▍加速產業躍進的背後推手
#創業誌

宜特屬科技產業鏈中的服務業，從輔助客戶解決工程問題的角度出發，初期以服務IC 設計公司改善研發速度，陸續拓展至零件廠、系統廠、品牌廠，並與國際企業建立緊密互動合作。歷經24年的醞釀、發展與深耕，站穩亞洲驗證測試龍頭，幕後推手正是白手起家的余維斌。

📌看盡興衰起落　窮怕了！
余家原籍臺南西港鄉，家中數代仕官，在當地無論是財力及聲望都不容小覷。余維斌的叔叔們多以務農為生，唯獨父親擁有高工畢業文憑，因此外公便將多數的田地交由叔叔們繼承，父親則分配較多財產。

聽說都蘭山有藍寶石礦，加上政府推出開發補貼政策，余維斌的父親就這樣帶著全家大小和一個夢，移居臺東闖蕩。「圍繞在父親周圍的『蒼蠅』很多，不少人慫恿他投資，無論是賣買木材、開照相館、買地、種西瓜、薑、檳榔...想得到的幾乎都做過，但所有的投資全都虧得一塌塗地。」每當錢賠光了，父親就回頭當個小會計掙錢，之後又周而復始，相同戲碼不斷重覆上演。

記憶中，家裡開雜貨店時，由於債務實在太多，每天都能看到債權人在店門口站崗，只要一有客人上門付現，下一秒錢就被收走，最後甚至連房子也拿去抵押，一貧如洗。「在那個年代裡，女人沒有地位，一切都是男人當家說了算，直到父親大受打擊瀕臨崩潰後，罹癌的母親便一肩扛起照顧全家的重擔。母親總是疼我，對我寄予厚望，就算拖著孱弱的身軀依舊咬牙苦撐，排除萬難也要讓我完成大學學業，能有今天的成就和一切，全部要歸功於我的母親。」

從父親的身上體會到「做生意，真的很難！」但換個角度再看，那段記憶也成為余維斌在未來創業路上最重要的養分與驅動力，因為「真的窮怕了！很想～很想賺錢，我一定要活下去！」

退伍後，淡江物理系畢業的他聽說科學園區發展機會多，而且政府也有補貼，於是選擇先去半導體培訓中心接受專業訓練，之後進入工研院電子工業研究所服務，開始接觸電子分析技術。在工研院的6年裡，因為勤奮踏實和積極進取，獲得主管們高度肯定和喜愛，經常派他至歐美交流考察，獲得實地觀察市場的絕佳機會，了解電子產品故障分析的委外需求，結果意外嗅出臺灣還尚未開發的獨特生意-「開創IC電路缺陷修改服務」（FIB）。

📌傾聽 解決客戶的痛處
1994年余維斌毅然決然離開舒適圈，31歲的他找了幾位工研院同事與親朋好友集資1000萬後，勇闖創業路，「宜特科技」就在一間老舊的公寓裡成立，而這條路難走也是預料中的事，光是買下全臺灣第一部晶片檢測與電路修改FIB機臺就耗資950萬元，開業第二天沒想到會計又無預警離職，只剩他一個人校長兼撞鐘，白天勤跑業務拜訪客戶，晚上則窩在儀器前分析案件。

「當時我的存款只有20萬，靠著媽媽和妹妹的支持才硬湊足100萬元與友人合股創業。這世上還有什麼人可以讓你不用解釋太多，就心甘情願拿錢讓你去實現夢想呢？唯有家人了！因此我絕對不能輸，輸了就一無所有！」

當時，技術環境所開發出來的IC設計平均僅有30%～50%的成功率，無論是在定性及表現上皆無法達到目標，然而產生失敗的原因可能發生在IC晶片製程的任何一個環節與過程中。初期宜特從一周只能接獲幾個零星案件，每件費用約10000元，但憑著余維斌強烈的企圖心苦幹實幹，以及專業技術及服務的差異化，終於靠著口碑推薦，讓宜特業務穩定、逐步成長。

爾後，宜特逐年拓展新服務，包括故障分析（FA）、可靠度驗證（RA）、材料分析（MA）、化學/製程微汙染分析、訊號測試等，建構完整驗證與分析工程平臺的全方位服務，客群囊括電子產業上游IC設計至中下游成品端。「不僅僅是找出問題，更要幫忙解決問題，大幅縮短IC設計由概念到量產上市的時間，這對於研發競爭激烈的IC設計產業而言，十分重要。」

