關於 台灣 目前 有 哪些 具 優勢 的產業 ，我們在網路上蒐集到這些相關的討論、資訊與評價

2021年五大科技趨勢深度剖析

2021-01-18 09:09 聯合新聞網 / CTimes零組件

【作者： 編輯部】

2021年已經到來。在新冠疫情的陰霾中，半導體業繼續踩著既定的步伐往前邁進。在2021年，有哪些值得期待的半導體產業趨勢呢？CTIMES封面故事本月份的特別企劃，重點選擇了今年度值得關注的五大科技趨勢，這五大科技趨勢分別是：Open RAN、AI加速、工業數位轉型、第三代半導體，以及數位資訊醫療照護等。且聽本刊編輯部為各位讀者細說道來。

Open RAN

自從蜂窩式網路首次被數位化並展開2G通訊以來，其發展迅速，並且每一代技術的複雜性都在發生變化。近年來，行動網路的資料數據量不斷地增加，並大量支援各類新業務與應用場景，使得接下來的5G系統必須考慮更大的行動數據量與設備連接性。

無線接取網路（Radio Access Network；RAN）的設置，除了必須考量關鍵性能指標要求、網路商業營運能力，還有具備持續演進能力等三大因素之外，全球電信營運業者也希望有機會與第三方設備供應商合作，來推動介面的開放性並走向標準化的制訂，如此才有機會進一步降低設備成本。因此，5G無線接取網路的基礎架構必須走向開放化、虛擬化、靈活性以及與節能等趨勢。

在早期，電信營運商若有基地台建置需求，都必須向傳統電信設備商（例如Ericsson、Nokia、中興、華為等）購買基地台設備。這些營運商總是可以透過一個固定的電信設備供應商來提供其核心網路設備，儘管有效提升了整體的性能，但代價則是降低了來自不同供應商的RAN設備之間的互操作性。結果，使用這樣的解決方案很難將無線電和基頻元件供應商整合在一起。

到了接下來的第五代行動通訊系統（5G NR），將開始導入O-RAN（Open Radio Access Network）網路系統。透過O-RAN這樣的開放架構，未來營運商可跳過傳統電信設備商，直接向硬體設備業者（如廣達、中磊這類廠商）採購電信設備，除了有利於創建高靈活性的下一代無線網路，台灣資通訊廠商更有機會切入此傳統封閉的電信設備系統，建構出一套新的商業模式。

O-RAN架構以智能和開放的原則為基礎，是在具有嵌入式AI驅動的無線電控制的開放式硬體和雲端，構建虛擬化的RAN。O-RAN聯盟正在將無線電接取網路產業轉變成為開放、智能、虛擬化和完全可互操作的RAN架構。O-RAN標準透過更快的創新，可實現更具競爭力和靈活性的RAN供應商生態系統，而基於O-RAN的行動網路更能有效提高RAN部署和運營的效率。

AI加速

當前防疫所需的非接觸性應用、未來新常態的遠距應用，以及實現永續發展的自動化應用，成了數位轉型策略的重要引子—人工智慧（AI）技術則是主藥，從分析大數據的雲端平台，到即時決策的邊緣終端，凡是數據所在，都會看到AI更顯著地牽引著各大產業質變的動向。

國際數據資訊（IDC）2020年推出的報告預測，全球在AI系統上的支出將加速成長，2019~2024年間的年複合成長率（CAGR）可高達20.1%。因為對企業而言，要在數位轉型的過程中維持競爭力，人工智慧技術佔了部份。

疫情刺激市場快速轉型，AI猛地從產業部署的藍圖要塞上，躍然化為戰場主將，改善實際應用的效率，並推動新興的產業合作模式，將是後疫情時代的發展重點。2021年AI將會加速發展，但如何加速？答案或許可見於兩大面向。

其一，產業將會加速分工，鏈結從資料中心到裝置終端的開發資源。2020年NVIDIA與Arm的併購案就能當作這項趨勢的楔子。

累積多年的GPU研發與應用資源，NVIDA對雲端AI運算的核心技術可說是勢在必得，未來若成功將Arm在行動運算上的廣泛佈局納入麾下，就能在智慧應用普及化的龐大運算架構中，更快速地實現高度整合且易於彈性部署的AI解決方案。

