博弘雲端科技∼雲端服務99.99％∼113年上半年EPS=3.79元，
股本20,011張，內部人持股86.97％，股本小、成長、籌碼俱優，
112年EPS=4.6元，配息4.06元（配息率88.26％），
送出Renova公司電子報全文，請問有何看法﹖
續前文：
AI答：
另一個值得注意的是 Apex。
這跟 Doron （雷注：Renova CEO）前幾天講「Junior + AI + Mentor」非常一致。
Apex的概念是：AI Agent帶著已編碼的AWS專業知識
→ 幫工程師做架構、部署、故障排除、最佳化
→ 工程師負責Review與批准。
這代表 Renova 不只想賣AI給客戶，也在用AI改造自己的交付模式。
如果做得好，它可能降低一個SI最麻煩的成本：
高階工程師稀缺。
以前：1個Senior帶1–2個Junior。
未來可能變成：1個Senior + AI agent → 帶更多Junior。
這會影響的不只是效率，也可能影響 毛利率與可擴張性。
但目前 Apex 還比較偏「框架/方法論」，不能像 Vinasoy 一樣列入成熟產品。要等看到正式使用數據，例如：
onboarding時間下降多少；ticket處理時間下降多少；每名工程師可支援多少客戶；delivery成本下降多少。所以我會更新Renova的結構，
以前我們看到：
AWS Cloud
↓
AI Factory
↓
Vinasoy / ACBS / PNJ
現在更像：
AWS / Bedrock / SageMaker
↓
Platform Engineering / Apex
↓
AI Factory / common capabilities
↓
Renosight / Vertical AI Agent
↓
Vinasoy、FMCG、製造、零售客戶
這就更接近你一直說的 「AI模組平台」，而不是散落的AI專案。
送出Renova公司電子報全文，請問有何看法﹖
AI答：
其中最有價值的，AI認為是 Renosight AI Agent 這一段。
因為以前的 Renosight 比較像：
影像辨識 → 找問題 → Dashboard
現在電子報描述的是：
使用者直接用自然語言要求
→ AI 檢查門市/貨架/庫存
→ 串 ERP、WMS、CRM
→ 結合真實庫存與銷售資料
→ 提出「補貨、聯絡供應商」等下一步建議。
這已經往：
Visual AI → Operational Agent移動了。
這件事如果真的產品化，估值邏輯會和單純 Computer Vision 不太一樣。因為它不是只「看出問題」，而是開始進入企業工作流程。
例如以前是：「這家店缺貨。」
現在可能變成：「這家店SKU A缺貨，ERP顯示倉庫還有500件，建議補貨50件，是否建立補貨任務？」
這才是 Agentic AI 真正有商業價值的地方。
Renova LinkedIn目前也明確把 Renosight定位為 AWS Generative AI上的 AI-powered Visual Inspection / Computer Vision平台，適用零售、FMCG、製造、建築、供應鏈等，並強調可跨大量據點監控貨架、庫存、促銷、安全及營運標準。LinkedIn
Vinasoy現在更像Renosight的「母案例」：
這期電子報刻意把：
Vinasoy成功案例接著Renosight AI Agent放在一起，
我認為不是偶然。它其實在對潛在客戶說：
1. Vinasoy已經證明這種模式有ROI。
2. 我們不是只替Vinasoy客製一套。
3. 現在你也可以用Renosight做類似事情。
4. 甚至可以免費PoC。
這就是從：Case Study → Product Marketing的重要轉變。
所以我們前面講的：Vinasoy = 母案例現在更有證據了。
2026年於河內 JW 萬豪酒店舉辦的 AWS Cloud & AI Day Hanoi 2026 大會，現場共吸引了超過 2,000 名雲端開發者與建構者（Builders）共襄盛舉。 當場就有效果，
AI回答：
對，如果現場超過 2,000 名 builders，當場曝光效果一定有，而且不是小效果。
因為這不是一般小型研討會。對 Renova 來說，Vinasoy 能被 AWS 放進 Cloud & AI Day Hanoi 的主題內容，現場至少同時接觸到三類人：
• 潛在企業客戶：FMCG、零售、製造、金融等決策者
