比如說演算法「集群」(Clustering)，給機器一個1000名的顧客資料表 (含性別、生日、職業、教育…)，機器會自動爬梳出隱含的資料規律將這1000人分群。其主要目的在於找出比較相似的資料聚集在一起，形成集群(Cluster)；而相似性的依據是採用「距離」，相對距離愈近、相似程度越高，被歸類至同一群組。

但顯然一定會有一些特徵 (Feature)其實不是很重要，但因為分布比較可以拉開距離，所以機器在分群的時候會傾向用它來分，導致需要以人工再自行調整這些東西，不然一定會做出莫名其妙的結果。這邊需要澄清的事情是，並不是要篩選掉特徵 (Feature)，每一個特徵 (Feature)都有它的意義，我們要做的只是要降低它的重要性。

矛盾的是，人工很難訂出各特徵 (Feature)的重要性或是距離的意義等，若人工有辦法定義和介入，為什麼還會需要集群這個演算法呢？故由於分群時沒有足夠的線索知道各個特徵 (Feature)的重要性，因此很容易對某些分布的特徵 (Feature)產生偏誤、造成無意義的分群結果。

非監督式學習在應用上不若監督式學習廣泛，但非監督式學習在資料探勘初期時，可被用來探索龐大的客戶群中存在哪些自然群體，而這些群體可能又能轉而提示我們其他的資料分析方法。

除了集群外，常見的非監督式學習尚包括關聯規則探索(Association Rule Discovery)、或稱共生分群(co-occurrence grouping)，找出資料發生的關聯性。集群是依據資料的分布、找到資料間的相似性；而關聯規則則是以資料一起出現的情況、來考量資料的相似性，例如在分析超市的購物紀錄時，我們可能會發現「買月餅的人也會買烤肉架」。

針對這樣的發現該如何採取行動需要行銷人員再深入挖掘原因，不過基本上已暗示了可舉辦的促銷活動或優惠套餐組合。商品購買方面的關聯規則稱為購物籃分析，除此之外關聯規則如今還被應用在異常檢測上，比如有人突然入侵你的Email帳號時。

這時你可能會想，難道監督式學習和非監督式學習就是彼此涇渭分明？在實際應用中，將大量的資料一一進行標籤是即為耗費人工的事情，最常見的狀況是──少部分資料有標籤，而大部分資料沒有標籤、且數量遠大於有標籤的資料。畢竟要標籤資料費時費力、蒐集無標籤的資料更快速方便。這時候我們可以採用：

• 半監督學習 (Semi-supervised learning)：介於監督學習與非監督學習之間。

以下是半監督學習的簡單示意。在將資料分群的過程當中，先使用有標籤過的資料先切出一條分界線，再利用剩下無標籤資料的整體分布，調整出兩大類別的新分界。如此不但具有非監督式學習高自動化的優點，又能降低標籤資料的成本。

前面我們提到監督式學習在面對一個指定問題時，可以明確告訴你正確的答案是什麼，比如今天會下雨或不會下雨、或是這封信該不該丟到你的垃圾郵件匣。

但遇到某些需要連續做決策的情況時，答案就不是一步就能解決了。比如下棋需要根據對手的攻勢隨時改變策略、或是開車會遇到的不同路況，為了達到贏棋或者通過山路的最終目的，必須因應環境的變動、隨之改變原有的作法。這時候我們就需要利用：

• 增強學習 (reinforcement learning)：透過觀察環境而行動，並會隨時根據新進來的資料逐步修正、以獲得最大利益。

強化學習的一個經典理論「馬可夫決策過程」(Markov Decision Process)有一個中心思想，叫「明天的世界只和今天有關、和昨天無關了。」(The future is independent of the past given the present.)

在馬可夫決策過程中，機器會進行一系列的動作；而每做一個動作、環境都會跟著發生變化。若環境的變化是離目標更接近、我們就會給予一個正向反饋(Positive Reward)，比如當機器投籃時越來越接近籃框；若離目標更遠、則給予負向反饋(Negative Reward)，比如賽車時機器越開越偏離跑道。雖然我們並沒有給予機器標籤資料，告訴它所採取的哪一步是正確、哪一步是錯誤的，但根據反饋的好壞，機器會自行逐步修正、最終得到正確的結果。

原則上無需考慮以前的狀態，當前狀態便已傳達出、所有能讓機器算出下一步最佳行動的資訊；簡單來說就是每一個事件只受到前一個事件的影響。打敗世界棋王的Google AlphaGo便是馬可夫假設一個成功的應用。

增強學習的機器學習方法當然還不僅止於此，多拉桿吃角子老虎機(Multi-armed Bandit) 亦是增強學習的知名理論。Bandit是一個簡化過的增強學習方法，最重要的目標只有探索(Explore)和採集(Exploit)的平衡。這是什麼意思呢?

假設一個國家中有十家餐廳，每家餐廳提供的餐點份量相當不均 (有些可能會偷工減料)。某天該國突然湧入很多難民、因為餐券補助有限的關係，總共只能吃一百次餐廳，希望最後能餵飽最多的人。

顯然如果要吃到最多的東西，我們必須盡快找到「提供最大份量」的餐廳然後一直吃它就好了 (其他黑心餐廳就不吃了)。如果把每家都吃一遍才確定份量最大的餐廳，會浪費掉太多餐券；然而若只吃了兩三家、就直接選比較高的一家一直吃，我們可能會漏掉真正提供最大份量的那一家餐廳。

解決Bandit問題的目標在於──有限的精力中，一部分精力會分配去探索未知的可能(explore)、一部分則利用已知最好的策略不斷採集(exploit)，演算法會透過不斷新增的環境數據進行調整，在兩者間尋求平衡、將利益最大化。

這樣的應用有哪些呢？當一個網站能展示的資訊量有限、卻又不知道使用者喜歡的東西是什麼、該優先顯示哪些內容，才能有最高的點擊率時，我們可以透過增強學習隨時進行優化、最快達到客製化。無論是Google廣告、Facebook將你可能會最感興趣的好友PO文排序在上方、Amazon呈現你最有興趣的商品，或是網站上線後的A/B Test，都可以看到增強學習的蹤影。

今天，我們回顧了人工智慧和機器學習的由來，並介紹機器學習的基本名詞 (特徵、標籤) 與常見的機器學習類別 (監督、非監督、半監督與增強學習)。

機器學習是相當實務的一門學科，資料科學家的最終目標是找到最好解決問題的方法，會依據資料量、資料類型與運算效能等現實情況，而選擇採用不同的模型。

下篇，我們的時間軸將來到1980年代，看那時正要大放異彩的類神經網路(Artificial Neural Network)，是如何在風口前被淺層機器學習(Shallowing Learning)所逆轉。如此急轉而下的經過，讓我們下回揭曉。

【延伸閱讀】

• 數據分析專題（一）：引爆資料中心革命：雲端運算
• 數據分析專題（二）：從儲存、挖掘到溝通，引領產業新面貌：大數據(Big Data)
• 數據分析專題（四）：機器學習的衰頹興盛：從類神經網路到淺層學習
• 數據分析專題（五）：類神經網路的復興：深度學習簡史
• 數據分析專題（六）：神經網路的復興：重回風口的深度學習

The post 人工智慧的黃金年代：機器學習 appeared first on StockFeel 股感.

當成本不再是負擔，大數據將實現哪些可能？

人們每天上傳至雲端的檔案數量，多達一億張相片、十億份文件… 更別提數位影音、交易、生物醫療… 每天全球所創造的資料量高達2.5艾位元組(exabyes, 即1000,000,000,000,000,000)。

但資料量大就是大數據嗎? 究竟什麼是大數據? 又為何大數據會在近幾年突然興盛起來？ 時常耳聞的Hadoop, MapReduce, Spark 技術又是什麼呢？

今天，就讓我們來聊聊什麼是大數據(Big Data)。

大數據的源起

「儲存成本」與「資料取得成本」因科技進步而大幅下降，造就了這個年代大數據的興起。

30年前，1TB檔案存儲的成本為16億美金，如今一個1TB的硬碟不到100美金。同時間，全球各行業的資料量成長更是急速攀升；根據預估，從2013年至2020年間將成長10倍的資料量，資料總量將從4.4ZB增加至44ZB。

以天文學為例，2000年美國太空總署在新墨西哥州發起的史隆數位化巡天 (Sloan Digital Sky Survey)專案啟動時，望遠鏡在短短幾周內收集到的資料，已經比天文學歷史上總共收集的資料還要多。

在生物醫學領域，新型的基因儀三天內即可測序1.8 TB的量，使的以往傳統定序方法需花10年的工作，現在1天即可完成。在金融領域，以銀行卡、股票、外匯等金融業務為例，該類業務的交易峰值每秒可達萬筆之上。

Google每天要處理超過24 千兆位元組的資料，這意味著其每天的資料處理量是美國國家圖書館所有紙質出版物所含資料量的上千倍。 Facebook每天處理500億張的上傳相片 ，每天人們在網站上點擊”讚”(Like)按鈕、或留言次數大約有數十億次。

YouTube的使用者人數已突破十億人，幾乎是全體網際網路使用者人數的三分之一，而全球的使用者每天在YouTube 上觀看影片的總時數達上億小時。在Twitter上，每秒鐘平均有6000多條推文發布，每天平均約五億條推文。

千禧年開始，天文學、海洋學、生物工程、電腦科學，到智慧型手機的流行，科學家發現：仰賴於科技的進步(感測器、智慧型手機)，資料的取得成本相比過去開始大幅地下降──過去十多年蒐集的資料，今朝一夕之間即能達成。

也因為取得數據不再是科學研究最大的困難，如何「儲存」、「挖掘」海量數據，並成功地「溝通」分析結果，成為新的瓶頸與研究重點。

接下來，我們將進一步介紹大數據的定義、特性，與發展重點。

什麼是大數據？

大數據意指資料的規模巨大，以致無法透過傳統的方式在一定時間內進行儲存、運算與分析。至於「大」是多大，則各家定義不一，有兆位元組(TB)、千兆位元組(PB)、百萬兆位元組(EB)、甚至更大的規模單位；然而，若真要找到符合這麼大規模數據量的企業倒也是不容易。

事實上，根據451 Research 的資料科學家 Matt Aslett，他將大數據定義為「以前因為科技所限而忽略的資料」，討論這些以前無法儲存、分析的資料。如本文第一段所言，由於在近年來儲存成本降低與資料獲取量變大，因而能觀察到不曾注意過的商業趨勢，讓企業做出更全面的考量。

無論企業規模大小，我們應注重的不僅是數據量本身，而應將「大數據」作為在科學研究與商業方法的運營心態：大數據需要全新的處理方式，以新型的儲存運算方法分析數據、產出溝通圖表，並將該分析結果視為一種戰略資產。

大數據的特性？

目前大部份的機構將大數據的特性歸類為「3V」，包括資料量 (Volume)、資料類型 (Variety)與資料傳輸速度 (Velocity)。

1. Volume – 資料量

無論是天文學、生物醫療、金融、聯網物間連線、社群互動…每分每秒都正在生成龐大的數據量，如同上述所說的TB、PB、EB規模單位。

2. Variety – 資料多樣性

舉一個簡單的例子：

│資料類型│ 0 │ 0 │ 1 │ 0 │ 0 │ 1 │ 0 │ 0 │ 1 │ 0 │ 0 │ 1 │…

就算上述資料量高達 1 TB，採用傳統統計方法仍能很容易地找到資料規律。也因此，真正困難的問題在於分析多樣化的資料──從文字、位置、語音、影像、圖片、交易數據、類比訊號… 等結構化與非結構化包羅萬象的資料，彼此間能進行交互分析、尋找數據間的關聯性。

3. Velocity – 資料即時性

大數據亦強調資料的時效性。隨著使用者每秒都在產生大量的數據回饋，過去三五年的資料已毫無用處── 一旦資料串流到運算伺服器，企業便須立即進行分析、即時得到結果並立即做出反應修正，才能發揮資料的最大價值。

目前台灣真正能符合大數據「3V」定義的企業微乎其微，在數據分析上更是不可能──通常是由資料科學團隊向企業的IT部門登入企業伺服器取得資料，除了量與多樣性已難以達到以外，在「即時性」這一點上便不符合；唯有企業內部自建即時的資料分析團隊並隨時產出分析反饋，方能稱作大數據分析。

大數據的發展重點

我們在上述提到了如何用非傳統的方法「儲存」、「挖掘」與「溝通」資料以挖掘嶄新商業機會，是當前的一大技術方向。

講到大數據，我們便不能不提與之息息相關的軟體技術──「Hadoop」。

Hadoop 由Java語言撰寫，是Apache軟體基金會發展的開源軟體框架。不但免費、擴充性高、部屬快速，同時還能自動分散系統負荷，在大數據實作技術上非常受歡迎。

Hadoop的核心主要由兩個部分所構成，一為資料儲存：「Hadoop分散式檔案系統(Hadoop Distributed File System)」；二為資料處理：「Hadoop MapReduce」。

– Hadoop分散式檔案系統 (Hadoop Distributed File System, HDFS)：

由多達數百萬個叢集(Cluster)所組成，每個叢集有近數千台用來儲存資料的伺服器，被稱為「節點」(Node)。其中包括主伺服器(Master Node)與從伺服器(Slave Node)。

每一份大型檔案儲存進來時，都會被切割成一個個的資料塊 (Block)，並同時將每個資料塊複製成多份、放在從伺服器上保管。當某台伺服器出問題時、導致資料塊遺失或遭破壞時，主伺服器就會在其他從伺服器上尋找副本複製一個新的版本，維持每一個資料塊都備有好幾份的狀態。

簡單來說， Hadoop 預設的想法是所有的Node 都有機會壞掉，所以會用大量備份的方式預防資料發生問題。另一方面，儲存在該系統上的資料雖然相當龐大、又被分散到數個不同的伺服器，但透過特殊技術，當檔案被讀取時，看起來仍會是連續的資料，使用者不會察覺資料是零碎的被切割儲存起來。

– Hadoop MapReduce：

MapReduce是一種計算模型，分為Map和Reduce兩項功能。

「Map」功能會先將大資料拆成小資料，並以Key-Value格式備用。比如有數千萬份的資料傳入，Map會計算每個字出現的次數；比如computer這個字出現了一次、便以(computer, 1)這樣的 (Key, Value) 格式表示。

「Reduce」則是彙整，意即彙整所有相同的Key並計算出現的總次數。

簡單來說，Map僅是在各節點上計算少量數據，而Reduce則是統計各地數據、將結果送回主伺服器進行公布。MapReduce的好處在於無須將所有資料都搬回中央去運算，而能在各地先簡單的處理完畢後、再回傳數據，如此更有效率。

總而言之，Hadoop分散式檔案儲存系統(HDFS)是一個超大型的儲存空間，並透過Hadoop MapReduce進行運算。

Hadoop成功解決了檔案存放、檔案備份、資料處理等問題，因而應用廣泛，成為大數據的主流技術。Amazon、Facebook、IBM和Yahoo皆採取Hadoop作為大數據的環境。

事實上近兩三年來，Apache軟體基金會另一個新星「Spark」隱隱有取代Hadoop MapReduce的態勢。

在大規模資料的計算、分析上，排序作業的處理時間，一直是個重要的指標。相較於Hadoop MapReduce在做運算時需要將中間產生的數據存在硬碟中，因此會有讀寫資料的延遲問題；Spark使用了記憶體內運算技術，能在資料尚未寫入硬碟時即在記憶體內分析運算，速度比Hadoop MapReduce可以快到100倍。

許多人誤以為Spark將取代Hadoop。然而，Spark沒有分散式檔案管理功能，因而必須依賴Hadoop的HDFS作為解決方案。作為與Hadoop 相容而且執行速度更快的開源軟體，來勢洶洶的Spark想取代的其實是Hadoop MapReduce。