雖說在商業上，這是在整併業務與開發資源，但就技術發展而言，卻是在深化集中式與分散式資料管理的分工模式。AI是改變未來科技開發與應用的首要關口，要加速AI落地，更細緻的產業分工，會是這條轉型之路起點上的一小步。

其二，AI應用將會加速，確切的說，產業將更積極建立AI應用的規則性，這不僅能確立問責AI的機制，實現負責任、可信、可靠的智慧運算（responsible AI），對加速技術普及來說，也至關重要。

AI應用涉及更複雜的軟硬體整合，從演算法的智財權界定、開發規則制定甚至是標準化，到通用或客製專用硬體的開發模式創新，最後是在大小規模裝置上，處理推論與做出決策時的資料可溯性與合法性問題，這些目前都還存在不少潛在疑慮。

2020年我們看到了由G7成員國提出的AI全球夥伴關係（Global Partnership on AI；GPAI）成立，業界亦有微軟、國際標準化組織（ISO）等跨域共組的AI Global非營利組織，還有前身為MLPerf的開放工程聯盟（MLCommons）集結了更多的產業要角，共同推動機器學習技術的開發與應用。

正是有了產業共識，才能延續並穩定這波AI成長的動能，而在2021年，這些針對AI應用的跨國跨界協商與規則訂立將會持續。

工業數位轉型

2020疫戰，不僅改變了人們的生活日常，更極速的驅動了數位轉型及發展。這場全球化的疫情已從根本改變了人們的生活方式，並史無前例的加速了數位生活轉型。從一般生活層面、企業端，到製造業，都正經歷著一波數位轉型的革命。事實上，數位轉型早在疫情之前，各企業早就已經開始陸續佈局，然而疫情的突然到來，讓各企業原本的數位轉型加速進行，一波快速數位轉型的革命，正如火如荼的開展。然而所有的企業都一樣，在數位轉型的路上，總是遇到重重的關卡與挑戰，需要進一步克服。

事實上，不管任何企業，數位轉型都是一段漫長的旅程，例如正在工業4.0的框架下，加速邁向智慧化的製造業也不例外。製造業涵蓋多項設備，正以智慧工廠為目標，並朝向「自主化」的趨勢發展。目前製造業轉型面臨的痛點，包含產線設備效能有限，無法因應新興的與複雜的工作負載；過去部署的設備與新購入的設備整合不易，缺乏即時反應；以及設備、系統的安全性等。

為了解決上述痛點，成功的智慧化解決方案可由四個面向切入，分別是：效能、即時處理能力、資安與功能性安全。這「四大要件」在IIoT的部署中，扮演重要角色，將直接影響各式工業的發展，從工廠自動化、現有工廠設備的整合，到作業負載的整合，以及機器人的應用等。在智能化工廠的自主化發展趨勢中，下列幾點需要特別注意：

●可擴展的計算能力，以省電的方式解決不同的工作負載；

●結合安全性與即時性，避免系統故障或網路受損的潛在風險；

●隨著系統複雜性增加，來自多個感測器（如：視覺、雷達及光達）的感測器融合（Sensor fusion）訊息必須結合機器學習，得出準確及可行的資訊；

●所有硬體皆須透過整體性的規模設計，以運行自主系統所需的複雜工作負載，並同時具備高效能以進行商業部署。

第三代半導體：SiC & GaN

第一代半導體是矽（Si），第二代是砷化鎵（GaAs），目前市場所談的第三代，則是碳化矽（SiC）和氮化鎵（GaN）。

第三代半導體有什麼不同？其最主要的特點，就是在「寬能隙（Wide Band Gap）」上。能隙是一個基礎的物理學原理，主要用來研究電子運動的現象，其所產生的效用就是導電性的差異。能隙越寬，電子越不容易越過，當然也就越能承受高電壓的系統應用。

所以跟傳統的矽材料相比，使用寬能隙材料的半導體產品，就展現出對於大功率系統和較高溫的環境有良好的適性，並實現了更好的能源轉換效率，以及更高的穩定度與可靠性。

而基於先天材料上的體質優勢，採用寬能隙材料的半導體元件，並不需要太多其他的輔助設計，例如散熱等，因此也有助於減少裝置的體積，達成輕量化的系統。

上述這些特色正好符合了當前產業趨勢的需要，例如電動車、再生能源、工業4.0、5G等，這些應用的最大特色就是採用高功率的電路設計，也因此使用寬能隙材料的元件就受到市場的青睞。