• 技術圈：AWS 架構師、開發者、Data/AI 團隊
• 生態系夥伴：SI、ISV、新創、顧問與區域合作夥伴
而 Vinasoy 的優勢是，它不是抽象講 AI，而是直接有數字：
缺貨 -20%
覆蓋 17% → 70%+
20+ 天 → 1–2 天
3 天報表 → 5 分鐘
這種案例在 2,000 人大會上被 AWS 高層講，比 Renova 自己設攤或自己發 LinkedIn 有效得多，因為現場聽眾會自然把它理解成：
「AWS 已經挑過、驗證過、願意拿出來講的案例。」
所以你說「當場就有效果」，我認為沒錯。當場效果不一定立刻變成訂單，但會先變成：
品牌認知上升 → 售前詢問增加 → PoC 機會增加 → 第二、第三個客戶的成交阻力下降
這就是母案例最重要的傳播價值。
而且更漂亮的是，活動結束後還有第二波：
現場 keynote
→ AWS 官方新聞稿
→ Eric Yeo LinkedIn 專文
→ Renova 電子報再利用
→ Sales / Senior SA 拿去做客戶提案
所以不是一次性曝光，而是可以反覆使用的商業資產。
一句話：
Vinasoy 在 2,000 人級 AWS 大會被公開講，效果不只在現場，
而是把 Renova 的母案例變成可反覆使用的「AWS背書銷售工具」；真正價值是後續把曝光轉成 PoC 與第2、第3個複製客戶。
所以這件事我會拆成三層。
第一層、AWS官方新聞稿背書。
這已經把 Vinasoy 從 Renova 自己的案例，升級成 AWS 官方可引用的 customer success story。
第二層、AWS區域最高層級業務主管公開再傳播。
Eric Yeo 的受眾不是只看 Renova 的人，而是 AWS 在馬來西亞、越南與中南半島市場的企業客戶、合作夥伴、技術主管與決策者。這個擴散圈層明顯更大。
第三層、案例被重新包裝成「產業模板」。
Eric 最有價值的一句其實不是數字，而是：
「你不需要是科技公司，也能靠AI獲勝。」
這等於把 Vinasoy 從「一家豆奶公司的成功案例」，轉譯成：
傳統製造業 / FMCG 也能複製的 AI 營運模型。
這對 Renova 最有利。
所以你說「比 Renova 自己宣導效果大上幾倍」，
AI會稍微改成比較嚴謹的講法：
傳播槓桿與商務可信度，確實可能比 Renova 自己宣傳高出一個層級，甚至數倍；
但真正能不能轉成營收，仍要看後續第2、第3個客戶。
因為 AWS 高層幫忙傳播，會直接縮短第2家客戶的「信任建立時間」。
以前 Renova 去拜訪另一家 FMCG，可能要先證明：
• 你真的做過嗎？
• 規模夠大嗎？
• AWS認可嗎？
• ROI是真的嗎？
現在可以直接拿：
AWS官方新聞稿 + Eric Yeo公開背書 + AWS keynote案例
去做售前。
這會大幅提高 Senior SA / Sales 去談新客戶時的可信度。
放進雷洛7.4，我會這樣看：
公司門：明顯加分
Renova的技術與交付能力得到AWS外部驗證。
事件門：明顯加分
AWS高層主動把Vinasoy當成代表案例擴散。
驗證門：已完成第一階段
有KPI、有Production、有官方背書。
最後還差Replicate（雷注：平台-複製）
也就是第2、第3個同類FMCG/製造客戶。
一句話：
Vinasoy現在已不是Renova自己在賣故事，而是AWS正在替它放大故事；這會明顯提升母案例的商務穿透力，
真正的下一個雷洛7.4驗證點，就是這份背書能不能在2027轉成第2、第3個Vertical AI客戶。
Eric Yeo目前擔任 Amazon Web Services (AWS) 區域總經理（Country General Manager），其管轄市場涵蓋馬來西亞、越南、柬埔寨、寮國及緬甸。
將博弘越南子公司Renova Cloud的VINASOY越南AI應用平台成功案例，Eric Yeo在𝗔𝗪𝗦 𝗖𝗹𝗼𝘂𝗱 & 𝗔𝗜 𝗗𝗮𝘆 𝗛𝗮𝗻𝗼𝗶 𝟮𝟬𝟮𝟲大會上介紹,並在LinkedIn網站上專文介紹背書，
個人主觀認為對未來VINASOY越南AI應用平台母案例的推廣，產生極大的推動引擎，比Renova自己宣導效果大上幾倍，
Eric Yeo： Country General Manager - AWS Malaysia, Vietnam, Cambodia, Laos, Myanmar | Sustainable Growth
Eric Yeo：譯