另一方面，Spark 提供了豐富而且易用的API，更適合讓開發者在實作機器學習演算法。2015年6月，IBM宣佈加入Apache Spark社群，以及多項與Spark專案相關的計畫，IBM將此次的大動作宣稱為：「可能是未來10年最重要的開放源碼新計畫」，計畫培育超過一百萬名資料科學家。

• 資料分析 – 機器學習

介紹完了Hadoop基礎架構後，讓我們來看看資料分析上的最熱門技術──「機器學習」。

如何從大數據中挖掘資料規律，以改善科學或商業決策，以手動方式探索資料集的傳統統計分析，已難以應付大數據的量與種類。唯有透過「機器學習」，以電腦演算法達成比以往更深入的分析。

機器學習發端於1980年代，是人工智慧的一項分支。透過演算法模型建構，使電腦能從大量的歷史數據中學習規律，從而能識別資料、或預測未來規律。

從Google搜尋技術與廣告，到醫療、金融、工業、零售、基礎建設… 機器學習的應用涵蓋各行各業，一夕之間即可能有著天翻地覆的革新。

後續的系列文章中，我們將帶領讀者進一步瞭解機器學習的發展潛能。

• 資料溝通 – 資料視覺化

隨著「數據導向決策」的時代來臨，資料科學家在分析完數據後，如何成功地將分析結果傳遞出去、使企業接收到該資訊呢? 資料視覺化 (Data Visualization)的重要性與潛在的龐大商機因此愈發被凸顯出來。

人類的大腦在閱讀圖像畫面的速度遠比文字更快。資訊視覺化的優勢在於──以一目瞭然的方式呈現資料分析結果，比查閱試算數據或書面報告更有效率。

「Tableau軟體」和微軟（Microsoft, MSFT-US）開發的「Power BI」產品皆主打在資料分析後，將自動產生簡潔易懂的資訊圖表，並隨著新增的數據分析結果生成儀錶板(Dashboard)，供使用者查詢動態報表、指標管理等服務。

我們在本篇文章中介紹了大數據的精神意義──大數據無統一定義，代表著傳統的儲存、分析技術難以應付的高維度資料。實際上大數據的特性包括了3V：量(Volume)、多樣性(Variety)與即時性(Velocity)。

我們也介紹了大數據在「儲存」、「挖掘」與「溝通」的重點發展方向，從Hadoop、機器學習與資料視覺化，大數據的相關技術日新月異。唯有建立合適的資料科學團隊、將數據視為企業的策略性資產，方能發掘無所不在的商業機會，在此波數據浪潮下創造競爭優勢。

【延伸閱讀】

• 數據分析專題（一）：引爆資料中心革命：雲端運算
• 數據分析專題（三）：人工智慧的黃金年代：機器學習
• 數據分析專題（四）：機器學習的衰頹興盛：從類神經網路到淺層學習
• 數據分析專題（五）：類神經網路的復興：深度學習簡史
• 數據分析專題（六）：神經網路的復興：重回風口的深度學習

The post 從儲存、挖掘到溝通，引領產業新面貌：大數據(Big Data) appeared first on StockFeel 股感.

今天，就讓我們來聊聊雲端運算。

什麼是雲端運算？

事實上，所謂的雲端運算、雲計算(Cloud Computing)指的就是網路運算(Internet Computing)。網路是透過電纜、將用戶端的個人電腦與遠端伺服器連結在一起。只是在這個流程圖中，人們通常用雲狀圖來表達網路連結，才會把網路運算又稱作雲端運算。(這個做法雖然幽默趣味，卻容易讓不知情的一般人不得其解…)

伺服器可以一次執行多位使用者的指令，比如線上遊戲(Online Games)的伺服器可以應付多位玩家。只要使用者能透過網路、由用戶端登入遠端伺服器進行操作，就可以稱為雲端運算。

傳統上人們是怎麼經營企業的呢？

為了要儲存企業營運資料，並進行庫存管理、採購進貨管理、配銷管理、財務管理、人資管理、生產管理與決策支援管理等系統…一般電腦主機的運算能力絕對無法支援這樣的企業需求，是以你需要一台運算能力強悍的大型電腦──伺服器。 對於大企業而言，一台伺服器顯然還是不夠，比如Google最少有一百萬台伺服器。

因此，你得建一個資料中心(Data Center)，也叫伺服器農場(Server Farm)。 (養了好多的伺服器在裡頭啊！)

要養多台伺服器不是一件容易的事情 (想想你抓寶可夢都得耗費許多顆莓果)。資料中心是相當高耗能的建設，大型資料中心消耗的電力幾乎等同於一座小型城市；以機房至少15年壽命來看，將會有75%的營運支出用在電費上，為當初投資成本的3到5倍。

由於將大量的伺服器與儲存設備集中放置會產生大量的熱能，為了降低溫度，最常見的方法就是「吹冷氣」。根據統計，資料中心有45%的電力是花費在空調設備上；也有一些資料中心會利用水冷式設計降溫。

非常大的資料中心可以使用貨櫃來安置，每個貨櫃可放置約莫1000個或更多的伺服器，網路、儲存、冷卻、電源等基本要素則以模組的方式配置在固定尺寸的貨櫃中；每一個貨櫃也可以彼此串連起來，隨著需求的擴大增加貨櫃的數量。

有了基礎硬體設備後，企業還需要伺服器專用作業系統、應用軟體、企業管理系統(ERP)。IBM、甲骨文（Oracle, ORCL-US）、SAP、微軟（Microsoft, MSFT-US）…等企業級資料庫管理系統，也意味著$$$$$。每出一個新版本，企業就得要花大錢，重新買一套的防毒軟體光碟、安裝、適應新的作業系統。

要開一家公司，卻得花錢建資料中心、買伺服器、買頻寬、買空調降溫防火設備、買企業級資料庫軟體… 你還得請一票的IT人員進行維護管理。

「天啊！」你可能正在想：「一家小公司哪承受得起！」

事實上，當前企業砸大錢蓋機房架構IT設備，平均使用率卻不到15％。換句話說，有將近85％的資源是浪費的。

如果能將機房設備維護、網路管理與軟體升級通通交給專人處理，改以本身需求量向人租借空間與服務，不是節省了許多麻煩嗎？

雲端運算的願景，便是要讓資訊服務如同水電等公共服務一般，隨時都能供應。

在工業時代初期，工廠得自己蓋發電廠確保穩定供電。隨著技術提升，發電廠可以提供更大的電力，也發展出更健全的電力網路、供電範圍更普及、供電品質更穩定，電力的供應就成為是一種穩定的服務了，也就沒有人會為了要使用電力而自己蓋發電廠──要使用電力，只要插上插頭就行了。自來水、瓦斯等公共系統，也都是歷經相同的演變，而成為人們日常生活中可以依賴的服務。

當人們日常生活中對於資訊科技的依賴日益增加，資訊科技自然會朝向公共服務的型式發展，而這就是雲端運算的終極目標──只要有可連結網路的設備，使用者透過網路就能使用運算資源，並依照最終使用量付費。

如此願景便須仰賴雲端運算技術，也衍生出了雲端服務的三種層次──硬體(IaaS)、軟體(SaaS)與平台(PaaS)。

Infrastructure as a Service， IaaS： 基礎架構即服務。

IaaS服務是將主機、網路設備租借出去，讓使用者在業務初期可以依據需求租用、不必花大錢建置硬體；待業務量成長時可再租用新的空間隨時擴充、業務低時亦可降低租用量，彈性更高。Amazon的EC2和中華電信的HiCloud即屬於IaaS服務。

在從前，透過網際網路租用他人的伺服器是件很不合理的事情，第一是網速慢、第二是成本高──我有多少個用戶、就得買多少台伺服器，比起用戶自己買便宜不了多少。

現今技術的提升，比如硬體的多核，讓一台伺服器的運算能力可能大到一個用戶根本用不了那麼多的處理能力；再來是虛擬化技術，可以將一台主機切割成多個虛擬器(Virtual Machine)，相當於變成多台電腦、給多人共用，這樣每個使用者只需按使用量付費。

Software as a Service， SaaS： 軟體即服務。

SaaS意指讓使用者不須下載軟體到本機上、不占用硬體資源的情況下，透過瀏覽器直接使用線上軟體。比如不用再事先安裝Office Outlook軟體，直接上線登入Gmail便能收發信件；或Office Word改以Google Doc方式。且不只是電腦，不同的行動裝置也可以登入同一個服務，資料永遠是即時同步的。

這類服務有針對一般使用者，比如Google Calendar與Google的線上文件協作服務；也有以企業用戶為導向的流程管理、人力資源管理、客服管理等系統，比如IBM SmartCloud、Salesforce.com或SugarCRM。

SaaS提供的應用程式減少了客戶安裝和維護軟體的時間與成本、降低硬體資源消耗；使用者也不需再擔心軟體的安裝和升級，更不必一次買下軟體授權，而能根據服務的使用量付費、或根本免費 (軟體供應商透過廣告方式營利)。

另一方面，由於資源都放在雲端上，對於軟體開發者也可以很方便地進行軟體布署、甚至是一天升級多次，產品生命週期不再切得那麼分明，透明的作業讓使用者可以很明顯感受到品質越趨完善的服務。

Platform as a Service， PaaS： 平台即服務。

PaaS是在SaaS、也就是線上軟體之後興起的一種新的架構，主要針對軟體開發者提供完整的雲端開發環境。

有了PaaS，軟體開發商或獨立開發者無須在本機安裝開發工具，而能透過供應商支援的程式語言與開發工具，利用瀏覽器、遠端控制台等技術，直接在遠端進行開發；在開發完成後，開發者能將開發好的軟體直接布署到雲端運算環境中進行測試、同時提供支援程式運作的一些中介軟體與設計介面。

PaaS提供了簡單易用的開發平台，讓開發者能用更低的成本、在更短的時間內開發完畢並上線；由於軟體的開發和運行都是基於同樣的平台，相容性高；開發者也無需考慮擴充性或服務容量等問題，交由平台供應商協助進行監控和維護管理。

目前有能力提供PaaS平台的廠商並不多，主要有IBM的Rational、Salesforce的Force.com和Google的Google App Engine。

有了雲端運算技術，讓資訊服務與水電瓦斯等基礎設施一樣，能靈活動態的依據需求量調整資源佈署、按使用量計費，裨益更廣大的群眾與激發更多的商業發展。

雲端運算的發展

人類對於資訊服務的需求日漸增大，但為什麼遲至2007年「IT能以公共服務的方式提供」這個概念才開始興盛呢？雲端運算之熱不是憑空出現，實是多種技術與商業應用的的成熟，使得雲端運算從炒作轉為實際，可以說是發展之必然結果。

最重要地，莫過於「連網服務」與「線上軟體」。這邊，我們要來講講先驅者甲骨文公司的故事。

甲骨文創立於1977年， 是繼微軟後、全球收入第二多的軟體公司。而作為世界第二大的軟體公司，甲骨文擁有伺服器端最重要的軟體：資料庫系統。

根據Google研究院院長諾維格(Norvig)博士所提出的諾維格定律(Norvig’s Law)：「當一家公司的市占率大於50%時，便不會再翻倍了。」這表面上是一句廢話，實際上卻意味著市占率大於50%即等於安逸衰敗的開始，這在IT產業歷史上屢見不鮮；是以，就算一家企業早已在一個市場上占據主導地位，仍必須不斷開拓新財源才能長盛（3492-TW）不衰。因此就算原先甲骨文和掌控使用者端的微軟相不干涉，在雙方業務不斷擴展的情況下，終有一天也會廝殺在一塊。

事實上，甲骨文創辦人兼執行長賴瑞·埃里森(Larry Ellison)始終活在蓋茲的陰影下、尤其甲骨文和微軟在1986年三月在納斯達克掛牌上市只隔了一天，彼時比爾·蓋茲簡直是IT界的搖滾新星 (如同今日的Mark Zuckerberg)，讓埃里森相形黯然失色也氣得牙癢癢。

當微軟推出的SQL Server資料庫搶佔了一些高檔軟體市場，同時間的Windows 95也大受歡迎時，埃里森終於發作了。

他想到了一記妙招──1995年， 埃里森宣布個人電腦(PC)已死，取而代之的將會是網路電腦(Network Computer， NC)，同時在甲骨文底下成立了一家名為「網路電腦」(Network Computer Inc.)的子公司。

始終活在Gates陰影下的Larry Elison宣布網路電腦時代來臨。

網路電腦沒有硬碟、記憶體也比一般電腦少了一半；使用者不須下載安裝，所有的軟體都將在網路上操作運行。價格也相當便宜──當時的個人電腦一台約1500美元，網路電腦的售價僅500美元、足足少了2/3的價格。

最重要的是，網路電腦不需要作業系統；或者更精確的說、不需要微軟的作業系統。網路電腦的背後就是強大的伺服器，所有資料和應用程式都將存儲在伺服器的資料庫中，而甲骨文的資料庫技術將使網路電腦非常容易操作管理。甲骨文也一併聯合了IBM、昇陽（3266-TW）、Apple和網景等同樣討厭微軟的公司，在1996年制定了網路電腦的標準。

埃里森一言既出、不但舉座譁然、引起媒體報紙爭相播報，也讓人們看到網際網路發展的巨大潛力。可惜概念雖破格超前 (埃里森差一點就能成為PC界的賈伯斯了呢)，卻敗在尚不成熟的技術環境與埃里森的急於躁進。

由於個人電腦業者(康柏、戴爾（DELL, DVMT-US）、惠普、IBM)積極降價，以至網路電腦的價格優勢不再那麼明顯；而當時上網採用撥接連線，不但網速緩慢、費用高，在沒有WiFi的情況下只有住家和辦公室可以連上網，相當不便。最重要地，雲端上並沒有提供相應於本地端的軟體服務，比如Microsoft Office或Adobe系列。

網路電腦經過兩年的試驗後，最終宣告失敗。隨後，便爆發了第一次的網際網路(DOT-COM)泡沫，讓市場有很長一段時間不再相信雲端應用的可能性。

雲端運算之所以能重回人們的視野，主要仰賴了三家公司的不可忽視的力量──Amazon、IBM和Google。2006年左右，它們各自提出了對於雲端運算應用的認知。

Amazon：電子商務公司轉型為IT基礎服務提供商

Amazon由網路書店起家，消費者多達1500萬名、遍布全球160個國家、商品超過500萬種；為了要處理龐大的商品與客戶資料，Amazon建置了相當龐大的資料中心。但銷售存在著旺季與淡季，中間多餘的設備便白白空閒著。Amazon絞盡腦汁、希望能降低這筆龐大的資源浪費，最後發現可以將多餘的空間出租出去，這便是2006年所推出的EC2 (Elastic Compute Cloud)服務開端。

另一方面，Amazon早期除了賣書外，也提供小型商家或個人戶在其交易平台上販售商品。後來Amazon乾脆為小商家們提供了網站代管(Web Hosting)服務、幫忙線上商店的管理，又因此建立了更多的資料中心。到現在，只要有網站建立需求的任何公司或個人，都可以租用Amazon的託管服務。

IBM：硬體大廠轉型為企業級的軟硬體整合方案

IBM雖然是第一個研發出個人電腦的企業，卻也因為客戶以政府部門、軍隊、大型企業與金融業為主，基因中帶著保守穩健的作風，導致在微軟的纏鬥中敗下陣來、失去了終端使用者的市場，在1980年代差點面臨倒閉的危機。直到在1993年宣布轉型以來，IBM逐漸從硬體製造商轉變為企業級的軟硬體整合解決方案(Total Solution Provider)。