目前全球主要的電源元件供應商都已陸續布局了碳化矽和氮化鎵的方案與產能，尤其是這類元件的材料製作的成本較高，產能十分有限，現在幾乎已成了兵家必爭之物。一線的大廠更是透過策略聯盟，或者收購的方式，來確保自家的產能。

像是英飛凌（Infineon）除了與Cree達成SiC晶圓長期供貨戰略協定外，近期也與GT Advanced Technologies(GTAT)簽署碳化矽(SiC)晶棒供貨協議；意法半導體則收購了瑞典SiC晶圓製造商Norstel AB，不久前也與羅姆集團旗下的SiCrystal GmbH，簽署了長期供應SiC晶圓的協定。

台灣的晶圓供應商環球晶，日前則公告了將收購Siltronic AG，以強化在GaN和SiC的製造能量；世界先進經過了多年的研發後，目前已逐步量產了GaN的產品。

依據半導體市場研究機構Yole的分析報告，採用SiC電源元件的裝置，在2021年將有25%的年成長率；2023年則將達到44%；2025年則會進一步增加至50%的年成長。

數位資訊醫療照護

在2020年COVID-19疫情重創全球經濟態勢之際，防疫科技和醫療照護產業相關的人力、技術及產品的需求都很迫切，也讓個人智能健康照護與數位照護服務系統的成效倍受矚目，例如其中的醫用輔助軟體、生理偵測系統及遠距問診等設備促進個人健康品質及管理的產品，正促進數位資訊醫療發展。

資料來源：https://udn.com/news/story/6903/5177162

AI機器人將如何顛覆製造業？

面對AI機器人帶來的破壞式創新，台灣製造業該怎麼把握機會，在自動化典範轉移的亂局中，占有一席之地？

Bastiane Huang
Feb 6 · 1

在先前Robotics 2.0系列文章中，我們討論了AI如何讓機器人做到過去做不到的靈巧工作，並能夠開始自主學習。第一篇文章介紹了AI如何開啟Robot2.0時代。第二篇文章則描述AI機器人在倉儲運輸業的應用，透過觀察這個新技術的第一個應用場景，來預測這一切將如何影響我們的生產力、就業狀況以及日常生活。

這篇文章我們將聚焦目前大量運用傳統機器手臂及自動化設備，同時占台灣產值最高（30%）的製造業。具有自主學習能力而且靈巧的AI機器人，將如何影響製造業流程及整體產業結構？供應鏈上的各廠商又該如何因應Robotics 2.0帶來的破壞性創新？

「未來已經到來，只是先被一部分人看見。」 — 作家威廉．吉布森

The future is already here — it’s just not very evenly distributed. — William Gibson

製造業自動化現況

根據國際機器人聯合會（IFR）發布的最近報告，全球工業機器手臂的出貨量在2018年創下新紀錄，來到38萬4,000台。其中中國仍是最大市場（占比35%)，接著是日本，美國，台灣排名全球第六。

汽車以及電子製造業依然是工業手臂的最大應用市場（占比60%)，遠遠領先其他包含金屬，塑膠及食品等產業。具體原因我們在第一篇文章也討論過，由於傳統機器人和電腦視覺的限制，目前除汽車業和電子業以外，倉儲、農業和其他產業幾乎都還沒開始使用機械手臂。而這樣的情形將會被AI機器人及深度學習等新技術所改變。看到這裡，你可能會想：自動化及工業機器手臂在製造業既然已經有幾十年的歷史，該自動化或可以被自動化的部分應該都已經自動化了，還有什麼創新的空間呢？

出乎意料地，就連自動化程度最高的汽車製造業，離所謂的全自動化關燈工廠（lights out factory）也還有很大一段距離。舉例來說，汽車組裝的部分大多依然是由人工來完成。這也是車廠最勞力密集的部分，平均一間汽車工廠裡有3分之2的員工都在裝配車間。就連一向追求革新與顛覆，主張追求最高自動化的特斯拉執行長馬斯克，都不得不公開承認，特斯拉生產線自動化的進度不如預期。

究竟為什麼自動化這麼困難？

自動化至今無法跨越的技術限制

現今的自動化生產線普遍為大量生產設計，因此能有效降低成本，但也因此缺乏彈性。面對消費者越來越短的產品生命週期，越來越多的少量多樣客製化生產需求，人類往往比機器人更能夠因應新的產品線，也不需要花費很多時間去重新編寫程式或更改製造工序。