「當我們做完一項驗證工作之後，客戶還有遇到什麼問題嗎？還有什麼是我可以幫上忙的呢？」余維斌常常為了客戶的特殊需求，不斷斥資添購新的設備儀器，借位思考的態度，讓許多客戶與他之間不僅僅只是業務上的關係，更像是朋友和夥伴。

📌聚焦深化 持續不懈
隨著電子產品開發週期愈來愈短，產業競爭愈來愈激烈，驗證需求相對提高，他發現客戶不只是想要加速研發腳步，同時也希望測試新產品投入的市場預期，因此光從這兩項需求就可以再延伸出許多服務項目和解決方案。

「我們雖然不是萬能，但宜特具備各種工具、經驗與人才，在硬體、軟體、材料分析上都有能力提供客戶專業協助，幫助電子零件加速研發，並且保證品質良好，甚至在產品尚未開發之前就預先協助客戶評估成本及了解產品能否申請專利，透過分析協助客戶進行客觀判斷，正是宜特的服務強項與核心價值。」

2004年宜特掛牌上櫃，至今除了金融海嘯那一年虧損之外，其餘每年每股獲利幾乎都在4元以上，而且從成立至掛牌上櫃之前都未辦過現金增資，這個成績使得股東們和當初支持他創業的親友們都非常佩服，當然也讓大家的荷包滿滿，投資報酬率暴增。

如今，宜特陸續在大陸、日本、美國等地拓展營運據點，並成為國際知名且具有公信力機構——IEC/IECQ、TAF、TUV NORD、CNAS認可的實驗室。同時在國際大廠的外包趨勢下，扮演獨立品質驗證第三方公正實驗室，取得 TI、Lenovo、Dell、Cisco、DELPHI、Continental Automotive、ISTA、HDMI等品牌大廠供應鏈驗證認證資格，服務項目高達800多項，客戶數超過6000家，年營業額突破28億元。

「專心一致把『自己最強的東西』與『客戶最在意的東西』做到最好、最大，只要能幫助客人解決問題與困難，發揮自身價值，一切自然水到渠成。」多數創業者對於「這個事業能否投入」以及「規模要做多大」都有強烈的不確定感，他建議不妨先從檢視企業能力與團隊強項開始著手，「看懂自己的優點在哪裡是最難的，因此評斷的標準應該來自於外界。」藉由外部顧問、業界高手的請益與協助，將企業的定位與優勢搞清楚。

倘若公司尚未具備強而有力的核心項目，建議伺機而動、小規模的做，降低創業風險；若是公司本身已具備特殊技術或市占率不錯的項目，便可以再深入思索這些項目與未來趨勢兩者之間，能否找到共同的交集。「趨勢大家都知道，問題是在這個趨勢裡，『你可以有什麼角色？』」

余維斌認為，如果無法從中去創造一個產品、服務或客戶價值，千萬不宜貿然投入，因為商機背後也隱含著大家爭先搶食的危機，因此，「不用做多，只要聚焦」，在特定領域將1、2樣項目做到最突出、做到發光發熱，企業價值自然顯而易見。當企業穩定成長後，再進一步思考是否要與其他佼佼者策略聯盟、合資……等，以擴增產品或服務的深度與廣度，提高企業競爭力。

📌五大趨動 後勢可期
在物聯網、5G通訊、汽車電子、人工智慧、先進製程五大需求驅動下，余維斌乘勝追擊擴大投資規模，2017年10月將總部進駐新竹科學園區，廠房從原來的3000坪擴充4倍為12000坪，吸引各國大廠陸續到宜特進行新廠的驗證及洽談長期合作，目前握有的訂單已攀升至歷史高點，成果逐步展現在業績與獲利上。此外，隨著車用電子產品功能愈來愈多元，金屬氧化物半導體場效電晶體(MOSFET)成為車用電子、電動車不可或缺的必備功率元件，余維斌認為汽車電子未來在半導體產業中將佔據舉足輕重的地位。

「一部車達1萬多顆電子零件，檢測驗證的需求必然增加，但在服務客戶的同時，我們也發現晶圓量產到封裝之間，還缺少晶圓薄化與表面處理的重要橋段，這塊市場非常值得投資經營。」於是，今年宜特正式宣布跨入「MOSFET晶圓後段製程整合服務」，結合子公司（創量科技），提供從晶圓製程處理一路到後段CP、WLCSP與DPS一站式解決方案。隨著各項專業平臺陸續布局與到位，未來可望成為宜特再創高峰的重要跳板。

