人工智慧程式AlphaGo將與圍棋世界好手李世石對決，儘管「人腦或電腦勝出」引爆話題， 但這一戰更重要的意義是：人工智慧如何與人類共生？

編按：一九六○年代起，人工智慧（AI）就開始對西洋棋做研究。一九九七年，IBM的超級電腦「深藍」打敗當年西洋棋的世界冠軍，被視為重要里程碑。而與西洋棋不同的是，圍棋要在棋盤中占據大於對方的領域，需要人類特有的綜觀全局能力。發展至今，AI終於和職業棋士實力相當。三月九日起，Google旗下公司的AI程式AlphaGo，將挑戰頂尖棋手李世石。《今周刊》特別請旅日九段棋士王銘琬分析人腦與電腦對決的意義和重要性，藉此一窺AI的未來發展。

一月二十七日，Google（谷歌）發表了一項驚動世人的成就，透過旗下公司DeepMind所開發的人工智慧程式AlphaGo，挑戰中國出生、圍棋棋力達到二段的歐洲冠軍職業棋士樊麾（編按：職業圍棋段位共分九級，最低為一段，最高九段），結果五戰五勝。在圍棋世界裡，這是電腦第一次勝過職業棋士。

七年前差距：七子

人腦讓程式先下，還是贏事隔一日，在一月二十八日出刊的《自然》（nature）雜誌，就報導了這個程式的主要內容，而該期的雜誌封面則是圍棋棋盤，由此足見科技界對「電腦下圍棋打敗人腦」的驚訝程度，以及這個事件所代表的里程碑意義。谷歌同時宣布，三月間，AlphaGo將與韓國籍的世界頂尖棋手李世石舉行五局比賽，勝者獎金一百萬美元，消息一出，谷歌股價速漲四％以上。

電腦下棋，一直被當成人工智慧（AI）能力的指標。一九九七年IBM電腦程式「深藍」（Deep Blue）擊敗世界西洋棋冠軍卡斯帕洛夫，帶來很大震撼；然而在圍棋這方面，電腦始終無法與人類較量。

這次谷歌大力進軍圍棋，想攻下「人類最後堡壘」，也顯示圍棋之於人工智慧的指標意義。

那麼，圍棋為何會讓人工智慧傷透腦筋？

就單純的數字來看，圍棋的變化數是十的三六○次方，西洋棋的變化數則是十的一二○次方，兩種遊戲的複雜度不能相比；而圍棋的艱難之處不僅是在變化多端，它的形式也不同於其他主要棋類。象棋、西洋棋，皆以「擒王」為目的，而圍棋的目的是在棋盤中占據大於對方的領域。

「擒王」型的遊戲因為目標明確單純，至今的電腦比較擅長，而圍棋這種「全局統計性」的目的，反而是人類的直覺比較管用。也因此，以人工智慧開發圍棋軟體，某種程度來說，就有助於人工智慧分析、納入「人類的直覺」。

七年前，日本圍棋軟體Zen上市時，我受邀與「它」做了一次表演賽。那時，我必須讓七子，意即程式先下七手之後我才開始。這是一般棋迷的平均水準，我當時完全抱持著「對電腦下指導棋」的心情，相當輕鬆。因為這個緣分，日本每年舉辦的圍棋軟體世界比賽UEC，我都以裁判身分參加，一路觀察人工智慧在圍棋領域的進化過程。

五年前差距：四子

之後，對弈軟體進步牛步五年前，圍棋軟體棋力到達跟職業棋士差距四子的程度，但在此之後即陷入瓶頸，一直沒有顯著進步；我每年看對弈軟體在原地踏步，看得手癢癢的，覺得此時可能需要棋力較高的職業棋士的加入；畢竟，圍棋需要人類的綜觀全局能力。

於是，只要有機會，我就對各團隊毛遂自薦，表示若需要職業棋士，我有意願，但始終未獲回應，直到兩年前，台灣老牌圍棋程式ColdMilk作者周政緯讓我拜他為師，教我程式的基本內容，我的求愛終於得到一點結果。

一四年，我遇到趨勢科技創辦人張明正，談起圍棋軟體現況，他很感興趣，決定開發圍棋軟體Go Trend（趨勢），把我納入團隊。

目前差距：一子

已有職業棋士平均水準

Go Trend組隊時，我估計只要有一個小突破，就有機會奪得世界冠軍。沒想到這次AlphaGo一下進步三子棋力，已達職業棋士的平均水準了。從AlphaGo這次公開的五局棋譜來看，電腦走棋的過程，著手扎實、眼觀全局又該戰則戰，若不細看，我幾乎無法辨認哪一方是電腦。