1. 靈巧度與複雜度

儘管科技在快速進步，人類還是比機器人靈巧許多。在訪談電子代工廠商的過程中發現，儘管組裝產品（assembly）已經高度自動化，但備料（kitting）的程序還是必須由人來完成。

備料在製造及倉儲業都很普遍，是提高生產效率的重要步驟。指的是把組裝產品需要的各個零散部件集合起來，打包並放置在工具包（kit）的過程。之後機器人再從工具包中拿取各個零件並進行組裝作業，這時候因為各個零件都在一個固定的位置和角度，自動化編程相對容易。相反地，備料時必須從雜亂無序的零件盒中辨識並拿取零件，零件的位置角度不一，甚至可能重疊或纏繞在一起，這對現有的機器視覺及機器人技術都是一項挑戰。

2. 視覺與非視覺性的回饋

另外一方面，很多複雜的裝配作業需要靠作業員的經驗或「感覺」。不論是安裝汽車座椅或是將零件放入工具包裡，這些看似簡單的動作，事實上都需要作業員或機器人接收，並根據各種視覺甚至觸覺訊號，來調整動作的角度及力道。

這些精細的微調使得傳統的自動化編程幾乎派不上用場，因為每次撿取或放置物品都不完全相同，需要像人一樣有從多次的嘗試當中，自主學習歸納的能力，而這正是機器學習，特別是深度及強化學習，能夠帶給機器人的最大改變。

Robotics 2.0：AI可以讓工廠機器人做到哪些事？

AI帶給機器手臂最大的改變就是：以往機械手臂只能重複執行工程師編寫程序，雖然精準度及速度都很高，但卻無法應對任何環境或製程改變。但是現在因為AI，機器可以自主學習更複雜的任務。具體來說，AI機器人較傳統機械手臂在3大方面有重大突破：

1. 視覺（Vision System）

就算是最高階的3D工業相機，仍然無法像人眼一樣，既可以精準判斷深度距離，又可以辨識透明的包裝、反射表面、或是可變形物體。這也是為什麼很難找到一款相機，既可以提供準確的深度，又能夠辨識大多數的包裝及物品，然而，這樣的情形很快就會被AI改變。

機器視覺在過去幾年取得了巨大的進展，幾間來自於矽谷及波士頓的新創，包括OSARO和Covariant，利用深度學習（deep learning），語意分割（semantic segmentation），及場景理解（scene understanding）提高了低階相機的深度及影像辨識，讓製造商不需要使用昂貴的相機，也能得到足夠準確的影像訊息，成功辨識透明或反射物體包裝。

2. 可擴充性（Scalability）

深度學習不需像傳統機器視覺一樣，需要事先建構每一個物品的3D模型。只需要輸入圖片，經過訓練，人工神經網路就能自動辨識影像中物體。甚至能使用非監督或自監督學習，降低人工標籤數據或特徵的需要，讓機器更近接近人一樣的學習，免去人為干預，讓機器人面對新的零件再也不需要工程師重新編寫程序。隨著機台運作，收集到的數據越來越多，機器學習模型的準確度也會進一步提升。

目前一般生產線通常有震動台、送料器、輸送帶等週邊設備，確保機器人能夠正確拿取需要的部件。如果機器學習再進一步發展，讓機器手臂更加智能，或許有一天這些比機械手臂更昂貴四五倍以上的週邊設備將不再被需要。
另一方面，由於深度學習模型一般儲存在雲端，這也讓機器人能夠互相學習，共享知識。舉例來說，若有一台機器手臂經過一個晚上的嘗試，學會如何組合兩個零件，便能夠很輕易地將這個新的模型更新到雲端，並分享給其他同樣也連結到雲端的機器手臂。這不但省去了其他機器的學習時間，也確保了品質的一致性。

3. 智能放置（Intelligent Placement）

一些對我們來說一點也不困難的指令：請小心輕放，或把物品排列整齊，對機器手臂而言卻是巨大的技術挑戰。
如何定義「小心輕放」？是在物體碰觸到桌面的瞬間停止施力？還是在移動到距離桌面6公分處放手讓物體自然落下？或是越靠近桌面就越降低速度？這些不同的定義又會怎麼樣影響物品放置的速度和精確度？