目前擔任 Amazon Web Services (AWS) 區域總經理（Country General Manager），其管轄市場涵蓋馬來西亞、越南、柬埔寨、寮國及緬甸。他主要常駐於越南，並全面負責 AWS 在上述東南亞新興市場的業務增長、數位轉型戰略以及可持續發展。昨天 • 已編輯
Eric Yeo：
這裡有一個人工智能故事，它不是從實驗室開始的，而是在你當地商店的货架上。
VINASOY越南第一大豆浆制造商，面临一個非常物理性的問题：當他們的销售團隊知道货架上缺少產品时，销售已經失败。
手工检查陈列需要12人参與，每個周期花费超過20天，每月僅覆蓋约17%的門店。
他們與合作伙伴 Renova Cloud 合作，在AWS上構建了一款生成式人工智能解决方案，能够讀取货架照片（24種產品變體，每秒22張圖片，比手工快1300×）並自動評分。
2個月後结果如下：
🔹缺货率下降20%，
🔹門店覆蓋率從17%提升到70%以上→现在是每周覆蓋而非每月覆蓋，
🔹合规洞察只需1-2天，而不是20天以上。
🔹管理销售报告原本需要3天，现在只需~5分鐘，
正如全国銷售總監黎巴贝先生所說：
他們现在幾天内就能得到答案，能够在缺口變成失落销售之前採取行動......這讓我們的員工能够專注于他們最擅長的事情。
Eric Yeo：
我喜歡這案例的教训是：你不必成為科技公司才能在人工智能领域獲勝。一家傳统制造商將它融入了運營的核心，而且效果很快。
#AWS #Vietnam #GenAI #FMCG #RetailTech
完整报道请👇参见评论
Le Thi Thanh Van Eugene Neubronner Nguyen Cuong Jeff Johnson Sandesh M.顯示原文
標題：少等7秒，多賺1％，Berry AI *博弘雲端，功美千店新法，
這個標題其實把 Berry AI 的商業價值講得比前一篇更直接：
少等 7 秒 ≈ 多 1% 營收。
Berry AI 自己也曾公開用過這個 QSR 產業 benchmark，說每縮短約 7 秒顧客旅程，產業平均可對應約 1% 更多營收；不過這比較適合作為產業經驗值，不宜理解成每一家店都能固定線性增加 1%。
這對博弘的意義，我會分2層看。
第一層是 Berry AI 的產品威力。它不是單純「用 AI 看影片」，
而是把 Vision AI 直接連到餐廳營運 KPI：等待時間、離隊率、吞吐量、營收。
Berry 官網的 QSR 案例也顯示，部分客戶服務時間下降約 13%，並伴隨 comparable sales 改善；這表示它賣的是「營運提升」，不是只賣演算法。
第二層才是 博弘的價值：
幫 Berry AI 把產品從台灣 PoC 撐到北美千店級。這裡的含金量在：
雲地混合架構 + AWS scale + FinOps + 資安 + 維運 + 原廠協調。
博弘不是 Berry AI 的 AI 模型開發者，
而是讓 AI 產品能「跑大、跑穩、跑省」的基礎設施夥伴。
這個角色其實很符合你前面說的博弘台灣「修復引擎」：
不是靠自己做最強 Vertical AI，而是成為高成長 AI 公司背後的雲端與 MSP 平台。
如果未來博弘能多拿幾個 Berry AI 這種客戶，
會比單純 AWS resale 更有價值，因為它會形成：
AI 客戶成長 → AWS 用量成長 → MSP/FinOps/架構服務同步成長
這是比較好的 recurring 模式。
所以這個案例和 Renova 的 Vinasoy，剛好是兩種不同的「AI紅利」：
1、Berry AI × 博弘：服務 AI 公司規模化-基礎設施紅利，
2、Vinasoy × Renova：自己參與 Vertical AI workflow 複製-產品化紅利。
AI觀點：
「少等7秒、多賺1%」證明的是 Berry AI 對 QSR 營運的ROI；
對博弘真正的投資意義，是它已經有能力承接一個北美千店級 AI 客戶的 scale-up，
若這類客戶能複製，博弘台灣的獲利修復就會比單純AWS轉售更有品質。
AI敘事：
這篇很重要，因為它補上了你一直覺得「博弘台灣 AI 應用不夠強」的一塊拼圖。
但我會精準區分：Berry AI 的 AI 產品很強；
博弘在這個案子裡扮演的是 AWS 雲地架構、FinOps、技術顧問與後續維運，不是 AI 演算法產品本身。
所以這個案例對博弘最有價值的地方，不是證明它已經有像 Renova Vinasoy 那種 Vertical AI 模組，而是證明它能成為 AI 公司規模化成長時的雲端底座與技術延伸團隊。