也因此IBM在看到雲端運算興起、而微軟掌控的本地端用戶市場將有可能吃鱉時興奮地拍手叫好，一舉踏入了雲端運算市場爭奪戰。它的銷售對象仍是企業級客戶，旗下擁有相當全面的雲端運算產品線──涵蓋伺服器、管理軟體、中介軟體和應用軟體，雲端運算的三個層次(IaaS、SaaS和PaaS)全部都有相應的解決方案。

2007年，IBM推出Blue Cloud服務，是IBM最早推出、也最成熟的雲端運算解決方案；Blue Cloud吸取了IBM多年來管理大規模企業級資料中心的經驗，在市場上獲得了很大的成功；該方案的功能和特性也被應用在隨後的系列產品中，如CloudBurst和Tivoli Service Automation Manager。

Google：搜尋引擎公司轉型為線上應用軟體提供商

Google是最早提出雲端運算概念的公司。最初Google開發雲端運算平台是為了能把大量廉價的伺服器集成起來、以支援自身龐大的搜尋服務。然而就像我們先前所提到的諾維格定律，當微軟和Google在各自的市場達到壟斷時，必然得尋求新的進入市場、也必然碰撞在一塊。

2003年微軟宣布進軍網際網路的搜尋市場時，Google積極打造了超級資料中心，並開始將微軟在本機端的軟體服務搬到了線上、搶奪微軟的終端使用者市場。從日曆(Calendar)、電子郵件(Outlook)到Office文書處理系列，Google分別推出了Google Calendar、Gmail和Google Docs等服務打對臺；不但成功向微軟示威，也鞏固了以使用者為中心、以收取廣告費的商業模式。

Google更吸取了甲骨文曾經的Network Computer概念，在多年後推出了Chromebook──搭載Chrome OS作業系統，以雲端服務代替的桌面程式；只要一個 Google 帳號，就可以使用所有相關的服務：儲存空間有Google Drive、文件編輯有Google Docs、不能用Skype但有Google Hangouts、看影片有Google Play電影或YouTube…。Chromebook雖然尚非筆電的主流，卻是硬生生打了微軟一個響亮的巴掌。

三家市場先進廠商中，有強調企業級客戶的、有強調終端使用者的… 各自對於雲端運算的認知因企業利益取向而有所不同，但綜合起來卻是雲端運算發展到目前最為普遍的幾種商業模式。

說了這麼多，讀者可以發現──微軟身為IT產業界的不衰霸主，正由於它牢牢掌控了本機端用戶的作業系統和桌面應用程式、又四處野心勃勃地搶佔資料庫、搜尋引擎等領域的地盤，方才刺激了其他家廠商積極發展與之相抗的線上服務 (甲骨文，IBM和Google表示： 有微軟在， 我們壓力很大…)。

註： 在挪威，鮮活的沙丁魚比急凍的要貴好幾倍。為了成功運送活沙丁魚，船長將一條鯰魚放進魚籠──沙丁魚只能不停游動以求保命，終得以存活下來。

鯰魚效應──微軟根本IT界的鯰魚啊！專門促使其他人發展的原動力。

可能也有讀者正好奇，那麼微軟是如何因應來勢洶洶的雲端化浪潮呢？

Microsoft： 從「個人用戶+本地端」轉型往「企業用戶+雲端」服務。

因應著時代潮流，2008年微軟在自家的開發者大會上發布了一個全新的雲端運算平台──Azure Service Platform。這是一個基於微軟資料中心的PaaS平台，提供了Windows系統的線上開發、儲存和服務代管的開發環境，對於使用C#和SQL Server的開發者來說非常親民。同時微軟也提供了一套基於Visual Studio的Azure工具，可供開發者在個人電腦上開發和測試Azure平台上的應用程式。

事實上，微軟對於雲端運算的態度一直以來都有些說不清道不明──如果未來電腦的運算能力和軟體全都集中在雲端，那麼用戶端的電腦就不須很強的處理能力了；微軟的作業系統和軟體將受到很大的衝擊。因此微軟始終強調：網路頻寬、儲存、運算等服務不會是免費的。微軟宣稱，頻寬的限制始終存在，因此唯有搭配本機端的運算能力、才能帶給使用者真正良好的體驗與強大的應用程式。
然而，這個態度正在悄悄地轉變。

微軟將自身營收分為三大類別：「生產力與業務流程」(Productivity and Business Processes)，包括Office與Dynamics ；「智慧雲端」(Intelligent Cloud)，包括Azure在內的所有雲端服務；與「更多個人運算部門」(More Personal Computing)，包括Windows作業系統和Surface、Xbox等硬體產品。

2016年初微軟發布的財報中，「更多個人運算」下滑了5%；而各種雲端服務卻是表現最亮眼的部分──Azure營收成長了140%，Office 365營收成長接近70%。 無疑地，雖然個人用戶端仍為微軟現在的主要金牛，但這個市場正因個人電腦的萎縮與飽和、正在悄然下滑；未來轉向「企業用戶端+雲端服務」可以說是確定的發展道路。

仰賴用戶端起家、並因此打敗巨人IBM的微軟，如今正逐漸不敵Google在用戶端的鯨吞蠶食、慢慢轉往企業級的雲端服務。微軟新任總裁納德拉上任以後，轉型的企圖和作為越來越明顯；2016年6月初以262億美元收購LinkedIn，也是其中一步重大的布局。

本篇文章中，我們談及了雲端運算的最終目標是如同基礎設施一般、讓使用者透過網路就能使用運算資源，並依照使用量付費(Unity-Based)。我們也談到了幾家知名大廠(Oracle， Microsoft， Amazon， IBM和Google)在雲端運算市場上是如何進行驚心動魄的擠兌廝殺，才出現了如今幾種常見的雲端運算商業應用。

大數據、人工智慧與機器學習都仰賴雲端運算平台的支持；雲端運算作為智能產業最重要的基礎架構，將有助硬體創新，帶動更多伺服器、高效運算需求，開創更多的商業應用。

【延伸閱讀】

• 數據分析專題（二）：從儲存、挖掘到溝通，引領產業新面貌：大數據(Big Data)
• 數據分析專題（三）：人工智慧的黃金年代：機器學習
• 數據分析專題（四）：機器學習的衰頹興盛：從類神經網路到淺層學習
• 數據分析專題（五）：類神經網路的復興：深度學習簡史
• 數據分析專題（六）：神經網路的復興：重回風口的深度學習

The post 引爆資料中心革命：雲端運算 appeared first on StockFeel 股感.

讓我們回顧一下先前文章。從 1G 到 4G 的演進、幾乎每十年就會推出一代新的標準，各家廠商在通訊標準之爭上宛如軍備競賽一般的緊張刺激。

1970～1980 年代的 1G，摩托羅拉（Motorola Solutions, MSI-US）壟斷市場、作為類比通訊之王。1991 年開始，2G 數位通訊的崛起，讓 Nokia 與 Sony Ericsson 等新手機廠商取而代之、並延伸出 GSM 系統的 TDMA 技術與高通（Qualcomm, QCOM-US）的 CDMA 技術之爭。

3G 時讓高通以 CDMA 扳回一城、坐收他國專利費；且 2001 年當時 3G 標準便已被提出，可惜使用人數不多、還導致了一場歐陸電信商以過高價格競標 3G 執照、後來無法回收成本的大泡沫。直到 2005 年，智慧型手機的普及，方使 3G 網路使用人數遽增。

最後 4G 時代，3GPP 組織以 OFDM – MIMO 技術為基礎作為 3.9G LTE 標準、以 LTE – Advanced 作為 4G 標準，成功將 Intel 等 IT 界大廠組成的 WiMax 聯盟和高通主導的 UMB 組織通通擠到一邊。

你可以想像 3G 和 4G 在做什麼，那 5G 呢?

5G 標準目前尚未確定，根據國際電信聯盟（ITU）發布的聲明，5G 標準制定將於 2020 年完成，並從 2016 年初開始逐步定義 5G 的技術與性能要求、2017 年開始 5G 國際標準徵集。

5G 願景承載著海量、實時（In – Time）且高速的通訊需求。速度上從 4G 的 100 Mbps 為單位、5G 可高達 10 Gps、比 4G 快達 100 倍，輕鬆串流 3D 影片或 4K 高畫素影片；容量與耗能上，為了物聯網（IoT）、智慧家庭等應用，5G 網路將能容納更多裝置連結、同時維持低功耗的續航力；再來是低延遲，工業 4.0 智慧工廠、車聯網自動車等遠端遙控設備，都必須即時傳輸資訊。

簡單來說，就是 2020 年 5G 系統商用之時，必須達成資料傳輸更快、更大量、更不耗電的目標。現階段的 4G 網路已無法滿足這些需求，故人們對於 5G 標準的呼聲越來越高；在筆電、手機等終端裝置的技術與市場皆已高度成熟、再難以看到成長的情況下，大廠們無一不期盼 5G 網路能帶來更多新型態的服務和應用，一如當年 3G 網路與智慧型手機的相輔相成。可以說 5G 的出現，將對於半導體產業和終端應用產品造成革命性的波瀾。

為此，通訊商們摩拳霍霍、紛紛搶進開發 5G 技術，今（2016）年 11 月華為在標準制定會議上，成功將自己的 Polar Code 專利推為 5G 短碼標準，並將持續在接下來的標準制定上與高通、Ericsson 等通訊大廠角力。除此之外，因應雲端時代對於流量與彈性化的控制需求，網路架構的創新也是電信商在 5G 的布局。

這邊我們必須瞭解電信網路的兩大關鍵技術──軟體定義網路（Software – Defined Networking, SDN）與網路功能虛擬化（Network Function Virtualization, NFV）。

什麼是 SDN（軟體定義網路）?

隨著資料量與日俱增，傳統的大型資料中心和企業網路一同面臨了幾個問題。

首先是難以處理變化性高的網路流量、尤其是非預期中的資料量，比如社群網站得因應使用者在同志遊行炒得沸沸揚揚時大量換頭貼的舉動；或是突然爆紅的 Pokemon Go，剛開始時還能在卡比獸和快龍出現時衝上流量巔峰，一段時間過後玩家越來越少。若是為了一時的高流量需求購買硬體設備來擴充，就會面臨隨後使用率降低、建置成本浪費的問題。然而，若不解決流量需求，也會造成差勁的使用者體驗、或是沒辦法在風口正旺時撈一筆收益。簡言之就是缺乏佈署彈性、難以即時調度運算資源。

再來是網路架構越來越複雜，一個大型網路中包含了 Routing、VLAN、QoS 等功能，須由網管人員針對每臺交換器逐一調整設定，不但耗費人力和時間，出錯風險也高；另一方面，過度複雜的架構也讓網路在傳送資料變得相當緩慢。

如何自動處理流量高峰期、分配硬體資源以即時滿足需求? 如何在越趨複雜的網路架構下，同時降低網管人員的設定難度?

SDN（軟體定義網路）將傳統網路區分成三層，分別為應用程式層（Application Layer）、控制層（Control Layer）和基礎架構層（Infrastructure Layer, 又稱資料層）；底層的部分就是交換器（Switch）、路由器（Router）等設備。

控制層向上透過北橋 API（Northbound API）與應用程式溝通、向下透過南橋 API（Southbound API）與底層硬體溝通。目前北橋 API 尚未有共通的標準存在，南橋 API 則是採用開放式網路基金會（Open Networking Foundation, ONF）所制訂的 OpenFlow 協定。

SDN 將個別設備的控制層抽離出來，集中到中央控制器對整體網路作控制，設備則單純依據控制器下達的命令派送封包。這使得網管人員能在不更動硬體裝置的情形下，以中央控制方式、用程式重新規劃網路，更迅速地調整網路以因應服務及應用的需求。

談完 SDN 後，讓我們來看看另一個與 SDN 相輔相成的技術為── NFV。

什麼是 NFV（網路功能虛擬化）?

相較於 SDN 將控制層從基礎架構層抽取出來、以簡化網路運作，NFV 則是使用 IT 虛擬化技術，將原有網路功能各自需要的專門硬體 （如: 防火牆、DPI、CDN、WAN 等功能都須有一個專門硬體），改成以軟體實作、再佈署在通用規格的硬體上。

NFV 最早是由電信商所提出來的概念。現階段的軟體服務掛勾在硬體設備上，彈性很低；目前的 4G 網路無法針對不同應用提供不同的伺服器，比如你不能跟你 Pokemon Go 的皮卡丘產生即時互動──網路不能根據不同應用、提供不同的伺服器，像是 4G 網路沒辦法對低延遲（Low Latency）需求較高的應用程式提供客製化需求。

若想針對應用需求客製化，其成本相當高。首先電信商跟網路設備商溝通：「我想布特殊需求的 IoT 網路設備」，必須由網路設備大廠瞭解電信商需求後再行硬體設計、生產、測試，過一兩年後再把設備賣給電信商。待買完設備之後再租地區布建設備，從頭到尾的過程對電信商吃力又耗時。

再加上軟體速度革新很快，好不容易佈署好的 IoT 網路，幾年後剛建置完成、市場卻已經換了一套新的產品，使這套服務到最後只能殺價競爭。產品汰換快速、頻寬變動高，使電信商落得高建置成本、低收入的回報。問題在於網路設備僅由 Cisco、Ericsson、Nokia 等少數幾家廠商壟斷，若終端產品裝置的革新速度很快、網路架構卻進展緩慢，最吃虧的莫過於採購網路設備、提供網路服務的電信商。在這個狀況下，說什麼 IoT、智慧家庭或自動車等應用都是浮雲。

此情此景彷若 1960 年代的電腦工業──該時僅有 IBM 一間公司壟斷整個電腦生態，產品著重於高性能且服務於政府、軍方和大型企業的大型硬體，需要專門的作業系統、專門的應用程式，讓當時的電腦產業呈現垂直封閉的狀況，電腦產業革新速度緩慢。

直到後來 IBM 推出了個人電腦的濫觴 IBM – PC，IBM – PC 的主要組件如處理器晶片、磁碟機、顯示器和鍵盤本來就都是第三家公司提供的，微處理器（Micro Processor）的出現更讓無論是微軟（Microsoft, MSFT-US）、Linux 還是 Mac 的作業系統都可以在微處理器上運行（尤其當年微軟為了拚市佔率、對其作業系統 DOS 的價格壓得低到不能再低），IBM – PC 相容機如雨後春筍一般地冒了出來，才讓個人電腦產業快速發展成一支龐大的產業。

硬體的革新速度比不上軟體，而可相容軟體的標準化硬體是讓產業蓬勃的關鍵；電信網路這邊想做的事情也一樣。現行的電信網路服務依賴廠家私有硬體的現況，無論是路由器，或是行動網路的 PDN Gateway，都得仰賴特殊的控制層（Control Plane）和特殊的硬體。如何讓網路從垂直整合、封閉且進展緩慢的「硬體導向」，逐漸走到開放、快速創新的「軟體導向」，關鍵就在 SDN 和 NFV 技術，兩者技術毫無關係、相輔相成，將硬體功能虛擬化後，轉型成至開放硬體、或是可自行訂製化的硬體平台。

這對電信商的大好處，除了硬體架構都有開放標準，設備直接根據成熟的開放標準製造硬體、大幅降低硬體購買和建置成本，也讓整個網路更加開放、創新速度以軟體的速度加快，甩脫傳統硬體技術革新緩慢的問題。

進一步來說，網路軟體化有著這樣的演進──傳統上是國際大型設備通訊商，如 Cisco、Lucent、 Ericsson 發包智邦（2345-TW）、欣興（3037-TW）、華宇、英業達（2356-TW）等臺灣代工廠、再將製作完成的設備賣給電信商，獲利集中在電信商和設備商，整個產業是封閉的。若未來因為有開放介面（Open Interface）的硬體、上面直接搭載開源（Open Source）軟體，而傳統的 OEM 代工廠商則轉型成賣白牌的硬體商，電信商利用白牌設備來布大大小小的資料中心、跑在資料中心中的可以是各式各樣的新型態應用程式。