至於將物品「排列整齊」就更困難了，先不論每個人對整齊的定義都有所不同，為了能將物品精準地放置在想要的位置及角度，我們首先必須要先從正確的位置拿取物品：機械手臂依然不如人手靈巧，且目前一般機器手臂大多使用吸盤或是夾子，要做到人類關節及手指的靈活度，還有一大段距離。

其次我們要能即時判斷夾取物體的角度位置及形狀大小，以下圖的杯子為例，需要知道杯口朝上或朝下，要側放或直放，也要知道放置的地方有沒有其他物品或障礙物，才能判斷將杯子放在哪裡才能最節省空間。 我們因為從出生開始就在學習各種取放物品的任務，這些複雜的作業幾乎不加思索就可以完成，但機器並沒有這樣的經驗，必須重新學習。

經由AI，機器手臂可以更精準地判斷深度，還可以透過訓練，學習判斷及做到杯子朝上，朝下等不同狀態。也可以利用對象建模（Object Modeling），或是體素化（Voxelization），來預測及重建3D物體，讓機器可以更準確掌握實際物品的大小和形狀，進一步將物品放到該放的位置。

AI機器人將如何顛覆製造業？

現在我們知道AI可以讓機器做到許多以往做不到的事，但這對製造業現行的產業結構又會有什麼影響？誰能夠把握住新科技典範轉移技術帶來的機會？哪些公司又會面臨前所未有的挑戰？

AI機器人帶來的破壞式創新（Disruptive Innovation）

破壞式創新由哈佛商學院教授克雷頓‧克里斯汀生（Clayton Christensen）在其著作《創新的兩難》（Innovator’s Dilemma）當中提出。理論的中心思想是：
產業中的既有業者一般會為了服務現有客戶（通常也是利潤最高的客群），而選擇專注於「持續式創新」，改善現有的產品及服務。此時，一些資源較少的小公司把握機會，瞄準被忽略的市場需求，而取得進入市場的立足點。
破壞式創新又分為以下兩種：

（1）低階市場創新

一般大家較為熟悉的是「低階市場創新」，數位照相技術就是一例。早期的數位相機不僅解析度不佳，而且還有快門延遲很長的問題，但隨著數位照相品質及解析度逐漸進步，數位相機逐漸從低階市場晉升為主流。諷刺的是，柯達雖然研發出數位相機，但卻因為無法放棄當時該公司占據全球3分之2的底片市場，而最終被新技術淘汰。這正是所謂的「創新的兩難」，既有業者雖然看到新科技的威脅，但卻因為現有公司結構，策略等種種原因無法及時因應。

（2）新市場創新

「新市場創新」則是指新進公司瞄準既有公司尚未服務到的「新市場」進行創新。例如，電話剛推出的時候只能被用來做短距離的本地溝通，因此電報產業當時的領先者Western Union拒絕購買發明家貝爾的專利，因為該公司最賺錢的是長途電報市場，當時甚至不認為短途溝通會是一個市場，更不用說預見後來人人都用電話溝通的情景了。

而AI機器人帶來的，正是「新市場的破壞式創新」！

目前汽車及電子製造業占工業機器手臂出貨量的60%，這也導致市場領先者發那科（FANUC）、ABB、KUKA、安川（YASKAWA）專注於「持續式創新」：做他們最擅長，客戶也最需要的，進一步提高速度及精度。這也使得其他諸如倉儲業、食品製造業，或製造業中的「備料程序」成為被忽略新市場。這些客戶並不需要這麼高速度，高精度的作業，但需要機器手臂更靈活，更能彈性自主學習辨識及處理不同的零件或是工作。

新創AI機器人公司看到這樣未被滿足的需求，開始將人工智慧應用在機器人上，使得機器手臂可以被用在備料，包裝，倉儲等新市場。他們使用較低階的相機搭配機器學習模型，讓以往只能由人工作業的備料，貨物分撿等程序自動化，讓機器手臂可以被運用在更多不同的地方，甚至整個產業。

有趣的是，這些新創公司一般不自行生產機器手臂，而是專注於開發機器學習模型、機器視學及控制軟體，在硬體方面則選擇跟既有機器手臂廠商合作。因此，你可能會想，就算這些機器手臂公司不追求AI創新，他們也不會被時代淘汰，因為自動化還是需要硬體的供應。