Berry 已不是小型 PoC。官方資料顯示，它已和 Culver’s 做到 1,000+ 門市全品牌部署，這表示它的 Vision AI 已從試點走到大規模基礎設施；Berry 官網也顯示其 QSR 解決方案持續擴大，Zaxby’s 案例中服務速度提升約 13-20%，最差與最佳門市的週營收差距從約2.4萬美元縮到約9,000美元。
對博弘而言，我會拆成三個意義。
第一、這不是單純「賣 AWS consumption」。博弘做了雲地混合架構、高可用、資料庫、成本規劃、架構健檢、原廠協調、後續 Managed Service。這比純轉售高一層，已經進入你（雷洛）一直希望看到的：
AWS resale → Cloud architecture → FinOps → MSP → Data/AI infrastructure，
第二、Berry 的北美成長會自然帶動雲用量。Berry 若從數百店擴到千店以上，資料量、分析、模型訓練、資料庫、跨區域基礎設施都會跟著增加。這種客戶的好處是 客戶自己成長，博弘跟著吃 recurring cloud / service revenue，而不是每年重新找一次性專案。
第三、這個案例與 Renova 的 Vinasoy 其實很有意思地形成「上下兩種 AI 能力」：
案例 ∼AI 核心是誰的 ∼博弘集團價值
Berry AI ∼Berry 自己的 Vision AI ∼博弘提供 AWS、架構、FinOps、MSP，協助Scale
Vinasoy ∼Vinasoy + Renova + AWS共同落地 ∼Renova直接參與 Vertical AI workflow
宏庭 ∼Google/Azure + Data/Agent ∼企業橫向Data/AI整合
所以未來 One Nextlink 如果整合成功，就可能不是每家公司都自己發明 AI 模型，而是：
博弘：把AI公司與企業的Cloud/Scale做好
宏庭：把Data、Agent、多雲整合做好
Renova：把特定產業AI workflow產品化
這其實比「每一家都自己做 AI 產品」更合理。
我會把 Berry AI 這篇放進你的雷洛7.4「公司門」與「驗證門」之間：它已證明博弘不是完全只做低毛利雲轉售，確實有能力服務高成長 AI 客戶，而且客戶已經規模化到北美千店級；
但它還不能證明博弘自己的 AI 產品化成功。
對你前面那條 0.07元（2025-H1） → 0.75元（2025-H2） → 0.91元（2026-H1）博弘台灣修復線，這篇反而提供了一個很好的質化解釋：
博弘台灣的改善，未來如果更多來自 Berry 這種「高成長AI客戶＋架構＋FinOps＋MSP」，含金量會比單純AWS resale高。
一句話：
Berry AI 是博弘目前很漂亮的「AI基礎設施與規模化服務案例」，
不是博弘自己的Vertical AI產品；它證明博弘台灣有機會從賣雲，
往「陪AI客戶一起長大」的顧問＋MSP模式升級。
AI敘事：
你的投資方法其實很一致：不是看1-2季，也不是因短期股價波動換股，而是至少給一家公司約5年的完整產業、經營週期，再評估機會成本。
你前2次的經驗也符合這套方法：
• 大陽：2021年1月成本約51.48元（扣息後），持有約5年9個月後轉換；最後換算到大立光的成本約1715.83元，整體結果你認為OK。
• 大立光：2021年9月約2090元買進，扣息後成本約1647.5元；持有5年後，若以你提到的7000元以上股價看，結果當然非常漂亮。
所以你現在對博弘設定「至少看到2029年底」，邏輯上完全延續前面的方法。因為博弘現在真正要驗證的，剛好也不是一兩季能看完：
2026：重整、換CEO、收購Renova、補AI/Data/產品人才
2027：開始合奏、看cross-sell與Vertical AI複製
2028：看Renova是否由1元級獲利往2元級成長
2029：看整個集團是否真正從傳統雲端轉售轉成AI/Data/Vertical Solution公司
所以到2029年底再做總結，其實比現在就下結論合理很多。
你這套方法真正重點不是「一定抱5年」，而是：
5年後看原始投資假設有沒有實現，以及這5年的機會成本是否值得。
博弘到時最重要就看三件事：
1. 宏庭台灣是否仍守住3元以上底座。
2. 博弘台灣是否由修復走到穩定1.5∼2元以上。
3. Renova是否真的把Vertical AI複製成功，從約1元級往2元甚至更高。