2016 年的 SDN / NFV 已經進入商用佈署的關鍵期。根據權威調研公司 Infonetics 最新報告指出，到 2018 年，全球電信商的 SDN / NFV 市場規模將達到 110 億美元。美國電信商 AT & T 對外宣稱其 2016 年資料中心的硬體虛擬化部分高達 30%，2020 年目標為 75% 。AT & T 表示：「我們將通過網路的軟體化，實現公司成為軟體公司的轉型。」

另一方面，設備商對於軟體化趨勢的洶湧浪潮也感受到了極大的壓力。今（2016）年 8 月， Cisco 宣布全球裁員 5,500 名員工，震撼科技圈。Cisco 調整人力的舉動，正顯示著 SDN / NFV 對於其本業的高度風險，正積極調整公司方向。 IBM、HP 亦對 NFV 有著深遠的布局，就怕慢了一步被排除在這一輪的遊戲玩家之外。

從 1G 到 4G，我們一直在述說：幾個巨頭訂好標準、各家廠商根據標準生產產品、電信商再來佈建的過程，也就是「一群人持續在標準組織裡依據各國拳頭大小吵架」的故事。然而，整個網路通訊朝向硬體標準成熟演進時，5G 將可能首當其衝。5G 不只是在通訊的速度容量做革新，而是網路虛擬化 / 軟體化趨勢。

其實也反映出電信產業不再僅提提供通訊設備、而成了網路服務提供者。如今 Ericsson 有超過 2 / 3 的電信業務，都是來自軟體或服務，如雲端、IP 網路、OSS / BSS 等，全球更有將近 2 萬 5 千名的 R & D 人員，都從事軟體產品的開發，而非硬體。

由於智慧型手機和行動網路的發達，電信產業與 IT 產業的分界已漸漸糢糊，越來越多的電信商將重心移往雲端技術和 IoT 商機。然而改變之路尚任重而道遠。傳統電信商仍須經過一段期間的驗證，包括服務項目、後續維運、收費計價等系統，皆需要隨之改變。在 2017 年即將來臨的此刻，讓我們拭目以待吧。

【延伸閱讀】

• 通訊知識專題（一）：兵家必爭：通訊標準的軍備競賽—1G 與 2G 篇
• 通訊知識專題（二）：兵家必爭：通訊標準的軍備競賽—3G 篇
• 通訊知識專題（三）：智慧型手機的爆發—3G普及關鍵
• 通訊知識專題（四）：兵家必爭：通訊標準的軍備競賽—4G篇

The post 兵家必爭：迎戰通訊新世代－5G篇 appeared first on StockFeel 股感.

在3G時代，即使WCDMA系統的使用人數最多，由於CDMA核心專利仍然掌握在高通（Qualcomm, QCOM-US）手上，讓歐洲與中國廠商恨得牙癢癢也只能乖乖繳授權金。在通訊業 (事實上是整個科技業)，立於不敗之地的做法莫過於將技術申請專利、將專利寫進標準。而國際標準說穿了是一種政治操作的過程，背後涉及龐大的利益；若欲佔有一席之地，在技術開發的初期就必須參與很多國際標準組織，比如3GPP、3GPP2便是各國與廠商為求利益分羹而出現的組織。

然而技術發展的速度飛快，在通訊業尤其可怖，企業所賴以維生的專利可能眨眼間便天翻地覆。若一個通信標準想要長久維持，就必須持續在這項核心技術深耕、之後的通訊標準也得是該核心技術的延伸，比如WCDMA隨後演進出Release 99、3.5G的HSDPA、3.75G的HSUPA，基本上CDMA的技術框架沒有改變。 而高通CDMA後續演進出的1x EV-DO，於2001年被接受為3G技術標準之一。

高通領軍人有出版通訊聖經《通訊工程原理》的Irwin Jacobs、與Viterbi演算法開發者Andrew Viterbi，創辦人身為通訊學術界巨擘、企業又握有大量的專利，本來照這樣發展下去CDMA或許有可能一路稱霸到4G，可惜事與願違。半途中有一號人物，殺進市場將一切計畫打亂，這個逆襲者叫Intel。

Intel的逆襲 – WiMax

還記得我們提過電信業者競標4G頻譜的情形嗎? 1980年代以前，美國所有的無線設備都得經過頻譜授權；後來美國通訊委員會(FCC)將標準放寬，僅限於發射功率較大、容易產生信號干擾的無線裝置需經過頻譜授權，其他低發發射功率的設備可以使用未授權頻譜。而FCC後來釋出的未授權頻譜中，就包括了現在最主要的Wi-Fi頻段：2.4GHz和5.8GHz，都是未用於通訊的頻段。

這些頻段早期無人重視、直到電機電子計算機協會(IEEE)開始進行短程無線傳輸的研究。WiFi設備在IEEE的規定下發射功率不能超過100 mW，實際的發射功率可能也就在60到70 mW。

為了能讓各家廠商能根據同一個標準製作出兼容的設備、讓通訊器材能有互通性，1999年，IEEE分別推出了「802.11b」與「802.11a」兩種WiFi標準、分別使用2.4GHz和5GHz的頻段，彼此規格不相容。

2003年，IEEE藉由無線通訊界的展頻技術──正交頻分復用(OFDM)，推出了802.11b的改進版「802.11g」使傳輸速度從原先的11Mbps提升至54Mbps。現在我們使用的WiFi規格主要為「802.11n」， 與802.11a、802.11b、802.11g皆可相容，且藉由多重輸入多重輸出(MIMO)技術，使傳輸速度及距離都有所提升、速度甚至可達600Mbps。

這邊來介紹一下OFDM與MIMO這兩個不僅在電腦資訊業、隨後也在通訊業引起軒然大波的關鍵技術。

OFDM – 解決多重路徑干擾、頻譜效率更高、可結合MIMO

訊號從傳送端發射、經由傳輸通道到達接收端的傳送過程中，會遭遇到各種不同的阻隔物，使得電磁波產生穿透、反射、折射、散射以及繞射等作用；當訊號到達接收端時，原本一個訊號將變成多個不同路徑的入射訊號，每一個入射訊號到達時的時間、強度、角度等均不相同。訊號經過不同的路徑抵達接收端後，接收端收到的訊號通常已與原始訊號不同，這種現象稱之為多重路徑干擾。在都會區或住宅區因為高樓林立、有著許多物體妨礙，因此比起空況的郊區或公園，會受到較嚴重的多重路徑干擾。

為了避免多重路徑干擾，通訊專家們統計出一個頻寬範圍，確定訊號傳輸時只要在此頻寬範圍內，波形便不會失真；這個頻寬範圍稱為「同調頻寬」。當傳輸速率越高時、同調頻寬也會越小，意味著越容易受到多重路徑干擾。如何在維持高速率傳輸（同調頻寬小）的條件下、對抗多重路徑干擾的問題呢？

OFDM的方法相當聰明，它將原本的一段大頻寬的信號切割成多個小頻寬再分別傳輸，這樣就算同調頻寬變小也不會有影響。

還記得我們在通訊業的基本名詞介紹中提到，所謂的「載波」意指把人聲等低頻訊號轉成高頻率的電磁波，等傳遞到遠方另一支通訊設備時，再由電磁波轉回人聲的方法。OFDM 技術將無線通信傳輸信號分割成了多個子載波進行傳輸，每個子載波僅僅攜帶了很小一部分的資料負載，有效解決了多重路徑干擾。

不僅能將一段頻寬切割成小頻寬再傳輸出去，OFDM所需的總頻寬也較小。「頻譜效率」指每單位頻寬具有多少數據傳輸率(bps)，也就是說如何讓每單位頻寬的電磁波能傳送更多的 0 和 1 數位訊號。OFDM允許各個子載波部分交疊，使頻譜的利用效率更高、讓資料傳輸量更大。

除此之外，OFDM更能支援MIMO技術。MIMO (Multiple-Input Multiple-Output)意思是多輸入多輸出，使用多組發射天線與多組接收天線的系統。藉由讓通道使用不同的訓練訊號，由於每組發射器所使用的訓練訊號都不一樣，可輕易辨認每個訊號的來源。

相對於SISO (Single-Input Single-Output, 單一輸入和單一輸出)只能使用一組發射天線和一組接收天線，MIMO能在不需要增加頻寬、或總發送功率耗損(transmit power expenditure)的情況下，大幅地增加系統的資料吞吐量及傳送距離。

有了MIMO-OFDM兩者技術的結合，WiFi取得了極大的成功；隨著版圖不斷擴大，IT業的巨頭開始覬覦起其他的無線通訊技術的市場大餅，比如行動通訊的3G與4G。

WiFi標準是IEEE 802.11，IT巨頭進軍通訊業的標準是802.16 ，稱作「WiMax」。2005年，Intel和Nokia、Motorola共同宣佈採用並發展802.16標準，進行行動裝置、網路設備的互通性測試。

有Intel領頭的WiMax來勢洶洶，通訊產業這邊卻是起家歡樂幾家愁。OFDM說起來也不是新技術，早在1960年代貝爾實驗室發明OFDM後，技術框架約在1980年代便已建立完成。然而當時能支援OFDM的硬體尚不發達、CDMA又由高通領軍一時紅火，便淘汰在3G標準之外。由於WiMax的關係，OFDM才又重新進入通訊產業和學術界的視野中。OFDM不但能有效消除多重路徑干擾，複雜度也比CDMA小了很多，相較於CDMA事實上更有優勢。

此時除了高通以外，眾家通訊巨頭都歡樂了起來：「終於不用再看高通面子、繳高額的高通稅了～」若能有效將4G傳輸速率提昇、又能跨過高通的CDMA專利陷阱那是大好不過了！3GPP組織立即轉向，在2008年時提出了長期演進技術 (Long Term Evolution, LTE)作為3.9G技術標準、又在2011年提出了長期演進技術升級版(LTE-Advanced)作為4G技術標準，準備把W-CDMA汰換掉、轉而採用OFDM。

至於高通這邊當然也看到了OFDM的發展前景，為了不落人後，在2005年WiMax進軍行動通訊產業時、高通亦耗費了六億美元策略性收購專門研發OFDM技術的Flarion公司，並在2007年提出了超行動寬頻(Ultra-Mobile Broadband, UMB)計畫，把CDMA和OFDM、MIMO都整入UMB標準中，想繼續維持CDMA的優勢。

可惜各家廠商都怕了高通，以前讓你一人稱山大王四處為虐、現在看你有傾頹之勢還不牆倒眾人推。況且我們在前一篇文向大家提過全球覆蓋律最高的基地台正是W-CDMA，LTE-Advanced能向下相容於W-CDMA，原有的W-CDMA基地台只要經過升級就能使用LTE-Advanced。基於相容性和對於高通專利費的恐懼，各大電信商如美國的Verizon與Sprint、日本KDD等，無不紛紛決定採用LTE-Advanced當作第四代通訊技術標準。UMB因為沒人支持而迅速式微了下去，發表的隔年高通就把UMB停掉、宣佈加入3GPP的LTE陣營了。

解決了高通這個難纏的對手後，那WiMax呢？不用3GPP打WiMax，這個陣營就先自己出了亂腳。既然WiMax是由WiFi演進過來的技術，那麼WiMax到底是網際網路還是電信網路？WiMax論壇(WiMax Forum)的組成份子複雜、全都各懷鬼胎，在毫無共識的情況下產業發展整個亂了套。除此之外最關鍵的問題還是電信設備的相容性。如同高通敗在W-CDMA基地台的相容性上，LTE可向下支援現有的電信設備，WiMax基地台卻要從頭架設。更何況LTE從頭到尾就是電信商主導的通訊標準，輪不到讓Intel這種IT巨頭分這塊餅。

此時此刻的高通已無法複製 3G 時代的榮景，Intel也在2010年宣佈放棄WiMax加入LTE陣營、硬生生打了始終跟進Intel腳步的台灣產官學界一巴掌。餘下3GPP歐洲中國廠商笑呵呵。

【延伸閱讀】

• 通訊知識專題（一）：兵家必爭：通訊標準的軍備競賽—1G 與 2G 篇
• 通訊知識專題（二）：兵家必爭：通訊標準的軍備競賽—3G 篇
• 通訊知識專題（三）：智慧型手機的爆發—3G普及關鍵
• 通訊知識專題（五）：兵家必爭：迎戰通訊新世代—5G篇

The post 兵家必爭：通訊標準的軍備競賽─4G篇 appeared first on StockFeel 股感.

21世紀之初，電信業者描繪的3G世界裡如是說──任何人可以隨時、隨地，利用行動電話或其他行動式設備(例如個人數位助理PDA)，打電話、上網；除了傳送語音之外，還可以傳送數據、影像、電腦遊戲…。

聽起來似乎相當熟悉？現今習以為常的場景，二十年前可是個宏大的理想。3G曾經承載著全球電信業的高度期待，2000年時，英國、德國、法國、義大利和西班牙等國家，開始競標3G通訊執照和無線電頻譜拍賣，各家的行動電信業者總計投下約900億美元。德國更是創下了高達458億美元3G執照的拍賣紀錄。

照理說，高額的投標金將來都是要轉嫁到消費者身上。歐洲的3G執照費用約是建置系統的3倍，意思是從提供3G所產生的非語音收入，必須是語音的3倍，整個投資才能回本；在缺乏行動上網的易用介面與殺手級應用程式的情況下，顯然是不可能的事情。

於是研發者留下了負債和幾近無用的3G執照就離開了，還有些公司還試圖與發放執照的政府打官司。不但後續融資與設備投資舉步維艱、股價重挫，也讓3G服務也無法如期推出。歐洲電信產業一度處於潰敗的狀態。美國《彭博商業週刊》以「泡沫的故事」、「一場歐陸大災難」來形容歐洲3G願景的幻滅。直到四、五年後，歐洲電信業者才逐漸恢復元氣，開始布建3G網路。

相較於早早燒完資金、以致於在3G轉型上慢了一步的歐洲人，美國電信商由於現有頻率占用問題使得發照時間延遲，必須等到2004年初才能釋出3G執照，如此反使美國電信業者保有更多餘力與資金投入3G網路，可以說是因禍得福。

有了完善的3G網路後，萬事俱備、只欠東風──完善的行動通訊智能裝備。

最早的智慧型手機作業系統是微軟（Microsoft, MSFT-US）在1996年發布的Windows CE。由於微軟在個人電腦作業系統上沒有對手，面對全新的行動通訊市場仍沿用過去在PC作業系統的思維方式，導致了系統速度緩慢的先天缺陷。

另一方面，英國公司Psion和Nokia、Ericsson、Motorola在1998年合資成立了Symbian公司，製造手機專用的作業系統以抵禦來勢洶洶的微軟。比起Windows CE其實僅是精簡版的Windows系統，Symbian一開始就是為手機而生的作業系統，不論是穩定度或支援性上都有很出色的表現。

可惜的是，在 1999~2004 年間，Symbian在發展上仍然是以傳統手機功能為主，Nokia 內部的心態總是「最重要的是如何賣出手機，應用程式只是讓手機更好賣」。Symbian也建議過Nokia在智慧型手機的開發上可以有很多其他的功能，無奈 Nokia 就是聽不進去。

此景彷若當時的Motorola從類比到數位手機的轉型，當時最賺錢、說話最大聲的部門是有鍵盤、好接聽的功能手機，觸控式螢幕、甚至是最關鍵的應用程式生態系並不在Nokia高層的認知中。