但是，這樣想忽略了幾件事：

首先，有些機器手臂公司已經先嗅到了商機，並開始一邊與這些新創公司合作，一邊建立自己的AI團隊。這些公司因為率先採取行動，可以更快地在這些以往服務不到的新市場中建立客群，進一步領先競爭對手。

其次，隨著AI應用的普及，產業鏈中的最大價值，會逐漸由硬體轉向軟體及數據。 這點，我們已經可以從無人車的發展趨勢中看出。一但無人車可以做到高度自主，大部分的價值都會在掌握無人車機器學習模型及自駕數據的特斯拉，或Google等公司的手裡。這也是為什麼車廠人人自危，不是積極併購就是跟矽谷的軟體AI新創公司合作。相比起來，機器手臂及製造商對AI技術的接受速度似乎還不及汽車製造商。

AI機器人帶來的挑戰與機會

AI及機器人的結合帶來許多的可能性，但是這些改變絕非一蹴可幾。機器手臂公司縱使開始投資AI，也依然會面臨當初柯達所面臨的「創新者的兩難」。

要如何重新打造組織及發展策略，才能夠讓轉型的負面影響降到最低，也考驗各個公司管理階層的判斷與決心。

另一方面，開發全新市場也絕非簡單的事，新創公司仍需要和製造廠商密切合作，開發更貼合客戶需求的解決方案。 製造業的流程甚至比倉儲更複雜多樣，新創公司雖然了解AI及機器人技術，但卻不一定了解製造流程。這也給台灣製造廠商一個搶得先機成長轉型的最佳機會。

如果台灣廠商能夠率先和這些新創公司合作，不僅能透過流程自動化提升生產效率及品質，還能做到以往較難做到的少量多樣客製需求，擺脫大量製造，削價競爭的紅海策略。更可以成為新一代AI機器人的試驗場，和國際新創合作開發針對電子或半導體製造業的專屬解決方案，進而銷售到其他國家。

日前，曾任職於Google與百度的吳恩達（Andrew Ng）受邀來台演講中也指出，台灣應該善用自己在半導體與製造業的既有優勢，發展人工智慧，成為除了矽谷、北京之外的下一個AI Hub。 相較於其他像是零售或是消費性網路領域這些現在發展相對成熟的AI應用，台灣在製造產業中發展人工智慧，不但更具有了解應用案例、掌握數據等優勢，也有機會能夠藉由AI機器人等新技術，達到產業轉型的目的。

附圖：KIT工具包 — source: kitting-assembly.ca
深度學習物件辨識範例，由左至右分別為Mask-RCNN, Object Modeling, Grasp Point Prediction。OSARO
傳統及AI機器人創新策略比較 — source: Bastiane Huang
製造業自動化產業鏈- source: Bastiane Huang

資料來源：https://medium.com/marketingdatascience/ai%E6%A9%9F%E5%99%A8%E4%BA%BA%E5%B0%87%E5%A6%82%E4%BD%95%E9%A1%9B%E8%A6%86%E8%A3%BD%E9%80%A0%E6%A5%AD-ee2dbc3db7e4

中美貿易戰，高雄經濟轉型契機?

中美貿易戰等同是全球經濟世界大戰，而且這一場戰爭短期內恐怕沒有結束的可能，恐將是一場10~20年的長期拉鋸戰，不論最終結果如何，對於世界經濟結構與產業布局將影響深遠。

台灣是出口貿易導向國家，對美國也好、中國大陸也好，都有強大的貿易依存度。原本美國是我們出國占比最大的國家，在大陸改革開放後，台商紛紛西進投資設廠，我們對大陸的出口逐漸升高，目前台灣對大陸出口比重已超過4成(41.2%)，是最重要的貿易對象。

對美國出口占比則是11.%，二者相加就佔了我出口占比五成，不論勝敗結果，我們如果都要有應對作法，否則我們就會像是站在兩隻大象打架腳下的老鼠。

尤其美國這一兩年已經打出兩波加稅戰術，第一波跟第二波加稅項目，主要是針對大陸出口美國的資本財與中間財兩類商品清單。而台灣出口至美國的產品中，有六成以上是中間財，這是美國進口商願意轉單台灣的一大推力，也是最近蔡英文總統宣稱台商資金回流目標上修至5,000億的原因之一。