AlphaGo這次的突破，是充分利用了人工神經網路方面的技術。先用深度學習（deep learning）研究人類專家比賽的棋譜，並做自我學習。有了這些基礎後，在對局時活用價值網絡（value network，評估棋子在棋盤位置的意義）與策略網絡（policy network，選擇走棋步法）兩種技術，讓計算有效率地進行。

目前圍棋界世界排名第一的雖是中國棋士柯潔，但將在三月代表人類對抗電腦的李世石，三十三歲，是現今第一線棋手中獲得世界冠軍次數最多的棋士。我第一次看到他時，僅有十七歲，卻已創下三十二連勝的紀錄，以「不敗少年」稱號代表韓國到日本參賽。

職業棋士間有輸有贏，一般不會覺得對方有什麼特別，我也很不喜歡用「天才」形容別人，可是對於李世石，實在想不到其他字眼。李世石棋路變幻莫測難以捉摸，宛如隨興所至，有時會隨便捨棄看來很重要的棋子，讓人大吃一驚，可是，往往在其後的戰局中，先前捨棄的棋子還會參與戰鬥，順勢救出。

中國棋壇為李世石取了綽號「殭屍流」，不只擅長讓「假死」的棋子還魂，也令人讚嘆圍棋深奧、不可思議。

也就是說，即將在三月登場的這場比賽，人工智慧要挑戰的，是在「最變化多端」遊戲中、面對「最具不可預測性」的高手。若AlphaGo真的獲勝，勢必會有很大的象徵性意義。

首先，是人工智慧擴大領域的趨勢看來更加無法阻擋；事實上，谷歌也表示，AlphaGo的架構並非特別為圍棋打造，自動駕駛、醫療診斷乃至投資諮詢、設計創作，都可能成為技術轉換的對象。

當然，AlphaGo的走棋模式能否轉換成一般用途，仍是很大的課題。與樊麾的比賽中，谷歌做了超高規格的動員，日本專家估計，AlphaGo下一局棋，光電費就要一萬日圓，規模大到令人擔心。

如果贏了，職業棋士會沒飯吃嗎？

另一方面，我也被問到，若是人腦真的輸了，職業棋士還有飯吃嗎？當然這會帶來一些改變，但也可能是契機。

圍棋至今大多聚焦在棋力的提升，但若我們回到原點，人們下一盤棋並非只想打敗對方，而是想藉著下棋和對方對話，共同擁有一段時間與過程，下完棋以後留下的棋譜，又是屬於雙方的共同作品。

圍棋最大的功能，是建立人與人之間溝通、連帶感的工具。職業棋士的工作是充實圍棋這個園地，將來可以活用電腦，幫助棋迷更能享受圍棋的樂趣。從這個角度來看，人工智慧的意義，在於能夠與人類共同激盪出更多的創造。

AlphaGo與李世石的比賽日程是三月九日至十五日，不管比數多少，五局會全下完，因為對AlphaGo而言，與李世石對局的數據，是最寶貴的資料。

圍棋專家目前都看好李世石，而電腦專家中押寶AlphaGo的，也大有人在。

平心而論，若AlphaGo贏了，並不表示圍棋以外的任何事都能勝過人類；AlphaGo敗了，也算展現了實力，或許在其他領域也能做得不錯。但無論如何，人工智慧與人類共生的時代，總是又更往前一步。

人類與人工智慧共生時代，正式來臨

——人工智慧發展大事紀

1956 人工智能之父麥卡錫（John McCarthy）在論文中提倡AI（人工智慧）1973 日本早稻田大學開發出可行走的機器人1997 美國IBM開發出的超級電腦「深藍」挑戰全球棋王2001 電影《A.I.》上映2014 日本軟體銀行集團推出有感情的機器人Pepper 2015 Google旗下DeepMind 公司研發的人工智能程式AlphaGo，擊敗歐洲冠軍職業棋士樊麾，並登上《自然》雜誌