在Windows Mobile與Symbian大亂鬥、Nokia一家獨大的情形下，有一個角色正在偷偷地壯大勢力，這個角色叫做Apple。

2005年，Apple收購了一家叫做FingerWorks的公司，這家美國自1999年起便開始研發手勢識別、多點觸控等技術，在當時這樣的應用並不為人們所看好，也沒人猜到Apple買它來做什麼。

iPhone One主打的 iTunes Music Store、Safari、Email、Camera 等程式，皆以圖像化的方式呈現在簡潔優美介面上，搭配多點觸控螢幕技術，iPhone去除掉了鍵盤、單以一顆 Home鍵和手指即可操作。

iPhone跨時代的創新還不止這些。早期在手機中安裝應用程式的方式，都是先從網頁上下載、用接線傳輸到手機裡頭再自行安裝 (想想當年我們是怎麼下載Doodle小遊戲到手機裡的)。2008年蘋果（Apple, AAPL-US）推出 iOS 2，新增了最重要的應用程式商店(App Store)，可以在該平台上下載安裝應用程式，開展了應用程式生態系的新世代。

你不會利用手機去推銷生態系統，只會利用生態系統去推銷手機。Symbian一直在示好並鼓勵第三方開發者，在iPhone發布時，Symbian平台上已有1萬款應用。然而，Symbian整整花費了7年時間，相比之下蘋果在發布iOS第一版的一年多後就實現了這樣的成績。

蘋果能迅速成功和Symbian的坎坷命運都是因為同一個原因：應用商店。通過統一平台，蘋果幫助使用者更方便地購買應用程式，只能說缺少應用商店是Symbian的一個致命失誤──沒有資源的人若想自行開發將會非常困難，而開發和維護成本也很高。

大家都知道從2G接聽電話到3G行動上網普及的關鍵、勢必要有更好的行動裝置介面可以上網、看影片、聽音樂、與殺手級的應用程式，也因此當時各家手機大廠無不絞盡腦汁、出盡奇招。智慧型手機不是Apple發明的，但現在一般認知中的智慧型手機所包含的功能：多點觸控螢幕(multi-touch screen)、手機作業系統(Mobile Operating System)、應用程式下載平台(App Platform)與應用程式(App)，Apple提出了最好的概念，成功地將過往各家大廠嘗試的經驗整合起來、一戰成名。

3G的布署與網路速度的提升，早在2005年左右便已完工 (若非歐洲人破產重整、美國人發照延遲, 早在2000年時3G技術已確立)；行動上網、應用程式(App)、手機作業系統也早已開展，然而始終缺乏臨門一腳之故，以至於3G用戶人數不多、始終無法普及。也因為資源早已備齊，只差賈伯斯的靈機一動，所以蘋果才能把iPhone整合成一支All-In-One的手機。

智慧型手機於2005~2007年間起步、2008~2012年爆發性成長，轉捩點便在於iPhone；智慧型手機的轟動，也成功拉動3G用戶暴增。

這一篇，我們提到了雅各布是如何帶領高通（Qualcomm, QCOM-US）在3G時代稱霸並坐收CDMA過路費、歐洲人是怎麼破產讓美國電信有可趁之機，也介紹了賈伯斯大開大闔的創新、讓3G最後能由於殺手級應用裝置──智慧型手機而普及。最終篇，讓我們來談談4G、5G，與洪流競爭下仍保有強大技術實力的華為、Nokia、Ericsson。

【延伸閱讀】

• 通訊知識專題（一）：兵家必爭：通訊標準的軍備競賽—1G 與 2G 篇
• 通訊知識專題（二）：兵家必爭：通訊標準的軍備競賽—3G 篇
• 通訊知識專題（四）：兵家必爭：通訊標準的軍備競賽—4G篇
• 通訊知識專題（五）：兵家必爭：迎戰通訊新世代—5G篇

The post 智慧型手機的爆發─3G普及關鍵 appeared first on StockFeel 股感.

第三代(3G)通訊霸主: 高通（Qualcomm, QCOM-US）

我們在上一篇文中提到，高通的CDMA技術在容量與通話質量上皆優於歐盟GSM的TDMA技術；但GSM已早一步佈署基地台，並於短時間內快速推行於全世界，以致資源相對薄弱的CDMA在當時是雷聲大雨點小，高通也一度陷於危機之中。

在3G時代，局勢卻大大地逆轉了回來。究竟為什麼呢？這邊，讓我們先來講講高通的歷史。

高通的專利布局之戰

走進高通位於加州聖地牙哥的本部，迎面而至的一堵厚厚的專利牆上，鑲嵌著高通所持有關於行動通訊將近1400項專利。高通的一切都明明擺擺的寫在了這面牆上：財富、壟斷、成功… 高通就像一隻毒蛇，深諳扼住宿主脖子、獲取高額利潤之道。

冷戰時期，美國軍方所使用的通訊方式能將資訊進行加密與解密，稱為分碼多工(CDMA)技術，以確保資訊傳輸時不被蘇聯所竊取。Linkabit是加州聖地牙哥(San Diego)第一家電子通訊技術公司，負責承接這筆訂單、為美國軍方和航太局開發衛星通訊和無線通訊技術。

Linkabit的兩位創辦人皆是通訊界的著名研究人員──雅各布(Irwin Jacobs)任教於麻省理工電機系，其著作《通訊工程原理》( Principles of Communication Engineering )，奠定了當時乃至於現在的通訊基礎，至今仍是通訊界聖經寶典。另外一外創辦人維特比(Andrew Viterbi)提出的維特比演算法(Viterbi algorithm)則在數位通訊以及語音辨識系統上有著突破性的發展。

1980年，雅各布和維特比將Linkabit賣給同屬通訊領域的M/A-COM公司，並於1985年創辦了高通，意即有品質的通訊(Quality Communications)。1989年時，高通大幅改善了CDMA的功率問題，並成功將其商用化。

可惜的是，此時歐洲通訊標準協會已著手進行GSM技術標準的制定，隨後很快推行到了歐洲與日本市場；美國本土的通訊工業協會也認定GSM所採用的分時多工(TDMA)技術為2G標準。CDMA 比TDMA的容量更大、通話品質更好，但技術複雜程度太多，大半電信商不相信技術的可行性。

高通發展的一大關鍵，在於雅各布狡詐莫測的三大專利流氓手段：

1.  開發地雷: 建立壟斷的專利佈局

高通圍繞著功率控制、同頻複用、軟切換等技術，構建了CDMA專利牆，相較於其他廠商在專利數量和品質上都有非常大的優勢。但高通不滿足於此，它要一人享用這筆豐厚的利潤。

在高通，養了一批不下於技術開發部門的龐大專利律師軍團，透過併購、控告對手專利侵權等專利戰，將所有CDMA的相關專利都一步一步攏絡過來。專利律師的職責，便在於申請專利、談專利價格、控告侵權公司。(祖產嘛, 還不好好守著敲人過路費嗎)

第二步是大量申請垃圾專利，用垃圾專利保證其核心專利──在舊有的專利保護到期之前便申請新的專利、或大量申請CDMA外圍專利，然後申告該技術為新技術的一環，封殺了關於CDMA內外圍的所有技術。

2.  布地雷: 將專利技術套入通訊標準

收集齊備了專利地雷還不夠，還要讓人得採到才行。

總不能中華電信打不通遠傳（4904-TW）的手機、HTC打不通iPhone手機；設立通訊標準的原意是讓不同的電信商、基地設備與手機廠商彼此間也能互通。只要符合通訊標準、向該國通訊監管部門申請執照，便可以經營通訊業務，由此建立開放互聯的環境。

由於GSM標準為歐洲電信商、行動通訊商(如Ericsson、Nokia)共同提出、共同享有知識產權，專利基本上是開放的。但高通表面上提出了一套採用CDMA技術的2G標準，實際上將CDMA專利技術藏在了裡頭，等於使用該2G標準時，也等同踩到了高通的專利。

這種以單一家公司專利而壟斷某一標準的行為，照理說不會發生在跨國間的通訊標準制定小組，別的國家與廠商因本身利益衝突、必然會極力反對。然而當時2G數位通訊的研究適才起步，多數廠商的注意力仍在歐洲人所提出的GSM標準上，高通的CDMA技術尚仍無多少人聞問，反而讓高通趁隙而入。

3.  更多的地雷: 將CDMA演算法整入晶片

高通的最後一步棋，是決定把 CDMA 的演算法嵌入集成晶片。其最大特點為整合訊號的發送與接受、電源管理和數位與類比訊號轉換等裝置於單一晶片上，即所謂系統單晶片 ( System on Chip, SoC )。

現階段使用高通專利的手機廠商，必須先繳一筆授權費取得專利使用權；在晶片或產品量產後，再依據出貨量收取產品售價一定比例的費用，平均需要繳納手機銷售額 5～10%不等的權利金。這點可是相當的不合理──螢幕、鏡頭、機殼等零件全部與CDMA毫不相關，也得被抽銷售額的百分比。(難道在手機上鑲了塊鑽石, 利潤還得算在高通頭上嗎？)

事實上高通提供了 SoC一套完整的解決方案，大多數手機廠商還沒 SoC整合的技術能力，也只能乖乖挨這一刀；況且所有加入高通設計方案的手機商，都必須與高通進行專利相互授權，等同於手機廠只要乖乖付錢，即能擁有更多的專利手牌。

你設局，也要有人願意踩。高通專利的高門檻擋住了競爭對手，也擋住了CDMA的迅速市場化，多數電信商還是選擇了GSM系統，靠專利使用費養活的高通在美國活的並不好。

此時，高通迎來了一根橄欖枝──來自於韓國政府。

在發展CDMA之前，韓國電信商、手機等通訊設備製造業相當薄弱。1990年11月，高通和電子通信研究院(ETRI)簽署有關CDMA技術轉移協定，高通答應把每年在韓國收取專利費的20%交給韓國電子通信研究院、協助其研究，韓國政府也宣布CDMA為韓國唯一的2G行動通訊標準，並全力支持韓國廠商三星、LG等投入CDMA技術的商業應用。

韓國不往GSM等歐日廠商靠攏、選擇了CDMA作為2G標準，主要是為了低廉的專利優惠，雖承擔了一定的風險，最終也獲得了相應的回報。透過發展CDMA，韓國的行動通訊普及率迅速提高，短短五年行動通訊用戶即達到1百萬量，SK電信成為全球最大的CDMA電信商。通訊設備製造商更是異軍突起，三星成為全球首家CDMA手機出口商。CDMA不僅帶動了行動通訊業的發展，也促進了整個韓國經濟的發展。所以多有人道：「韓國人救了高通」，高通更從此成為全球性的跨國大公司。

韓國的成功典型，第一次向市場證明CDMA正式商用的可能性，也讓美國一些電信商及設備廠商對CDMA技術開始恢復信心。

在高通與韓國人賺的缽滿盆滿笑呵呵的同時，讓我們把畫面拉回到歐洲這邊。千禧年後，2G的速度與容量上限逐漸面臨瓶頸，經歷了1G到2G眨眼間便大舉翻盤的技術變革，各大手機廠吃了歷史教訓、個個提心吊膽著準備迎接 3G 時代。

歐美中鬥法──三大3G通訊標準

3G最大的優點即是高速的資料下載能力，2G的下載速度約僅9600bps～64kbps、光是打開一個Yahoo首頁便得耗費三分鐘左右；3G速度則為300k-2Mbps，足足提升了三十倍有餘。

Ericsson、Nokia、Alcatel等實力雄厚的歐洲廠商雖知TDMA難敵CDMA的優勢、更難以作為3G核心技術，但誰也不想接受高通霸道的方案，於是歐洲與日本等原本推行GSM標準的國家聯合起來成立了3GPP組織(3rd Generation Partnership Project)，負責制定全球第三代通訊標準。

3GPP參考著CDMA技術、並繞過某些高通的專利陷阱下，開發出了原理類似的W-CDMA。高通趕緊不落人後地與韓國聯合成3GPP2 (3rd Generation Partnership Project 2)與3GPP抗衡、推出了CDMA2000。

這裡邊，獨獨漏了中國人。歐洲跟日本自己一套系統，美國韓國一套，中國想當然爾、自己硬是也搞了一套，叫TD-SCDMA，由中國大唐集團下屬的大唐電信所提出。從技術上來看TD-SCDMA可算是W-CDMA的衍生版本，因此TD-SCDMA的技術核心實際上就是W-CDMA，僅於中國國內推行。

誰也不想被高通揩油、TD-SCDMA只有中國人使用，結果W-CDMA的參與者最多，在三個3G通訊標準中最成熟、市占率也最高；然而因三大通訊技術皆碰觸到了CDMA的底層專利技術，仍無法避免地被高通硬生生啃掉了一塊利潤大餅，高通可謂3G時代最大的贏家。

不過當年從1G到2G的普及也不到三五年光景，從千禧年開始喊了這麼久的3G，怎麼從2007、2008年才逐漸普及呢？

基地設備的建置與架設耗費時日也耗費金錢，若沒有良好的行動上網使用者體驗，也就沒有讓消費者和電信商真正從2G轉型至3G的迫切性。真正讓高通大賺、讓3G火紅起來的關鍵，還是來自於行動通訊裝置的革新──「智慧型手機」。

【延伸閱讀】

• 通訊知識專題（一）：兵家必爭：通訊標準的軍備競賽—1G 與 2G 篇
• 通訊知識專題（三）：智慧型手機的爆發—3G普及關鍵
• 通訊知識專題（四）：兵家必爭：通訊標準的軍備競賽—4G篇
• 通訊知識專題（五）：兵家必爭：迎戰通訊新世代—5G篇

The post 兵家必爭：通訊標準的軍備競賽－3G 篇 appeared first on StockFeel 股感.