經發局業務報告未掌握「中美貿易戰」因應策略
可惜的是，這次的中美貿易戰可能是台灣轉型的機會，而台灣的機會就是高雄的機會，高雄想要發大財，就應該掌握這樣的大結構、大機會。但我們的經發局是否準備好了?從這會期的業務報告內容來看，隻字未提中美貿易戰對高雄的影響，經發局只是在「招商引資」篇章中論述，欠缺大格局、大戰略規劃。經發局應針對中美貿易戰裡，高雄究竟看到哪些機會?高雄未來要怎麼布局因應？這樣才是應有的視野和作為。

招商資金是直接投資?間接投資?
當然，韓國瑜市長對於如何招商引資總是掛念在心，今年特別成立「高雄市工商發展投資策進會」簡稱工策會，並由韓國瑜市長親自擔任召集人，足以說明重視程度。

也因此，今年的高雄非常熱鬧。行走在各個產業園區，業界標竿、國際大廠的決策老闆也是頻繁出入。今年鴻海、海霸王、漢翔、峻灃企業、台郡科技、高全存企業…等，看好高雄前景紛紛加碼投資，與去年全年1,100億元的投資額相較成長超過22%。另外工總、商總、義聯等集團…也積極洽談經貿合作機會，洽商投資金額超過3,000億元。

但大家想知道的是，究竟這3000億的投資，是實體投資也就是直接投資，又或者只是間接投資？因為兩者對市民朋友在就業上、日常生活上實質獲益有不同影響，經發局應說明這三千億的組成，包括是何種產業類別、何種工作項目‚好讓市民朋友在求學上、就業選擇上，乃至於各大中小企業未來的經營布局，都能有個考量的方向。

鴻海，老虎還來不來?
與選舉無關的是，鴻海郭台銘董事長接受台灣《天下雜誌》專訪時透露，他已經跟高雄市長韓國瑜說好，因應中美貿易戰，鴻海要將深圳、天津部分產線移師高雄，台灣可望成為鴻海未來高階網通、伺服器設備的中國大陸以外市場製造中心。

經發局針對這部分的投資案，現在究竟掌握多少?鴻海說的還算話嗎？這筆投資會不會落空？

老問題:五缺
韓國瑜市長努力排除路障想迎接台商返鄉。但是不管是台灣或高雄本身缺水、缺電、缺工、缺地、缺人才等問題存在已久，蔡政府始終無法解決，以致錯過很多錯過商機。而高雄市政府在職權範圍內，能替企業解決哪些「五缺」問題？

高雄自由貿易經濟特區如何推動？
高雄經濟再起，除了著眼於中美貿易戰可能轉單台灣生產製造的產業，更要採取更自由開放的彈性作法，爭取資金流進高雄。
高雄市有一份「爭取高雄為自由貿易經濟特區說帖」，針對高雄的優勢與未來趨勢，提出了國際醫療、金融專區、國際教育等3大產業作為推動重點，然後透過自由貿易經濟特區的設立，鬆綁現有法規的限制，提供優惠租稅，以吸引人才與資金，促進產業升級，提升競爭力。