撰文 / 王銘琬

當今電腦已能預估誰會犯罪，而且準確率還不低；但現階段若凡事都靠電腦打擊犯罪，恐怕是本末倒置。

電腦的預測功力愈來愈厲害，甚至比人腦更準。

亞馬遜與Netflix等企業，能判斷你我的購物和收視喜好，氣象專家能精準預報未來十天氣象，全拜電腦之賜。

現在電腦還能預估誰會犯罪，準確率連法官都甘拜下風。根據刊登於二月號《法律實證研究期刊》(Journal ofEmpirical Legal Studies)的報告，有位科學家打造出一套先進的電腦系統，輸入家暴者的相關數據後，可判斷出哪些人最容易再犯。

有了這項技術，遭家暴而受傷、甚至喪命的被害人數可能降低，亦可讓情節輕微的施暴者避免坐牢，造成無謂成本。但用電腦預測一個人會不會犯罪，總讓人隱隱不安。

警方以電腦判斷何時何地可能發生犯罪事件，進而主動出擊，已有二十年歷史，如今技術再升級，透過分析大數據，可找出哪些人有犯罪傾向。這些系統的透明度與科學測試程度不一，比方說，加州夫雷上諾市(Fresno)採用名為「必威」(Beware)的系統，將市民分成高、中、低危險三級。

數據運作遭疑「不科學」

媒體報導指出，該系統除了彙整過去犯罪事件的數據外，還分析網路搜尋紀錄、不動產紀錄與社群媒體貼文。但有人批評說，這套技術未經公眾充分討論便上路，有很多問題尚待釐清，例如軟體運作原理(供應商稱是商業機密)，效果是否經過科學證實。

反觀這份家暴預測系統的報告中，詳盡說明該系統的目標與效果。發明人之一、賓州大學統計學教授伯克(RichardBerk)指出，這套系統以遭到逮捕的施暴者為資料，並不蒐集分析一般民眾的數據，進而預測是否該收押或釋放某嫌犯，就與法官或警員執法時面臨的抉擇一樣。

伯克十年前開始研究犯罪預測技術，二00八年研發出能判斷哪些假釋犯最容易再犯的電腦系統，比專家更精準。他使用機器學習(machine learning)系統，將大量不同數據輸入電腦，讓電腦找到模式後作預測，再將預測結果比對實際數據。

機器學習產生的演算法，人類未必能了解。使用者知道有哪些參數，但不明白機器會如何使用它們，算出答案。

判斷再犯率準確率九成

在研發這項新預測技術時，伯克和同樣任職賓大的心理學教授索蘭森(SusanSorenson)，分析0九年到一三年間約十萬個案件。這次亦使用機器學習系統，將年齡、性別、郵遞區號、首犯年齡的數據輸入系統，還加入可能的前科紀錄，如酒駕、虐待動物、槍枝犯罪等。種族因素雖然沒納入考量，但伯克表示，系統從郵遞區號，還是能稍微推斷出一個人的種族。

他們使用三分之二的數據「訓練」系統，讓機器分析原始資料和後續結果(是否再犯)，其餘三分之一則用來測試系統，只輸入法官在傳訊時知道的資訊，藉此測試系統預測家暴再犯率的準確度。

伯克說，要把家暴再犯率降到零，把每個嫌犯都關進牢裡就可以了，但這樣成本太高，有些人其實不會再犯。在被捕的施暴者中，目前有半數在傳訊時由法官當庭釋放，其中約兩成再犯；但由電腦判斷而釋放的人，再犯率只有一成。

伯克和索蘭森目前正與費城警方合作，要調整這套機器學習系統，預估哪些住家容易出現家暴，藉此加強監督。

而費城現有的假釋制度已採用機器學習系統，將假釋犯分成高、中、低風險三個族群，讓假釋官能夠多注意高危險群。

讓人依賴電腦不相信專業

但這種制度可能會造成決策過程流於片面。我幾年前撰文討論費城的假釋制度時，發現有些假釋官認為這套制度太作繭自縛，如果也能多關心低危險群，幫助他們戒毒、找工作、拿到高中學歷等，整體成效可能更大。他們擔心長官寧可相信電腦，而不信他們這些假釋官。

伯克也有同樣的擔憂，深伯各界美化了這項預測技術。未經科學測試的系統，自然會招來質疑聲音，即使是經證實準確率高於人類的系統，也絕對稱不上完美。有了機器學習的幫助，警方能掌握足夠資訊再下判斷，但現階段如果凡事都靠電腦打擊犯罪，恐怕是本末倒置。

超級電腦歷經兩階段的進化，從1997年IBM的深藍，到2016年谷歌的AlphaGo， 人工智慧不只挑戰人類極限，更展現解決問題的能量，多元的應用可能讓產業加速進化。