一句流傳在科技業的格言，精闢地描述了產業中的贏家與輸家：「一流企業定標準、二流企業做品牌、三流企業做產品。」 一旦成為標準制定者、全球企業通用該標準時，即能坐收專利授權費、不受激烈化的市場競爭所影響 (坐吃祖產享用不盡)；因此專利的多寡、即是企業營運重要的一環。

通訊基地台、通訊設備製造商、行動裝置製造商(手機、智慧型裝置)，從上游到下游的通訊產業都必須繳納高額的專利費，最後淪至紅海競爭、除了微薄的利潤以外，其餘全被通訊標準制定商拿去。因此自古以來通訊標準乃企業兵家必爭之地。誰能讓大多數國家與地區採用該標準、誰就能形成自然壟斷，成為最終勝者。

今天，就讓我們來談談行動通訊產業的技術發展與競合。

通訊名詞解析──什麼是類比訊號？數位訊號？

自然界的一切訊號，包括聲音、電磁波、光、逐漸變化的氣溫高低、閃電、熱能、影像…都是連續的訊號。這種連續訊號稱為類比訊號 (Analog Signal)。而頻率(Frequency)則是指訊號一秒鐘振動的次數，單位為「赫茲」(Hz)。

類比訊號中，人類聲音的頻率為300~3400 Hz，屬於低頻率的訊號，在傳輸時易受到干擾、損耗也大，傳遞距離短；而電磁波，如FM收音機的頻率約為54~108 MHz(兆赫)，屬於高頻率的訊號、可傳遞數百公里遠。

因此若能使用高頻率的電磁波「載著」低頻率的人聲，就能成功將訊號傳遞得更遠──通訊設備會先將人聲轉成高頻率的電磁波、等傳遞到遠方另一支通訊設備時，再由電磁波轉回人聲。

如此一來不但能成功將訊號傳遞得更遠，由於電磁波頻率高到人耳聽不見、亦不會干擾到人類日常生活。此技術稱之為高頻載波技術，從人聲轉換至電磁波的過程稱為「調變」、由電磁波再轉回來的過程則為「解調」。

調變的方式包括了轉換聲波振幅(又稱AM調幅)、或轉換聲波頻率(又稱FM調頻)，一般採用干擾度較低的FM調頻。第一代通訊(1G)即為FM調頻技術。

另一方面，人聲與電磁波都是自然界中的訊號、僅有著頻率高低之差，故皆為「類比訊號」。若將連續的類比訊號再加工、轉變為「0」與「1」不連續的電腦運算訊號 (0代表電壓關, 1代表電壓開)，該訊號稱為「數位訊號」。

將類比訊號轉換為數位訊號(0或1)的過程稱為「數位訊號調變」。由於數位訊號較原先類比訊號更易進行編碼、儲存、修改、加密、壓縮等動作，故從第二代通訊(2G)開始，到後續的3G、4G甚至是5G，皆採用數位通訊技術。

為什麼當我們與朋友通話時，旁人的手機不會聽到我們的聲音呢？事實上，通訊設備不會認得人聲，而是認得一個「頻率範圍」，這個頻率範圍稱為「頻寬」(bandwidth)。將所有不同頻率範圍的頻寬組合起來，即為「頻譜」(Spectrum)。

假設A與B的手機只能接通900~900.1 MHz(兆赫)的頻寬、而C與D的手機只能接通900.1~900.2 MHz(兆赫)的頻寬，就能有效防止彼此手機接收到對方的訊號。若彼此頻寬重疊，通訊設備就會接收到他人的聲音。

由於頻寬有限，故相同頻率範圍的電磁波只能使用一次，如頻寬100 M~ 1 MHz(兆赫)的電磁波通常應用在行動通訊(GSM)、無線收音機、無線電視等；海底電纜、電報或衛星通訊則採用其他頻寬。在有限的頻譜資源下，各國的通訊委員會通常會以競標的方式讓電信業者取得特定頻段的使用執照、價高者得，比如去年底國內熱門的4G頻譜競標戰。

2015年10月時，國內的4G行動通訊用戶數已超過一千萬戶，平均用量約10至14 GB，因此各家業者均需要新的4G頻段來滿足用戶成長數、就算砸大錢也不惜一搏。 最後，由於D3及D4區塊頻譜相對乾淨，而D1、D2、D5及D6較容易會有日本衛星電視頻率干擾問題，國家通訊傳播委員會(NCC)最後公布6張執照底價分別為：D1為35億元，D2、D3各37億元、D4為19億元、D5為9億元、D6為7億元。

介紹完技術名詞，讓我們來看看產業中的各家領導廠商。

第一代通訊(1G)開創者: 摩托羅拉（Motorola Solutions, MSI-US）

講到雙向無線通訊，就不能不提第一代領導先鋒摩托羅拉公司(Motorola)。如果說美國電話公司AT&T是有線通訊之王，摩托羅拉就是行動通訊產業的霸主與開創者。

無線通訊技術最開始時主要應用於國家級的航太與國防工業，無論是後來的高通（Qualcomm, QCOM-US）CMDA技術、與帶有解放軍色彩的華為，皆仰賴軍方扶持起家。摩托羅拉的發展亦是如此。摩托羅拉創辦於1928年，二戰時與美國陸軍部簽訂了合約、協助其研發無線通訊工具。1941年，摩托羅拉研發出了第一款跨時代產品SCR-300，至今仍是電影中美國通訊大兵最經典的形象。

雖然SCR-300重達16公斤，甚至需要一個專們背負的通信兵、或安裝在車輛和飛機上，然而由於SCR-300使用了FM調頻技術，使通話距離達到了前所未有的12.9公里，足以讓炮兵觀察員聯繫到炮兵陣地，也能讓地面部隊跟陸軍航空兵通訊。

無論是二戰期間的通訊設備，之後第一款彩色類比電視機、半導體晶片、DSP通訊手機晶片，和1980年發明「蜂窩式行動電話」(大哥大,黑金剛)、建立了AMPS (Advanced Mobile Phone System)電話系統，摩托羅拉作為類比通訊技術的佼佼者，在行動通訊及電腦處理器領域中都是市場先鋒，更在1989年被選為世界上最具前瞻力的公司之一。

可惜的是，一代巨頭終究未能隨市場趨勢轉型、最終轟然倒下。

第二代(2G)通訊競合組織: GSM與CDMA

由於1G類比通訊的通話品質差、訊號不穩定、保密性更是低落，人們開始著手研發新型行動通訊技術。80年代後期，隨著大規模機體電路、微處理器與數位訊號的應用更加成熟，當時的行動電信業者逐漸轉向了數位通訊技術，行動通訊進入了2G時代。

我們已於本文一開始提及，各國通訊產業的發展方向，多為軍方投注資源研發技術、並扶持本國企業，故通訊產業意即國家戰略產業，通訊標準之爭則等同於國與國之間的戰力角逐，一旦輸了的一方則須持續向敵方聯盟繳納高額專利費、更容易被對方掌握軍事技術核心。摩托羅拉壟斷了第一代行動通訊市場，也意味著第一代通訊標準把持在美國人手裡。

在數位通訊剛起步時，歐洲各國意識到：單打獨鬥在技術上將難以和美國抗衡。二十年來，歐盟始終不甘落於美國之後，若各自搞出一個不同的標準、很難在世界上占主導優勢 (標準這東西就是人多, 說話大聲拳頭硬的就贏了, 總不能全世界只你一個人跟別人用不一樣的)。它們吸取了各自為政的失敗教訓、加強內部聯盟，終於在2G通訊時代超越了美國。

1982年起歐洲郵電管理委員會成立的一系列「行動專家組」負責通訊標準的研究。GSM的名字即是行動專家組(法語: Groupe Spécial Mobile）的縮寫，後來這一縮寫的含義被改為「全球行動通訊系統」(Global System for Mobile communications)，以方便GSM向全世界推廣。

GSM 的技術核心是分時多工(TDMA)。如前述所言，有限的訊號頻率是通訊技術一大限制，多數關於通訊技術的突破都是在於如何更有效的利用訊息通道。GSM的特點是將一條訊息通道平均分給八個通話者，一次只能一個人講話、每個人輪流用1/8的通道時間。

GSM的缺陷是容量有限，當用戶超載時，就必須建立更多的基地台；然而GSM技術建置容易，更採用全新的數位訊號編碼取代舊有的類比訊號。在其它方面GSM的性能也相當優異，不但開放國際漫遊(各國電信業者的規矩都統一了, 當然能打電話)、提供了SIM卡(Subscriber Identity Module)方便用戶在更換手機時仍能儲存個人資料，GSM手機還能傳送160字長度的文字簡訊。通訊技術與應用在2G時期有了驚人的進展。

1991 年，Ericsson和Nokia率先在歐洲大陸上架設了第一個GSM通訊網路。短短十年內， 全世界有162個國家建立GSM通訊網路，使用人數超過1億、市佔率高達75%。

在歐洲人野心勃勃地想要超越美國稱霸世界時，美國人同時間卻搞出了三套通訊系統。其中兩種同樣是基於TDMA技術上做發展、第三種則是高通成功設計出的分碼多工技術(CDMA)。

TDMA的通道一次僅供一個人使用、八個用戶得輪流著講，容量有限；然而CDMA使用資料加密技術、讓所有人同時講話也不會被其他人聽到 (好比編號1只能與編號1通話、編號2只能與編號2通話，互不干擾)，容量大幅提升。從技術上來看，CDMA系統用戶的乘載量是GSM的10倍以上。

從1950年代起，CDMA就是美軍軍方的通訊技術之一。在創辦人艾爾文.雅各比(Irwin Jacobs)和安德魯.維特比(Andrew Viterbi)領軍下，高通在1989年成功將CDMA應用在行動通訊上。

然而高通沒有實際的手機製造經驗，歐洲的運營商們也對它的知識產權不感興趣。即使是在美國也只有極少數的運營商願意使用該系統。早期有關CDMA的報導都是相當消極的，基地台設施不能達到預期目標，CDMA手機也無處可買。總體而言CDMA就是雷聲大，雨點小。

在2G時代，CDMA是個失敗者。當歐洲大力投注資源在GSM上，短短數年建立了國際漫遊標準、在全球廣布基地台時，CDMA起步較GSM晚了一步、美國國內資源又被分散的結果，失去的就是大半江山。(人家基地台都建好建滿了, 總不能打掉說換我這個的吧)

另一方面，美國在通訊標準之爭上的失敗，間接也影響了摩托羅拉手機的競爭力。當數位行動電話漸漸取代類比行動電話時，摩托羅拉仍在類比行動電話市場有四成以上佔有率；數位行動電話卻不到二成。 對於數位通訊的威脅，摩托羅拉錯估了類比手機的通訊週期，當時的高階主管表示：「四千三百萬個類比電話機用戶，錯不了的！」

當然，如同有線電話公司AT&T當初不願砸錢在無線電話部門上頭一般，摩托羅拉當中最賺錢、說話也最大聲的類比手機部門更不可能會讓資源流到數位手機部門裡。同樣的故事亦可見於而後的Nokia與智慧型手機之爭。企業巨頭的倒下很少是單一外在因素，多在於現有企業內資源處處受把持、導致技術進程緩慢。

摩托羅拉終於在全球行動電話市佔率中，從1997年的50％、暴跌至1999年的17％，並逐漸下滑。二十年來的第一大手機大廠被1992年才推出第一支數位手機(先前還是間製紙公司)的Nokia所擊沉。

故事就這麼完結了嗎？還早得很呢，讓我們來看看3G時代美國電信商與高通的翻盤與反撲。

【延伸閱讀】

• 通訊知識專題（二）：兵家必爭：通訊標準的軍備競賽—3G 篇
• 通訊知識專題（三）：智慧型手機的爆發—3G普及關鍵
• 通訊知識專題（四）：兵家必爭：通訊標準的軍備競賽—4G篇
• 通訊知識專題（五）：兵家必爭：迎戰通訊新世代—5G篇

The post 兵家必爭：通訊標準的軍備競賽－1G 與 2G 篇 appeared first on StockFeel 股感.

全球第一大半導體公司Intel近幾年來，由於在個人電腦市場持續衰退、又在行動通訊市場表現不佳，勢必要尋找其他成長動能，以intel的定位來說，本身x86平台已經有完善的垂直整合生態，然而ARM市場對intel可說是未開闢的市場，特別是ARM的授權模式讓intel可以直接從代工服務切入，開闢新的營收動能。

為了重整態勢，4月時intel在公布2016年第一季財報後、宣佈全球將裁員12000人，並宣佈退出行動通訊系統晶片市場。此舉放棄了Atom晶片(包括 Sofia 處理器和預計今年上市的 Broxton 處理器)而用於平板的Atom X5也將逐漸淡出市場，但市場上大多人忽略的是intel早在2014年時就入股展訊，間接持有20%的股權，為未來行動處理器業務鋪路意味甚深。

8月，Intel在年度開發者大會(Intel Developer Forum, IDF)宣布開始處理器架構供應商ARM的IP授權，並首度直接表態「英特爾（Intel, INTC-US）專業晶圓代工正協助全球各地的客戶」，未來將開始擴大搶食ARM架構的代工市場。

Intel選擇ARM Artisan平台，說明未來ARM架構的晶片廠都可以選擇Intel的代工服務。據Intel的官方訊息指出： Intel專業晶圓代工（Intel Custom Foundry） 將作為提供代工服務的基地，並宣布第一批產品將用於LG和展訊上：LG將使用Intel的10奈米平台以製造自家的64-bit ARMv8 mobile SoCs；而原先就是Intel控股的展訊則採用intel的14奈米製程晶圓代工服務。

值得一提的是，若展訊選擇Intel 14奈米製程代工服務，則該晶片將可能吸引三星的手機訂單──事實上三星在新興市場、比如印度，早已推出好幾款採用展訊晶片的低階智慧型手機；未來14奈米製程晶片可能上到中階手機採取。從一家身為IDM(Integrated Device Manufacturer, 整合元件製造)公司轉型到先進製程晶圓代工，Intel的每一步都意欲在行動通訊市場上力挽狂瀾。

在製程技術上，Intel確實有世界頂尖的技術工藝。國際半導體評測機構Chipworks指出其14奈米製程將晶片的電晶體鰭片間距做得最為緊密，真正達到了14奈米，而非台積電與三星的宣稱的16奈米/14奈米，事實上僅有Intel 20奈米的程度；Chipworks的測驗結果也證實了其電晶體效能均領先其他競爭對手。

但晶圓代工著重的不只是製程──產量、良率與背後的一連串支援服務，才是晶圓代工真正的關鍵價值鏈，對此張忠謀也指出英特爾並不是專業晶圓代工，只是把腳伸到池裡試水溫，並道：「相信英特爾會發現水是很冰冷的」。但亦可得知2017年晶圓代工產業的競爭將會更為激烈。

2017年各家晶圓代工廠的決勝點將是7奈米先進製程。10奈米製程因物理侷限，僅是針對降低功耗做改善，效能上難以突破。到了7奈米、才會是突破10奈米效能極限的先進製程，因此被各家廠商視為決勝點。目前市場上的三大陣營台積電、三星與格羅方德都已經積極投入資源研發該製程，至於結果會如何，只能靜靜等待市場結果了。

格羅方德(GlobalFoundries)成立於2009年3月，是從美商超微(AMD)公司虧損連連後拆分出來的晶圓廠，加上阿布達比創投基金(ATIC)合資成立；AMD僅持有8.8%股份，餘下大部分由ATIC持有。借助背後石油金主ATIC的資金優勢， 四個月後收購了新加坡特許半導體，成為僅次於台積電和聯電（2303-TW）的世界第三大晶圓代工廠。

畢竟是由AMD拆分出來的公司，格羅方德原先主要承接AMD處理器和繪圖晶片的生產訂單。然而2011年，AMD Bulldozer架構的微處理器由格羅方德代工32奈米製程時，因良率過低，造成原訂2011年第1季出貨的進度，一路延誤到2011年第4季，使得後來AMD將部分訂單轉交給台積電。

ATIC作為金主，持續投入高額資本在先進製程的研發上；然而這條路走得始終不順遂。台積電在2011年即量產28奈米製程，格羅方德卻遲至2012下半年才正式量產。在14奈米 FinFET工藝上，格羅方德於2014年獲得三星的技術授權專利，但自主研發能力也因此遭人詬病。

從2009年創立至今，格羅方德的營利始終是負數，2014年的淨虧損高達15億美元。連續的巨額虧損讓石油金主也難以負擔，2015年甚至傳出阿布達比因油價腰斬手頭緊、打算脫手格羅方德變現的傳言。

2014年10月，IBM請格羅方德收下其虧損的晶片製造工廠、以避免支付更高額的關閉工廠遣散費與後續爭訟，並承諾在未來3年支付格羅方德現金15億美元。近來傳格羅方德將跳過10 奈米製程，直接跳級進軍7 奈米製程，外界推測是藉由買下 IBM 半導體事業，連同取得重要技術人才與專利。

從格羅方德取得的三星14奈米製程技術、到IBM 7奈米製程技術，不像台積電自主研發、以自有資金建廠，聯電與格羅方德的部分製程技術透過合作聯盟或授權而來，在出問題時很難及時調整、或找到人來收爛攤子。成立以來一路走得跌跌撞撞的格羅方德，前景尚且一片茫茫。

中芯國際成立於2000年， 2014年底獲得中國政府300億人民幣產業基金支持。中芯試圖擠入台積電，Intel這幾家所把持的半導體市場，然後由於財力和製程技術的不足，技術落後台積電至少2代以上，使其始終難以承擔大型的IC設計客戶(如高通（Qualcomm, QCOM-US）)的重要訂單。

為了縮短技術差距，中芯找上了高通尋求技術升級協助。高通該時方被中國官方反壟斷調查、遭重罰9.75億美元，為了向中國政府示好便答應了和中芯的合作。2015年，中芯與高通、華為成立合資企業，研發自有的14奈米製程技術，並提出2020年前在中芯廠房投入量產的目標。其中高通的投資金額達 2.8 億美元，簽約時習近平還出席觀禮。

中芯目前已於2015下半年開始量產28奈米製程，這也是中芯的首款產品。該產線也不意外地拿到了高通驍龍410處理器的訂單。

關於晶圓代工戰爭的故事就到這邊暫且告一個段落。看完了各家大廠間的競合策略，你認為哪一家最有可能成為下一代的領導廠商呢？

由於摩爾定律逼近極限，讓過去台積電能仰賴在製程上甩脫對手一個世代、降低成本綁住訂單，藉以維持高毛利的作法將日益困難。

加上晶片越做越小、漏電流發生的可能越大，良率也勢必跟著下跌；因此未來朝向能管控成本的規模化，以及因應少量客製化需求的生產管理Know-how，將成為未來晶圓代工廠豎立競爭力的方向。

今年七月，台積電陸續出貨整合型扇形封裝(InFO)、跨足終端封裝技術，即是台積電邁向規模化發展的其中一步。然而封裝的人力需求比晶圓製造來得高，後續的自動化進程將會如何，尚待未來分解。

【延伸閱讀】

• 半導體知識專題（一）：挑戰晶圓代工霸主(1)—台積電VS聯電
• 半導體知識專題（二）：挑戰晶圓代工霸主(2)—台積電VS三星

The post 挑戰晶圓代工霸主(III)─台積電 VS Intel、格羅方德、中芯 appeared first on StockFeel 股感.