這是韓國瑜市長為發展高雄經濟提出自貿區的想法，也納入總統政見，然而在實際推動上，經發局有無具體的規畫與準備？如果韓市長當上總統，市府要如何配合中央展開作業？

本集主題：「和風老屋旅行散策：尋訪日式建築，走入老台灣的時代記憶、懷舊聚落、生活情境」新書介紹
　　
專訪作者：江明麗
　　　
內容簡介：
探訪台灣在地日式老建築，時空背景回溯百年前，
一磚一瓦，一片牆一根柱，都有歷史和典故……
　　
上個世紀，小小的台灣島在日本殖民下，
一座座日式屋舍、鐵道車站、糖廠、神社，如雨後春筍般，遍地生根。
金瓜石採礦風華，留下許多日式老宅和礦業文物；
嘉義林場帶動木業興盛，築起可觀的日式民居；
日本子民大量移居花蓮豐田，移民村藏有東洋生活樣貌，
甚至，因製菸業而築起鳳林一帶綠意環繞的菸樓聚落；
加上一條縱貫線鐵道開通，串起全台北中南七大經典日式風格車站……
這種種，成就了今日島嶼上、街巷間一簇簇溫婉細緻的建築風情。
　　
◎28幢和風老屋──承載時代記憶與人文土地的故事
　　台灣這片土地，歷經1895～1945日本殖民五十年，從鐵道車站、州廳官舍、醫療院所，到糖廠、酒廠、菸廠、林場、茶廠，甚至連監獄、穀倉、碾米廠都有東洋氣息，處處可見日式建築的蹤影。
　　
　　歷經時代演變，老屋修復或翻新，如今成了旅人懷舊尋幽的去處。本書精選全台28個日式特色建築，包含純日式屋舍，以及融入西方巴洛克、文藝復興建築語彙的和洋折衷式樣。
　　
　　走進一幢幢日式老房子，看日治時期小販市場的景況、百年製茶廠的歷史珍寶；教職員的宿舍裡，重現教育家昔時的生活情境；走進日治時期監獄，一窺木造、磚造、鬼瓦融合，並開有「貓道」的監獄建築文化；紅磚搭配灰白泥牆裝飾的洋樓官邸，不分古今，持續散發古典與優雅氣息；旗山車站八角形尖塔散發的哥德風情，教人目光一亮；到碾米廠去看三層樓高的木造碾米機，在老建築裡來一趟稻米文化旅行……
　　
　　建築是城市的風景，老建築更有著訴說不盡的故事。循著時光線索，在洋溢和風的屋宇中，一邊欣賞匠人的巧思，了解建築技法和美學價值，一邊聽舊時代的故事，還可學習茶道、劍道，穿上和服飲茶、賞日式庭園，了解日治時期礦業、林業、製糖、菸草產業的興衰景況，重溫百年前的生活情境。
　　
◎16項必賞日式建築元素──看熱鬧也懂門道
　　欣賞日式老屋之美，認識東洋建築名詞是入門的功課。本書精選16項必賞日式建築元素，帶你認識懸魚、鳥居、破風、鬼瓦各有何作用？屋頂、門廊、天井、雨淋板藏著哪些建築意涵？從而了解日式老屋經典的造型式樣、建材工法、裝飾擺設及生活空間運用等，見識早年的生活智慧，來一趟知性與感性兼具的旅行。
　　
◎10個老屋特輯──散步懷舊街廓，新與舊演繹風華
　　一座日式建築，就是一個時代與土地的故事，串起豐厚的人文地貌。本書延伸10個老屋特輯，以「老屋改建新風貌，走入空間活用」的概念，帶你穿街走巷，在日式氛圍濃厚的屋舍、街廓間，來一趟和風小旅行。台灣從北到南皆有日式建築遺蹟可賞：
　　
✽保有日治時期蓬勃商業街廓風貌的迪化街──早年台北城繁華的縮影，從南北貨、中藥材鋪，乃至轉型經營的藝文空間或餐館，融合新舊建築之美。

✽有背山環水地理優勢的大溪──日治時期陸續興建公會堂、武德殿與四連棟警察宿舍，百年來，老屋老樹相依相襯，保有濃厚的舊城風光。
　　
✽自成一股文風的雲林斗六、虎尾街市──早年因虎尾糖廠設立，帶動運輸鐵道興建，讓雙城同時沾光，留下官邸、郡役所及日式宿舍群遺蹟，如今文創小店進駐，翻轉新意，飄揚著書香與咖啡香。
　　
✽水陸運輸發達的哈瑪星──日治時期高雄港邊通往魚市場的一條鐵道，早年企業會社與行政機構紛紛進駐，日式傳統屋宇、和洋折衷樓房、老車站、日式茶亭與文史工作站，都是古蹟散步的亮點。
　　
　　喜歡老舊事物的你，跟著這本書在島嶼上遊逛，悠閒尋訪日式老屋串起的街巷風情與人文故事。這些舊時代建築歷經整修或重建，改以咖啡館、民宿、食堂、書店、茶樓、文創空間面貌展現，洋溢嶄新的東洋風情，持續在島嶼上熠熠發光閃亮。
　　
作者簡介：江明麗
　　曾任職於多家旅遊媒體記者，因職務跑遍世界，包括日本、荷蘭、德國、泰國、美加、中國、俄羅斯、埃及等，其中以中國、日本最為密集，目前專攻台灣旅遊、美食之報導。個人著作有《量身訂作住民宿》、《百年好店》、《嚴選正港台灣味小吃南部篇、東部篇》、《宜蘭美好小旅行》、《花蓮美好小旅行》、《嘉義美好小旅行》、《高雄美好小旅行》、《苗栗美好小旅行》等超過10本著作，現為自由撰稿者及HERE雜誌固定特約記者。