從一九九七年IBM的超級電腦深藍（Deep Blue）到二○一六年谷歌（Google）的AlphaGo，超級電腦歷經了兩階段進化，正在挑戰人類極限，產業顛覆可能因而加速進化，值得論述。

一九九七年IBM的Deep Blue在西洋棋勝出後，人工智慧進入第二階段挑戰，挑戰局數變化超越宇宙粒子總數的圍棋，力拚人腦最後的防線。

二○一六年三月九日谷歌人工智慧AlphaGo戰勝南韓九段圍棋天才棋手李世石，跨越第二階段挑戰，震撼全球。

圍棋棋盤三六一個格線交點裡，匯聚著人腦與超級電腦對決戰火，為時三小時三十分的對弈，璀璨出人工智慧歷經兩階段二十年發展的精華，超級電腦在「運算」基礎上延伸出的「思考」與「學習」能力，展現了其改變人類宿命的能量，產業會有大顛覆。

從軟體出發的超級電腦AlphaGo，採用深度學習方法，以策略、價值網路兩子系統分析盤面勝率，降低搜索深度，谷歌工程部門主管庫爾茨魏爾（一九四八年∼）預言，用超級電腦進化出的人工智慧，其創新運用將首先在醫療與清理環境的潛力上展現威力，而所催化出的人類進化方向，更在谷歌與蘋果市值內容裡看到產業興替。

從二○一二年迄今，蘋果（Apple）與 Alphabet（谷歌母公司）分別漲幅八六．九％、一二七．七％，市值達六一六一億美元、五一九八億美元，扮演市場領頭羊。然而，一六年二月，Alphabet股價在漲抵八一○美元後，整體市值首度超越了蘋果，超級電腦下的內容，正由擅長大數據、互聯網等軟體供應內容的Alphabet引領全球往前進化，蘋果則逐漸弱化中。

蘋果從顛峰市值七一○○億美元衰落，以賈伯斯為首的創新思惟消失，消費型電子逐漸式微，半導體產業一五年僅成長二．二％，自一四年的七．六％大幅衰退；DRAM更因需求不振，一年以來報價跌幅逾二○％；筆電、平板、監視器等均面臨一○％年出貨衰退，這都代表舊硬體世代風華的成熟與凋零。

較AlphaGo強大的全球五百大超級電腦中，有五七％運用於產業界，包括航太、氣象、生物、汽車等領域，排名第一的「天河二號」，速度更達一般家用電腦的一六○○萬倍，龐大的資料運算力，正引領大數據浪潮，改變人類生活。

當下全球超級電腦群在人類生活端的進化內容，確實令人震撼：一、據統計，到了二○年，醫療資訊將以每七十三天就倍數成長，而目前已有八○％資訊無法以現有系統整合。問世多年的「華生」超級電腦，由IBM（市值一四三七億美元）打造，利用強大的運算能力，每十五秒能讀四千萬份檔案，透過雲端邏輯分析，迅速給予醫師統整資訊，這正超越人類處理資訊的極限，產業會有變化。

二、日本「三一一地震與海嘯」造成日本國內經濟損失達十六．九兆日圓、兩萬人死亡，傷害甚巨。「京」超級電腦，由富士通（市值六十八億美元）打造，主要用於預測海嘯對陸上的破壞力及提供位於地震帶的建築物設計數據，成功提高建築物穩定性及牢固性。

三、全球二氧化碳排放，共六四％來自於交通工具，各國政府積極制定法規，減少汽車汙染排放，上月法國更宣布五○年將達零排放，減碳趨勢清晰。「Sierra」超級電腦，由IBM與奇異（GE，市值二八一三億美元）合作打造，主要用於改善汽車燃料噴射器，提高燃油使用效率，減少整體廢氣排放。

超級電腦曾因IC尺寸難再縮小，高昂電力與天價開發成本而陷入進化瓶頸，為改善這樣內容，始結合GPU晶片，利用GPU平行運算能力，解決簡單計算，完成了進化，現居第一、第二的超級電腦各用四八○○○、一八六八八顆GPU，雖用量上升驚人，但順利跨越了進化瓶頸，展現出它可怕的解決問題能量。

超級電腦蓬勃發展，除GPU外，散熱技術、供電系統、光纖連接等，也都將有產業進化與連結，其中可發電燃料電池Bloom Energy公司可望是今、明年觀察重點，將解決用電需求難題。隨運算能力提升，企業邁向人工智慧的速度加快，估計二○年全球人工智慧市場規模將達一五三○億美元，年複合成長高達二五％，其應用多元，各產業皆雨露均霑。