歷經20多年的篳路藍縷，靠著不斷鞭策、持續創新及工作團隊胼手胝足的努力之下，才達到今天的規模。當一個市值不到100億的公司，面對規模高達數兆的大企業客戶時，余維斌形容得直白：「他不太理你！」唯有專注在獨特專精之處，才有機會吸引國際大廠的目光。他強調，雖然我們無法第一時間知道客人在發展過程中遇到哪些問題，但是當他們遇見困難時，如果能深切感受到我們與他是站在同一陣線、同一艘船上，此時正是打動客戶最好的時機。「只是當機會來臨時，你準備好了嗎？」

「我很榮幸將宜特的品牌刻劃在全球電子產業的歷史上，一路累積千百種解決方案與核心技術平臺，接軌國際認證規範，定義新的準則，甚至創造新的指標。這一切的全力以赴，都為了一個初衷：『為客戶創造更大的價值。』」未來，宜特也將秉持永續經營的理念，持續在經濟、社會與環境三面向，為客戶提供更完整、快速、先進與創新的高品質技術服務，與全球領先趨勢共同成長，朝長久發展的目標勇往直前。

宜特科技 Integrated Service Technology
#新創總會

《你聽過近期營收動能強勁的半導體檢測的閎康(3587)嗎？》

　受惠於全球半導體需求持續增加，接單供不應求，因此添購新機台接單，晶圓代工客戶宣告3奈米製程預計2021年上半年試產、2022年下半年量產，需求強勁及 5G 應用發酵，閎康連兩個月營收創高，第二季、上半年也同創高。
-
😳閎康公司
　閎康(3587)專業經營半導體檢測實驗室，主要從事半導體晶圓材料分析(MA)、半導體封測階段的故障分析(FA)，封測完成後的可靠度測試(RA)。
-
😎閎康做什麼
　半導體晶圓材料分析(MA)的主要客戶為台灣晶圓廠，最大客戶為台積電；故障分析(FA)與可靠度測試(RA)主要是IC設計公司。其中MA(半導體晶圓材料分析)毛利率較高約50~60%，FA(故障分析)毛利率約40~50%，RA(可靠度測試毛利率)約20~30%。
　訂單主要來自IC設計公司，其次是半導體製造、LED廠、IC封測廠、材料廠、研究單位、電信設備廠。
-
🤗閎康主要競爭對手
　台灣廠商：宜特(3289)，宜特的競爭力在於FA及RA市場，閎康則穩據MA龍頭。
-
😗聊聊近況：
　上半年因疫情催生遠距視訊等新興產業崛起，下半年隨社群媒體直播型態增加，以及歐美仍有多數國家實施遠距辦公與教學，晶片開案量較往年提升，且閎康也逐漸擴展至生技領域，計劃利用本身微奈米尺度檢測技術(如電子顯微鏡分析)，應用於生技產業。