ａ、如果2029三項都成立，代表當初押的是「公司結構升級」而不只是短期題材，
ｂ、如果Renova始終停留在少數案例、集團EPS仍在5元附近，那時再算機會成本換股，也符合你一貫的方法。
AI結論：
你（雷洛7.4）不是用5年當死抱期限，而是用5年讓產業趨勢、併購整合、管理層與財報結果全部走完一輪；
博弘看到2029年底，正好足以驗證這次AI轉型到底是故事，還是真正把EPS結構改掉。
數位轉型再定義：駕馭AI，贏得未來，
資料來源：LinkedIn -
Jerry Chen Nextlink Technology CEO
AI敘事：
AI 要重新改寫 Nextlink 的成長方法。
這跟你前面一直拆的三家公司，剛好對得上。
集團角色 ∼2027可能任務
博弘台灣 ∼把既有 AWS 客戶、Managed Service、業務關係轉成 AI/Data 商機
宏庭 ∼Multi-cloud + Data + Security + Agent，做橫向企業 AI 平台
Renova ∼Vertical AI modules，做產業應用複製
Jerry ∼把三家公司整合成一套商業模式，而不是各做各的
AI認為訊號是：2027 很可能是整合年＋AI商業化年。
「需要做出哪些改變」
「挑戰既有思維」
「對決策與成果負責」
「方向確立後，要加快腳步、拿出成果」
像新 CEO 正在做組織重整與 operating model 調整。
很快進入：Review → 改組 → 定戰略 → 執行。
對雷洛7.4而言，這是「事件門」加分
年度策略會議直接用 AI imperative / New Playbook for Growth
真正驗證 2027 的，還是你（雷洛7.4）一直看的幾件事：
ａ、博弘台灣→ 0.91 元半年獲利能不能繼續維持或成長。
ｂ、宏庭台灣→ 3元以上底座能不能保持，同時把 Agent/Data 帶成新增獲利。
ｃ、Renova→ Vinasoy 類 Vertical AI 是否出現第2、第3個客戶。
如果3條都成立，「A New Playbook for Growth」真會反映在EPS上。
我反而覺得這張投影片很符合你現在的雷洛7.4架構：
2025–2026 = 換管理層＋收購＋補能力
→2027 = 合奏開始
→2028–2029 = 看Vertical AI複製能否放大獲利
Jerry 現在談「AI imperative」，時間點是吻合的。
AI結論：
Jerry這次不是只說「公司要做AI」，而是在把AI定義成Nextlink 2027新的成長劇本，
如果1、博弘的客戶入口、2、宏庭的Data/Agent底座、3、Renova的Vertical AI真正整合起來，
這才是你說的2–3年「合奏效應」開始進入執行階段。
AWS區域 Country GM Eric Yeo 親自點名 Renova Cloud，而且把 Vinasoy 當成「傳統製造業把 AI 放進核心營運」的代表案例。
視為 Vinasoy 母案例的外部背書再升一級。
最關鍵不是數字本身，20%缺貨下降、17%→70%覆蓋、20+天→1–2天、3天報表→5分鐘，這些我們已知道，
而是 Eric Yeo 的 framing：
傳統製造商，不必是科技公司，也能把 AI 放進核心營運，快速產生實際效益。
對 Renova 很有價值，因為它等於幫 Renova 把 Vinasoy 從「豆奶公司的特殊案例」重新包裝成：
傳統企業可複製的 AI 營運轉型模板。
而且 Eric 明確寫：“Working with partner Renova Cloud…”
市場看到的不只是 AWS 技術，也會看到「誰把這套方案真正落地」。這對 Renova 後續去談第2-3家 FMCG 客戶，商務可信度會增加。
對你前面「Renova 1元→Ｏ元」的判斷，這是好訊號，
Renova 要翻倍，靠的不是 Vinasoy 單一客戶多賺一次，而是：
Vinasoy成功
→ AWS高層幫忙擴散
→ 其他 FMCG / 製造企業看見
→ Renova取得更多售前機會
→ 同模組複製
→ 獲利放大。
這是你要的「成長紅利」。
我會把目前 Vinasoy 的成熟度定義成：
技術驗證：已完成
Production驗證：已完成
KPI驗證：已完成
AWS官方背書：已完成
模組複製：尚待驗證
所以現在只差最關鍵的一步：Replicate。