人工智慧並非一蹴可幾，谷歌機器學習研究員科拉多強調，「人腦只需要有限的例子和經驗，就能成功學習；但代表人工智慧的電腦則需要『非常多樣本和案例』來建立認知。」谷歌深知機器廣泛學習的重要性，故於去年將其最新的機器學習技術TensorFlow以開放源碼（Open Source）專案釋出，其衍生的相關應用及硬體需求，正在產業間蛻變崛起，無論企業的經營或投資方向的找尋，這都是絕對關鍵。

撰文 / 呂宗耀

電腦能幫人下棋，但能幫人投資嗎？布拉加（Leda Braga）認為可以。這位「對沖基金女皇」，日前剛成為「賺最多的經理人」排行榜裡唯一女性，她的絕活正是電腦化投資。

今年近五十歲的布拉加生於巴西，在倫敦帝國學院拿到工程博士，畢業後進入摩根大通當量化分析師，與普拉特（Michael Platt）為同事。普拉特後來創辦歐洲最大對沖基金之一「藍冠」（BlueCrest），布拉加也跟著加入。其間她負責操盤的對沖基金，十年來締造出平均每年一一．二％報酬率，同期間業界平均報酬率不到五％。

去年布拉加自立門戶，創立「系統化」（Systematica）對沖基金，坐擁八十五億美元資產，被譽為「對沖基金女皇」。日前《機構投資者》（Instiutional Investor）選出去年度賺最多的對沖基金經理人，布拉加以六千萬美元成為入榜唯一女性，靠的正是她的電腦化投資。

過去對沖基金投資由經理

人主導，績效好壞與經理人素質有關。但布拉加認為，經理人亦難免七情六欲，「人性使我們買進喜歡的東西，賣掉我們討厭的東西。」這種情緒將招致虧損。若由無情無義的電腦模型代勞，預先設定條件執行買賣，就可最大程度減少這種錯誤。

在布拉加看來，各國政府對金融監管趨嚴，加上基金向客戶收取的手續費不低，使得人腦投資前景堪虞。她稱「未來十年將是系統化交易盛行的時代。」她在演講時曾面對聽眾質疑：「妳用來預測的工具不過就是些數據而已。」布拉加當場反駁：「那你以為基金經理人又根

據什麼？水晶球？」

對電腦投資的質疑之一，在於電腦不像人腦可從錯誤裡學習。但布拉加認為，電腦投資同樣能自我糾錯。儘管電腦投資績效優於人腦，至今未普及是因為「我們對人腦犯錯的容忍度遠高於電腦。」人性對能自我掌控的事物較有安全慼，就如開車與坐飛機，由於乘客無法掌控飛機，部分人仍認為不如自己能控制的開車安全。

事實上布拉加的電腦投資，事前須仰賴人腦設定各種狀況下的買賣，這些事前的準備工作，仍取決於人腦的素質。即使同一電腦模型，由高手設定各種條件下的投資策略，必定與庸手設定大不相同，這也正是布拉加的價值。她的出色與其說電腦之功，不如說是電腦執行她優秀的事前分析能力。未來即使電腦投資盛行，像布拉加這樣的對沖基金經理人仍永不失業。

撰文者楊少強

一家耐吉（Nike），在台灣捧出兩個股王，一是製鞋界的股王豐泰，另外一檔是紡織界的股王儒鴻。

哇！牛皮股變飆股

五年股價翻了24倍，變身紡織股王豐泰股價在眾人驚呼聲中，二○一五年突破兩百元，然而在過去十多年裡，豐泰股價都在二、三十元徘徊，最低只剩十三．七五元，怎麼看都不像一檔大飆股；儒鴻股價走勢與豐泰如出一轍，向來都被視為萬年不漲的「牛皮股」，但股價從二十元起步緩漲，五年裡股價翻了超過二十四倍，寫下紡織股的傳奇。