由李秉喆創立的韓國三星集團是世界上最大的一家由家族控制的商業帝國，早期出口乾魚、蔬菜、水果到中國東北去。1970年代生產洗衣機、冰箱、電視機等家電， 1980年代開始引進美國先進技術並和韓國半導體公司完成合併，家電、電信與半導體成為三星電子的核心業務。

三星的晶圓代工事業的發展之所以能成功，蘋果（Apple, AAPL-US）可以說是一股最主要的助力。三星是動態隨機存取記憶體(DRAM)和快閃記憶體(NAND)的領導廠商，全球市占率達15.5%。故其始終掌握著iPhone的記憶體關鍵零組件，比如iPhone 4使用的快閃記憶體晶片來自三星、iPad顯示器也是由三星生產。

再加上三星的電子產品，使用的是自家生產的處理器、如Exynos獵戶座；為了獲得蘋果的資源發展晶圓產業、同時不讓自己的產能過剩(若處理器僅用在三星自身產品上會有多餘產能)，其晶圓代工幾乎是用成本價吃掉蘋果單、記憶體打包一起折扣賣，來幫自己的晶圓代工練兵。

從iPhone的第一代晶片開始，蘋果一直向三星採購ARM架構的晶片。2010年蘋果自主研發的A4晶片被搭載在iPad上正式發表、隨後又搭載在iPhone 4中。A4處理器雖出自蘋果，三星自家發表的S5PC100處理器和A4晶片上採用的內核一模一樣，兩款晶片的電路設計上可以說是同一批人馬。後續的A5、A6、A7也都是三星生產。

不過蘋果和三星在代工處理上的關係，直到三星在Android智慧型手機與蘋果的iOS開始起了摩擦。2011年蘋果正式起訴三星GALAXY系列產品抄襲iPhone和iPad、三星又反起訴蘋果侵犯其10項技術專利，蘋果與三星的專利訴訟戰幾乎遍及全世界。

台積電之所以一直沒辦法獲得蘋果訂單，是由於台積電報價強硬，而蘋果迫使台積電接受與三星同樣的成本價、另一方面是當時台積電廠房產能已經滿載，無法接下蘋果如此大量的訂單。後來蘋果因與三星爭訟、力行「去三星化」政策，且三星在20奈米製程的良率無法突破，最後只用來生產自家 Exynos 5430(用在GALAXY A8)與 Exynos 5433(用在GALAXY Note 4)；台積電20奈米製程領先三星，同時台積電已經將產能擴張完畢，最後才由台積電首度拿下iPhone 6的A8處理器全部訂單。從另一方面而言，此舉也是蘋果試著掌握議價權的策略──蘋果樂於見到兩家代工廠的競爭，讓價格成了比拼晶片效能外的最佳籌碼。

三星原先還在苦惱20奈米製程的良率問題，忽然間竟直接殺到14奈米製程了。造成這個驚人轉變的關鍵因素，在於台積電內部所發生的洩密問題。

梁孟松是加州大學柏克萊分校電機博士，畢業後曾在美商超微(AMD)工作幾年，在1992年返台加入台積電。 台積電在2003年擊敗IBM、一舉揚名全球的0.13微米銅製程一役，其中便有他的功績。

2009年，梁孟松因研發副總升遷不上的問題、憤而離開研發部門，帶走了自己的一組人馬投奔南韓。接下來的幾年，三星的製程突然研發快速進步，從48、32、28奈米的間隔時間急遽縮短，且三星的電晶體製程與台積電的差異快速減少。合理來說，三星的技術源自於IBM，其電晶體應是圓盤U狀，而非台積電所獨有的稜形結構特徵，但到了14奈米製程，在結構上幾乎已經與台積電無異，據台積電委託外部專家所製作的對比分析報告指出，若單從結構上來看，已經無法分辨兩種晶圓是來自於台積電或是三星所製造，幾乎可以斷定是擅長FinFET技術的梁孟松將營業秘密洩露給了三星。

2014年5月，法院判定梁孟松直至2015年12月31日前不得進入南韓三星工作。台灣法院從未限制企業高階主管在競業禁止期限結束之後，還不能到競爭對手公司工作，可以說是個歷史性的判決。

然而損害已經造成，台積電投入好幾年、幾千億的研發資金在一夕之間被同業超過，蘋果A9的大部分訂單更轉到了三星，對台積電所造成的損失高達好十幾億美元，原因即是三星的14奈米已超越台積電的16奈米。此外張忠謀在2014年的法說會上，坦承16奈米技術被三星超前，使台積電一度股價大跌、投資評等遭降。

這個局勢在iPhone 6s A9晶片忽然扭轉，使的台積電在蘋果A9處理器一戰成名。同時採用三星及台積電製程的A9處理器在功耗上發生的顯著的差異：台積電的晶片明顯較三星地省電，適才爆發知名的iPhone 6s晶片門爭議。這顯示著三星雖然在製程上獲得巨大的進步，但在良率及功耗的控制下仍輸給台積電，使得蘋果A9後續的追加訂單全到了台積電手裡；到了A10處理器，其代工訂單由台積電全部吃下。三星雖然挖走了台積電的技術戰將，但防漏電及提高良率的苦功則還是要仰賴基層生產時的Know-how，這也是台積電的得意絕活。

為什麼三星的14奈米會不如台積電的16奈米製程的另一個原因，在於FinFET(鰭式場效應電晶體)先進製程上的命名慣例被三星打破。當初台積電剛採用立體設計的FinFET工藝時，原本計畫按照與Intel一致的測量方法、稱為20奈米FinFET，因為該代製程的線寬與前一代傳統半導體2D平面工藝20奈米的線寬差不多。但三星搶先命名為「14奈米」，為了不在宣傳上吃虧，台積電改稱為「16奈米」。事實上，三星與台積電皆可稱為「20奈米FinFET」。

台積電於2015年第4季末開始首批10奈米送樣認證，當時僅蘋果、聯發科（2454-TW）及海思等少數一線客戶，高通（Qualcomm, QCOM-US）並未參與。上個月14號(2016/11)，高通正式宣布下世代處理器驍龍(Snapdragon)830將採用三星的10奈米製程技術，原因在於：一是驍龍810上的發熱門事件即是採用台積電製程(雖然是高通自己的晶片設計問題)；二是有韓國媒體傳出， 高通以晶圓代工訂單做為交換條件，要求2017年三星旗艦機Galaxy S8須採用驍龍830 晶片。但若台積電能在製程上再度取得優勢，則可預期高通7奈米製程將重回台積電懷抱。

【延伸閱讀】

• 半導體知識專題（一）：挑戰晶圓代工霸主(1)—台積電VS聯電
• 半導體知識專題（三）：挑戰晶圓代工霸主(3)—台積電VSIntel, 格羅方德, 中芯

The post 挑戰晶圓代工霸主(II)─台積電 VS 三星 appeared first on StockFeel 股感.

台積電資本支出已於 2016 超越 Intel

全球第一家、也是全球最大的晶圓代工企業，晶圓代工市佔率高達54%。2015年資本額約新臺幣2,593.0億元，市值約1,536億美金(2016/9)、約五兆新台幣。另一方面，台積電在2016年度的資本支出高達95億至105億美元(約新台幣3,050億至3,380億元)，已超越Intel。

製程方面採取穩進路線，從28 奈米、20 奈米，到2015年Q2成熟製程(能大量生產、且在效能與良率上都穩定)達16奈米。先進製程10奈米預計在2017年第1季量產。其更於今年9月底透露，除 5 奈米製程目前正積極規劃之外，更先進的 3 奈米製程目前也已組織了 300 到 400 人的研發團隊。

未來，物理限制讓製程、摩爾定律也越難以實現，台積電預計將採取持續投入先進製程研發，但也著力於成熟製程特規化上的雙重策略，以維持其晶圓代工的龍頭地位。

僅次台積電，聯電為全球第二大晶圓代工廠

聯電僅次於台積電、是全球第二大晶圓代工廠。然2015年已被格羅方德以9.6%的市占超過、以 9.3% 的市佔率成為老三。事實上代工產業只有龍頭一枝獨秀，景氣不佳時僅台積電始終維持獲利，其餘2、3、4名皆是一團混戰。

聯電創立於1980年，也是台灣第一家上市的半導體公司，早年一直是晶圓代工領域的領導者。什麼原因導致聯電與台積電曾並稱晶圓雙雄，到如今無論股價、營收與獲利都拚不過台積電在晶圓代工的地位呢？ 這就要說說台積電董事長張忠謀與聯電榮譽董事長曹興誠二王相爭的故事了。

張忠謀於1949年赴美留學，分別拿到美國麻省理工學院機械工程系學士、碩士，因為申請博士失敗，畢業後只好先進入德州儀器（Texas Instruments, TXN-US）(TI)工作，當時的張忠謀27歲。彼時德儀正替IBM生產四個電晶體，IBM提供設計、德儀代工，可以說是晶圓代工的雛形。張忠謀帶領幾個工程師，成功把德儀的良率從2%-3%成功提升至20%以上、甚至超過IBM的自有產線。

張忠謀在德儀待了25年，直到1983年確定不再有升遷機會，1985年應經濟部長孫運璿之邀、回台擔任工研院院長，當時的張忠謀已經54歲了。相較於張忠謀的洋學歷與外商經歷，曹興誠由台大電機系學士、交大管科所碩士畢業後進入工研院。工研院於1980年出資成立聯電後，於1981年起轉任聯電副總經理、隔年轉任總經理。

讓我們再看一次──聯電是創立於1980年，曹興誠1981年任副總經理、張忠謀於1985年以工研院院長身分兼任聯電董事長。1986年、張忠謀創辦了台積電，並身兼工研院、聯電與台積電董事長三重身分。相較於以整合元件設計(IDM)為主、開發自家處理器與記憶體產品的聯電，台積電專攻晶圓代工。

台積電的成功，也促使無廠半導體(Fabless)興起

這在當時完全是一個創舉、更沒人看好，一般認為IC設計公司不可能將晶片交由外人生產、有機密外洩之虞，況且晶圓代工所創造的附加價值比起販售晶片還低得多。然而建立晶圓廠的資本支出非常昂貴，若將晶片的設計和製造分開，使得IC設計公司能將精力和成本集中在電路設計和銷售上，而專門從事晶圓代工的公司則可以同時為多家IC設計公司提供服務，盡可能提高其生產線的利用率、並將資本與營運投注在昂貴的晶圓廠。台積電的成功，也促使無廠半導體(Fabless)的興起。

不過這完全惹惱了曹興誠，他宣稱在張忠謀回台的前一年便已向張提出晶圓代工的想法，卻未獲回應，結果張忠謀在擔任聯電董事長的情況下，隔年竟手拿政府資源、拉上用自己私人關係談來的荷商飛利浦(Philips)合資另創一家晶圓代工公司去了。

當時曹興誠示威性地選在工研院與飛利浦簽約的前夕召開記者會、宣布聯電將擴建新廠以和台積電抗衡。從那之後，曹興誠和張忠謀互鬥的局面便未停止過；然而張忠謀亦始終擔任聯電董事長，直到1991年曹興誠才成功聯合其他董事以競業迴避為由，逼張忠謀辭去、並從總經理爬到董事長一職。

聯電轉型為純專業晶圓代工廠

台積電隨後在晶圓代工上的成功，也成了聯電的借鑑。1995年聯電放棄經營自有品牌，轉型為純專業晶圓代工廠。曹興誠的想法比張忠謀更為刁鑽──他想，若能與無廠IC設計公司合資開設晶圓代工廠，一來不愁沒有資金蓋造價昂貴的晶圓廠，二來了掌握客戶穩定的需求、能直接承接這幾家IC設計公司的單。故曹興誠發展出所謂的「聯電模式」，與美國、加拿大等地的11家IC設計公司合資成立聯誠、 聯瑞、聯嘉（6288-TW）晶圓代工公司。

然而此舉伴隨而來的技術外流風險， 大型IC設計廠開始不願意將晶片設計圖給予聯電代工，使得聯電的客戶群以大量的中小型IC設計廠為主。1996年，因為受到客戶質疑在晶圓代工廠內設立IC設計部門，會有懷疑盜用客戶設計的疑慮，聯電又將旗下的IC設計部門分出去成立公司，包括現在的聯發（1459-TW）科技、聯詠科技、聯陽（3014-TW）半導體、智原（3035-TW）科技等公司。再來是設備未統一化的問題──和不同公司合資的工廠設備必有些許差異，當一家工廠訂單爆量時，卻也難以轉單到其他工廠、浪費多餘產能。

相較之下，台積電用自己的資金自行建造工廠，不但讓國際大廠願意將先進製程交由台積電代工而不用擔心其商業機密被盜取、更能充分發揮產線產能。

不過真正讓曹興誠砸掉整個宏圖霸業、從此聯電再也追趕不上台積電的分水嶺，還在於1997年的一場大火，與2000年聯電與IBM的合作失敗。

聯電的每個晶圓廠都是獨立的公司

我們在前述中提到，聯電的每個晶圓廠都是獨立的公司，「聯瑞」就是當時聯電的另一個新的八吋廠。在建廠完後的兩年多後，1997年的八月開始試產，第二個月產就衝到了三萬多片。該年10月，聯電總經理方以充滿企圖心的口吻表示：「聯電在兩年內一定幹掉台積電!」不料兩日後，一把人為疏失的大火燒掉了聯瑞廠房。

火災不僅毀掉了百億廠房，也讓聯瑞原本可以為聯電賺到的二十億元營收泡湯，更錯失半導體景氣高峰期、訂單與客戶大幅流失，是歷史上台灣企業火災損失最嚴重的一次，也重創了產險業者、賠了100多億，才讓台灣科技廠房與產險業者興起風險控制與預防的意識，此為後話不提。