-
🧐公司亮點：
✨近三個月營收創新高
✨合約負債代表未來潛在營收，連續2季上升。
✨月營收創歷史新高，動能強。
✨月營收連續50個月出現年成長

#修正式喜歡營收動能持續爆發力的公司股價上漲也會比較明顯
#一起培養對公司的敏感度

-
🉐明天還想看哪一檔股票分析呢‼️

今天星期四，轉貼一則李開復的文章，讓大家動動腦回答下面三題：

1. 如果「電腦」經過 AI 運算告訴醫院：A 病人一年後死亡率 80%、B 病人則是 30%，醫院會不會把資源留給 B？

2. 呈1，在 AI 還沒有那麼厲害的今天，醫院就不會進行「資源分配」嗎？如果會，他們是用什麼來當作基準的？（賺不賺錢？住院天數？老闆自由心證？）

3. 如果 AI 用大數據演算預測你媽開刀失敗率有 90% ，成功的話則一年存活率 95%。不開刀的話一個月內死亡率 91%，你會不會勸她開？她自己會不會願意？

請在留言區自由作答

AI預測人類死亡時間越來越精准了，我們應該是喜還是悲？

「我們發現，機器學習演算法預測死亡的準確率，比人類專家開發的標準預測模型要高得多。」

本文來自創新工場微信公眾號
……………………………………

《奇葩說》第五季中，有一個話題給大家留下了深刻的印象——

假如能看到別人的「死亡時間」該不該告訴 TA 們？

節目中，正反方就此展開激烈的討論，言辭犀利，角度刁鑽。

而今天，我們先暫且拋開正反方的觀點，探討這個辯題的大前提：

我們真的能夠知道別人的死亡時間嗎？

本文來自公眾號英尼網路iNn（inn-yingni）

研究顯示，人工智慧或許能預測慢性病患者的死亡時間。

這也意味著，我們終將面對《奇葩說》裡出現的辯題，知道死亡時間的我們是選擇告訴還是隱瞞？

科學家和醫生們利用 50 萬名患者資料研發了一款人工智慧工具，在全方位考量患者的家族病史、攝入鹽量、用藥情況、使用防曬霜情況等各方面因素的情況下，預測哪些患者的早亡風險較高。

研究人員稱，該人工智慧系統在測試中的預測結果「非常精確」，可靠度約比現有的機器學習系統所做估測高 10％。

這項研究由英國諾丁漢大學開展，由流行病學與資料科學助理教授 Stephen Weng 博士主導本次研究。

Stephen Weng 博士表示，「大多數研究應用都專注于單一疾病領域，而預測由多種疾病引發的死亡概率極為複雜，考慮各種可能造成影響的環境與個體因素的情況更是如此。

為此，我們開發了一種獨特且全面的方法，通過機器學習技術預測某人早亡的概率，這是在該領域取得的一大進步。」

事實上，這並不是人工智慧第一次針對預測人類死亡時間展開研究。

早在 2018 年 1 月，斯坦福大學的研究人員就利用 200 萬份電子病歷來訓練深度神經網路，進而生成了一款深度學習演算法。隨後，研究人員們又從數十萬患者身上採集資訊進行自我訓練。

當時研究人員表示，這款演算法可以提前 12 個月預測患者的死亡時間，並在 40000 名特定患者身上進行測試，預測準確率達到了90%。

同年 6 月份，Google旗下的 Medical Brian 團隊推出了一種新的人工智慧演算法，可以説明醫院預測病人的死亡時間，並有望在醫療領域展開更廣泛的應用。

當時的這項研究主要著眼于住院患者的一系列臨床問題，發表在 Nature 合作期刊 Digital Medicine 上。這些資料來自兩個醫學中心共 216000 名患者，他們每人都在醫院停留了至少 24 小時。

相比於前兩次研究，這次的人工智慧演算法研究由 502648 名 40 至 69 歲之間的患者資料生成，他們曾在 2006 年至 2010 年之間參與過英國生物銀行研究，並一直被追蹤研究至 2016 年。

從研究物件的數量，年齡具體劃分，再到追蹤研究的時間，這次演算法取得的成果顯然更有說服力。

而且，這次研究演算法共考慮了 60 種健康預測因素，包括受試者的體質指數（BIM）、血壓、維生素或營養補充劑服用情況等，此外受試者的水果、蔬菜、肉類、乳酪、穀物、魚類和酒精的攝入情況也被考慮在內。

研究團隊將預測結果與英國國家統計署的死亡記錄、英國癌症註冊記錄等資料庫的死亡資料進行了比對。隨後，他們又將該演算法與兩項標準的機器學習技術進行了比較。結果顯示，這套新模型的準確率比現存技術高了 10.1％。

「我們發現，機器學習演算法預測死亡的準確率，比人類專家開發的標準預測模型要高得多。」Weng 博士指出。

那麼，用 AI 預測死亡到底是福是禍呢？

簡單來說，這是一個人工智慧新的應用領域，可以為人類提供最可貴的服務——給病人最後的時光。

不過，儘管這項技術在幫助人類醫生篩選病人進行治療方面存在益處，其可能帶來的不良後果也不可小覷。

有一個很現實的問題，那就是醫療資源配置問題。

如果一位病人明顯比另外一位病人嚴重，那麼醫院是否會根據人工智慧的預測結論合理分配醫療資源？

而對病人來說，知道自己的死亡時間，無疑是會加大其心理壓力，那麼應該如何保證，這份壓力不會對患者的疾病造成負面的影響呢？

試想一下，如果某天你知道自己或者自己最親最愛的人的具體死亡時間，假如數字很長，那知道了似乎也沒什麼大礙；但萬一那一天並不是很遙遠，是會坦然接受，靜待命運的安排？還是惶惶不可終日，草木皆兵生怕任何一個意外的出現？