它們從醜小鴨變成天鵝的背後推手，就是耐吉。因為這四年間（二○一一年至二○一五年），耐吉的股價漲了接近兩倍。

「買耐吉概念股，最重要的不是看公司庫存週轉天數，也不是淨利率，而足耐吉的股價!」分析師均笑說，耐吉與主要供應鏈的股價關聯度高，耐吉漲就跟著漲，「耐吉簡直是供應鏈股價的先行指標，跟著耐吉股價買或賣就對了!」耐吉在台扎根約四十年，牽動台灣相關產業鏈的半壁江山。台灣製鞋三雄，包括豐泰、寶成和錳齊，沒有一家不做耐吉生意，豐泰更是專心伺候這位國際大客戶，八成營收來自耐吉，換句話說，如果沒有耐吉，就沒有豐泰。

王於紡織股，從上游到下游，宏遠、南紡、東隆興到儒鴻等，個個都靠耐吉吃飯，據了解，儒鴻最大客戶就是耐吉，比重超過一〇％，正因手握耐吉訂單，讓它股價衝破五百元。

把市場上所有主要「耐吉概念股」集結起來，總市值約五千八百億元，總營收約為六千二百億元，甚至寶成、豐泰和儒鴻三家股票總市值，今年一度達到三干多億元，還超越台灣前三大電腦品牌廠華碩、宏碁和微星加起來的市值總和，靠著耐吉運動風潮助攻，做鞋子衣服的傳統公司市場價值，竟然比做電腦品牌的科技公司還要高，等於為台灣產業變遷史翻了新頁。

嚇!手握四成鞋子訂單

大廠廠區內，都有一間耐吉研發中心凱基非科技產業分析師賴建安指出，耐吉做一雙鞋，供應鏈可能超過三百家，光鞋帶就有五十家，台灣的耐吉供應鏈絕不只是二巾場看得見」的上市櫃公司。

其實，還有更多未上市的紡織和製鞋公司，他們藏身在台灣的中北部，默默的為耐吉製鞋、紡衣，耐吉對台灣產業的實質影響力，比想像中來得還要更大。

反過來說，如果沒有台灣產業鏈，耐吉也不可能成為全球第一流的運動品牌大廠。

至今，耐吉約有三成七的服裝訂單下給台灣紡織業，約四成的鞋類訂單交由台廠代工，要是有一天台灣耐吉產業鏈全面「罷工」，耐吉將有約四成的貨出不了。

耐吉對於台灣產業的信任，足以把它最重要的「設計大腦」，都放心的交給台灣。在製鞋大廠的廠區內，都設有研發中心，內有專門研發耐吉的部門，由耐吉開發人員和他們共同合作，設計出全世界最棒的鞋子和衣服。

強!研發能耐遠勝中國

耐吉執行長腦中「夢幻鞋」，七天做出豐泰董事長王秋雄回憶，有一次耐吉執行長帕克(Mark Parker)跑到台灣來，要求豐泰七天之內做出一雙鞋子，「鞋子的設計圖在哪裡？」 「就在他的腦袋裡!」結果，豐泰花一天時間開模、兩天打樣，真的在七天之內就把帕克腦海裡的鞋子，給做出來了。

就連耐吉在二〇二一年被《時代》雜誌選為年度最佳發明之一的Flyknit針織鞋，量產技術的突破是由豐泰在二〇一一年底幫耐吉在雲林斗六廠研發出來，才得以趕上當年倫敦奧運的商機。

豐泰雖研發出耐吉最創新產品的生產技術，但為了做針織鞋得採購大量的針織機器設備，王秋雄認為這與豐泰所擅長的製鞋業核心技術不同，因而決定不做耐吉的針織鞋訂單。耐吉才會轉而由中國廠商申洲國際來生產，而且申洲國際一家就吃下七五％訂單。

陸廠企圖心強，願意砸錢買設備衝量，甚至不賺錢都願意做，但台系廠商多屬家族企業，小心走穩每一步，不以衝量為優先，而重發展高質產品，兩地生產邏輯完全不同。

保德信高成長基金經理人葉獻文研判，台廠拚量肯定拚不過陸廠，但陸廠要趕上台廠的技術水準，至少還有兩到三年的差距。

「台灣運動產業鏈，因長期投入研發，無法被輕易取代，」國泰證期顧問處經理蔡明翰表示，中國紅色供應鏈崛起，或多或少對台灣運動品脾供應鏈造成衝擊，但因為台灣紡織、製鞋產業，他們早已不是「代工」而已，而是擁有無可取代的設計研發能力。

換言之，當台灣電子廠因紅色供應鏈倒成一片，這群製鞋和紡織尖兵，因掌握住耐吉大腦，即使在激烈的產業競爭之中，反而成為台灣真正不怕紅潮取代的產業。

撰文者馬自明