在求新求快的半導體產業，只要晚別人一步將技術研發出來、就是晚一步量產將價格壓低，可以說時間就是競爭力。在聯瑞被燒掉的那時刻，幾乎了確定聯電再也無法追上台積電。

2000 年與IBM合作，又一次重擊

2000年與IBM的合作，對聯電來說又是一次重擊，卻是台積電翻身的關鍵。

隨著半導體元件越來越小、導線層數急遽增加，使金屬連線線寬縮小，導體連線系統中的電阻及電容所造成的電阻/電容時間延遲(RC Time Delay)，嚴重的影響了整體電路的操作速度。要解決這個問題有二種方法──一是採用低電阻的銅當導線材料；從前的半導體製程採用鋁，銅的電阻比鋁還低三倍。二是選用Low-K Dielectric (低介電質絕緣)作為介電層之材料。在製程上，電容與電阻決定了技術。

當時的IBM發表了銅製程與Low-K材料的0.13微米新技術，找上台積電和聯電兜售。該時台灣半導體還沒有用銅製程的經驗，台積電回去考量後，決定回絕IBM、自行研發銅製程技術；聯電則選擇向IBM買下技術合作開發。然而IBM的技術強項只限於實驗室，在製造上良率過低、達不到量產。到了 2003 年，台積電 0.13 微米自主製程技術驚豔亮相，客戶訂單營業額將近55億元，聯電則約為15億元。再一次，兩者先進製程差異拉大，台積電一路躍升為晶圓代工的霸主，一家獨秀。

Nvidia執行長兼總裁黃仁勳說：「0.13微米改造了台積電。」

現在的聯電在最高端製程並未領先，策略上專注於12 吋晶圓的40以下奈米、尤其28奈米，和8吋晶圓成熟製程。除了電腦和手機外，如通訊和車用電子晶片，幾乎都採用成熟製程以控制良率、及提供完善的IC給予客戶。聯電積極利用策略性投資布局多樣晶片應用，例如網路通訊、影像顯示、PC等領域，針對較小型IC設計業者提供多元化的解決方案，可是說是做台積電不想做的利基市場。

台積電的28奈米製程早在2011年第4季即導入量產。反觀聯電28奈米製程遲至2014年第2季才量產，足足落後台積電長達2年半時間。 在28奈米的基礎上聯電仍得和台積電競爭客戶，故在28奈米需求疲軟時台積電仍能受惠於先進製程、而聯電將面臨不景氣的困境。近來競爭趨烈，中芯也已在 2015 年下半量產 28 奈米，故聯電計畫跳過20奈米，原因在於20奈米製程在半導體上有其物理侷限，可說是下一個節點的過渡製程，效果在於降低功耗，效能上突破不大，因此下一個決勝節點會是16/14奈米製程。

聯電預計在2017年上半年開始商用生產14奈米FinFET晶片，以趕上台積電與三星，然而在隨著製程越趨先進，所需投入的資本及研發難度越大，聯電無法累積足夠的自有資本，形成研發的正向循環，未來將以共同技術開發、授權及策略聯盟的方式來彌補技術上的缺口。

【延伸閱讀】

• 半導體知識專題（二）：挑戰晶圓代工霸主(2)—台積電VS三星
• 半導體知識專題（三）：挑戰晶圓代工霸主(3)—台積電VSIntel, 格羅方德, 中芯

The post 挑戰晶圓代工霸主(I)─ 台積電 VS 聯電 appeared first on StockFeel 股感.

ARM的獲利模式在於不自行生產晶片、僅授權ARM架構給處理器晶片設計商，客戶包括輝達（NVIDIA, NVDA-US）(Nvidia)、高通（Qualcomm, QCOM-US）、三星(Samsung)、德州儀器（Texas Instruments, TXN-US）(TI)等巨頭。然而究竟什麼是「架構」？ARM架構和Intel x86架構又有什麼不同？這對於安謀(ARM)和英特爾（Intel, INTC-US）公司又有什麼樣決定性的商業發展？

今天就讓我們來聊聊，什麼是處理器架構、與ARM和Intel x86的處理器架構的商業模式之爭。

對電腦下命令: 高階語言與低階語言

CPU(Central Processing Unit, 中央處理器)是驅動整台電腦運作的中心樞紐，就像是電腦的大腦；若沒有CPU，電腦就無法使用。CPU的功能主要是執行電腦的指令、以及處理電腦軟體中的資料。

什麼是指令呢? 指令是低階語言的命令。我們可以對電腦以程式下達命令，比如加減乘除的運算；在高階語言中的命令稱為敘述(statements)，在低階語言中稱為指令(instructions)。所謂的程式，就是指我們要電腦完成某一項工作，所下達的一連串命令。

等等！什麼又是高階語言和低階語言呢?

高階語言是目前最常見的程式語言，平常我們聽到的C/C++、Java、Python…等語言都是高階語言。高階語言以人類的日常語言英文為基礎，使用一般人易於接受的文字來表示，可讀性高。

然而電腦是看不懂高階語言的，因此我們需要將高階語言透過編譯器(Complier)將高階語言再轉成能直接與硬體溝通的低階語言。電腦唯一能讀懂的語言就是二進位制的機器語言(Machine Language)，由0與1組成，比如00101001010101100111….別說你會撰寫到發瘋，連看懂都有困難。因此後來又發展出了組合語言(Assembly Language)，改用較短的字串取代機器語言的0與1。

由於CPU只認得機器語言，因此組合語言所撰寫的程式依然需要經由組譯器(Assembler)來轉譯為機器碼。這個流程簡單來說，就是高階語言(C/C++, Java, Python, JavaScript…)得透過編譯器(Complier)轉成組合語言(Assembly Language)、再透過組譯程式(Assembler)轉譯成機器語言(Machine Language)，機器才能讀得懂。

組合語言和機器語言一樣，是直接對CPU進行操作，因此依然屬於低階語言。比如高階語言你要算加法運算就直接寫1 + 1 = 2就好；然而組合語言你得對CPU中的暫存器下命令，寫成：add $s0, $s1, $s2，表示把編號s1和s2暫存器中的數字相加、並存回s0暫存器。

這麼講大家可能很難理解，來做個示範吧！如果我們希望電腦輸出「Hello, World!」這行字，在高階語言中會這樣寫(範例為C語言)：

這時候電腦會輸出Output結果：Hello, World!。

同樣的一行字，來看看在組合語言中是怎麼寫的：

這時候你可能已經有：「這東西是什麼！！！」的想法了… 別急，最後來看看機器語言會怎麼寫：

…天啊。

我們可以明顯發現，高階語言的一個敘述可以對應到多個低階語言的指令，比低階語言更易撰寫、也較好閱讀。這樣的話，為什麼還要有低階語言呢?

因為高階語言要讓機器理解，還須經過「編譯」這個步驟，不但執行程式的時間較長，所需的電腦資源(如記憶體大小)也較多。

低階語言雖然難懂，但效能強，無論執行效率還是占用資源都比高階語言少。也因為低階語言對硬體直接操作，一種組合語言會專用於某種電腦架構，而不像許多高階語言可以在不同系統平台之間移植。根據這種特性，我們能透過組合語言訂定「指令集架構」(Instruction Set Architecture)。

指令集架構: 電腦的製作基礎

瞭解組合語言的概念後，終於可以來看看什麼是處理器的「架構」啦！

低階語言的指令是處理器(CPU)可以執行的最基本運算， 一款處理器所能支援執行的所有指令的總集合，就稱為指令集 (Instructions)。

在低階語言指令中，會出現資料於特定硬體上操作或存取的資訊，工程師須受過硬體訓練才能瞭解低階語言；現在一般寫個網站、寫APP，無須了解記憶體和或硬體便可以操作了。要撰寫低階組合語言，除了學習指令、還得學習相關的硬體規定，就叫「指令集架構」(Instruction Set Architecture)，依據相同指令集架構所造出來的計算機、要能執行指令集中的每一道指令。

指令集架構是電腦的基礎，也會影響作業系統的種類以及軟體的支援程度，每個指令集架構皆有各自的生態。現行的指令集架構非常多，知名的架構包括x86、ARM、MIPS。x86由Intel主導，也是目前個人電腦的主流架構，ARM則是採用授權的方式釋出， 在行動裝置的市佔率高達九成。MIPS則被應用於任天堂和Sony的遊戲機上。

指令集可依據CPU的設計目的，分為複雜指令集(CISC)和精簡指令集(RISC)。在1980年代前，指令集越做越複雜、為了支援這些指令集導致電腦結構也越來越複雜，然而，在複雜指令集中，僅有20%的指令最常被使用、剩下80%指令使用率相對低。

事實上，規格簡單、造出來的機器才會簡單且效能強，1979年美國加州大學伯克萊分校提出了RISC的概念，精簡指令集(RISC)只提供基本指令，剩下的複雜指令由基本指令拼湊而成，講求CPU執行速度。

當然CISC並沒有被淘汰掉，CISC與RISC各有優劣，依據硬體製作需求而有所選擇。還記得本文開頭舉例的高階語言和低階語言程式碼的行數差異嗎? CISC提供較佳的程式撰寫環境，能在較短程式碼內達到目標，不僅讓工程師能在撰寫程式上更輕鬆、在早期電腦記憶體容量有限時也能以較少的指令運作複雜的運算。

RISC處理器的規格則是要簡單許多，高階語言藉由編譯(Compile)轉成RISC指令很有效率，容易量產、價格更便宜、提升速度也很快，重點是低功耗、耗電量低。晶片業由傳統巨頭Intel導向ARM的翻盤， 來自RISC的革新絕對是位大功臣。

Intel與ARM: 高效能與低功耗之爭

晶片的運算效能與功耗成正比，代表若是晶片功能越強大，相對就更加耗電。晶片設計常要為了增強效能而犧牲功耗表現。比如2015年高通旗下產品Snapdragon 810的「發熱門」──無論是CPU還是GPU，Snapdragon 810性能與前代產品Snapdragon 801相比都有所提升，可惜功耗大、過熱問題嚴重，使得當年使用該產品的各廠牌旗艦智慧型手機紛紛陷入爭紛。

Intel和ARM間的競爭，莫過於高效能與低功耗的取捨，與傳統「一人吃餅、你吃餅屑」和「把市場養大大家一起吃餅」的經營差異。

ARM的前身為Acorn Computer(艾康電腦)，1978年創立於英國劍橋。後來因為艾康電腦的財務出現狀況，1990年分割出ARM成為獨立子公司。ARM建立之初，蘋果（Apple, AAPL-US）還持有其40%股份，只是後來陸續出脫，成為開發iPod, iPhone的資金。雖然蘋果一度想要買回ARM股權，甚至還提出了收購邀約，可惜被ARM執行長拒絕。

1985年，艾康電腦與蘋果公司(Apple Inc.)研發出採用精簡指令集的新型處理器，命名為ARM (Acorn RISC Machine, 後來更名為Advanced RISC Machine)，又稱ARM 1。同年十月Intel發表80386處理器，ARM1的功能顯得相對簡單，效能也不敵80386，但耗電量明顯更低。這樣的差異使得ARM系列處理器往後的設計路線明顯與Intel不同，Intel持續邁向高效能的x86架構，ARM專注於低成本、低功耗的研發方向。

早期電腦的晶片注重效能更甚功耗，當時的桌上型電腦都有電源連接插座，在無須擔心耗電量的情況下只需比拚效能即可。然而當筆電、智慧型手機與平板逐漸普及，取代桌電成為主流電子市場時，面對運算性能要求不高卻注重續航力的產品，低功耗與低價位的晶片成為比效能更重要的考量點。(當然無論ARM還是Intel都會號稱自家產品具備低功耗高效能的特點啦。)

加上ARM獨特經營模式所擁有的競爭優勢──ARM本身並不直接生產晶片，商業模式採用授權智慧財產權的方式，由高通、聯發科（2454-TW）、三星等廠商使用ARM的指令集架構，再加入自家研發的技術，比如內顯GPU、3G/4G支援、省電機制…最後整合成一顆SoC(System on Chip, 系統單晶片)處理器。獲利模式簡單來說分成兩塊：一是一次性的對外授權收入，二是版稅、客戶每生產一塊晶片就要支付ARM一筆提成。

這與Intel的經營方式大相逕庭，自行研發、製造、出售的產品毛利高達50%，比純作授權的微薄利潤還高，大概得賣百來片ARM的晶片才抵過Intel賣一片晶片。其他廠商若要從頭開始研發x86這樣的架構可能得耗時二、三十年。藉由賺得的高額利潤，Intel能再投入大量的成本研發下一代處理器技術與生產線製程，甩競爭對手又一個世代。

以其對手AMD來說好了，研發一個內核架構至少需時5年以上，AMD的資本額與Intel相差幾十倍，技術落後、研發資金也不足，比起Intel的正向循環，AMD幾回惡性循環後導致公司虧損。AMD之所以被Intel留著只是為了不被反壟斷法控訴…。這種由Intel一家獨霸技術與市場的經營方式，也就是所謂的「一人吃餅、你吃餅屑」。

相比之下，ARM用便宜的價格進行大量的授權，不用投入高額資本於工廠產線。ARM架構能興起、還要感謝幕後功臣蘋果，除了早期共同研發精簡指令集架構(RISC)、出資讓ARM公司獨立出來，更重要地，還以使用ARM架構的iPhone, iPad 打開了行動運算市場，讓其他廠商紛紛能以低價購入ARM授權，進行智慧型手機晶片的研發。RISC之所以成為目前主流指令集，與行動裝置相輔相成，可謂時也、運也、命也，所謂「把市場養大大家一起吃餅」。

Intel不但在行動市場上慢了一步，在手機晶片上的思維也是固守x86架構，故而開發出使用x86架構的RISC晶片，導致功耗大。Intel有的是資本，不惜祭出高額的補貼政策以吸引手機廠使用，華碩（2357-TW）的Zenfone便搭載了Intel CPU，可惜有著耗電量過高的問題。即使後續Intel開發出Atom系列處理器，有著不遜於ARM晶片的低功耗、高性能特點，可惜鮮有人聞問之下，Intel宣布退出Sofia、Broxton兩款 Atom 處理器的開發，總共慘賠了數十億美元。

不是說Intel產品做得不好，現在的主流營運模式已不是直接販售處理器，而是透過智財授權方式營利。Intel若是學ARM的授權模式，收入將會比銷售最終產品的收入要低得多，難以讓Intel投入巨資研發的最新製程生產線、保持目前「高研發VS高毛利相互驅動」的商業模式。而ARM的設計與製造分開，較不會有這個問題。

由於ARM收費低廉，相較於Intel於2015年的營收達到516.9億美元，ARM的同年營收僅15 億美元。但十多年過去，ARM培養了一個遠比PC市場更龐大的陣營。與其說是Intel和ARM之間的對決、CISC與RISC的對決，倒不如說Intel對上的是各家取得安謀授權的半導體廠商，是經營模式的問題。我們更可以說，ARM已經被視為處理器架構設計領域的領導廠商，Intel則逐漸成為晶片先進製程製造領域的資本密集廠商。

今年四月，Intel日宣布將於2017年中前裁員1.2萬人，佔Intel全球13萬員工中的11%人力，是近10年來最大規模的裁員動作。此舉意味著Intel雖極力轉型，仍無法有效因應 個人電腦市場的衰退、並未能在行動裝置市場中扭轉頹勢。

今年八月， Intel再透露其10奈米FinFET製程全面支援ARM架構，並已與 ARM 簽定授權協議，生產ARM架構的處理器產品；第一批產品將用於LG和展訊上、LG和展訊分別採取的是10奈米和14奈米製程，在晶圓代工市場向台積電（2330-TW）、三星(Samsung)以及格羅方德(Globalfoundries)等競爭同業叫陣。

這樁合作案向市場承認了──手機應用是晶圓代工市場的最大宗，與ARM架構的王道地位。

The post 看ARM如何搶走x86市場 後進者的逆襲 appeared first on StockFeel 股感.