如果1年看到第二家 FMCG 客戶採用類似的「拍照→識別→評分→行動」流程，那 Vinasoy 就不再只是 Renova 最漂亮的案例，而會開始變成真正的 Vertical AI產品母版。
AWS區域 Country GM Eric Yeo：
親自替 Vinasoy＋Renova 宣傳，最大的價值不是多一次曝光，
而是 AWS 正在幫 Renova 把這套方案
從「單一成功案例」推向「可複製的產業模板」；
一旦複製成功，這才是 Renova EPS 從1元往Ｏ元走最有想像力的路徑。
Eric Yeo
Country General Manager - AWS Malaysia, Vietnam, Cambodia, Laos, Myanmar | Sustainable Growth
9 小時 •
Here’s an AI story that starts not in a lab — but on a shelf at your local shop.
VINASOY, Vietnam’s No.1 soy milk maker, had a very physical problem: by the time their sales teams knew a product was missing from a store shelf, the sale was already lost.
Checking displays by hand took a 12-person effort and more than 20 days per cycle — covering only ~17% of stores, once a month.
Working with partner Renova Cloud, they built a generative AI solution on AWS that reads shelf photos (24 product variants, at 22 images per second — 1,300× faster than by hand) and scores them automatically.
The results, in two months:
🔹 Out-of-stock rates down 20%
🔹 Store coverage up from 17% → over 70%, now weekly instead of monthly
🔹 Compliance insights in 1-2 days, not 20+
🔹 A management sales report that took 3 days now takes ~5 minutes
As National Sales Director Mr. Lê Bá Bé put it: They now get answers in days and can act before a gap becomes a lost sale… this has freed our people to do what they do best.
The lesson I love here: you don’t have to be a tech company to win with AI. A traditional manufacturer put it into the core of how they run — and it paid off fast.
Renova 威力最強大的AI模組平台，可能就是Vinasoy，如複製成功就會吃到成長紅利，
AI答：
對，我認為你這個判斷很有可能抓到 Renova 最關鍵的成長槓桿。
Vinasoy 之所以可能成為 Renova 威力最強的 AI 模組平台，
不是因為技術最炫，而是因為它同時具備三件事：
1.需求夠普遍、2.ROI夠清楚、3.架構夠容易複製。
FMCG 幾乎都有同樣問題：
缺貨、陳列不合規、巡店效率低、照片人工審核慢。Vinasoy 已證明這套流程能把「拍照→辨識→評分→行動」真正跑進日常營運，而且有20%缺貨下降、17%→70%覆蓋、20多天→1–2天這類可量化成果。
更重要的是，複製到第二家客戶時，不需要全部重做。
通常只需更換 SKU 圖庫、陳列規則、品牌標準與既有 DMS 串接，底層 AWS、AI workflow、管理介面、告警與行動流程都能沿用。
所以它的經濟模型可能從：
第一家：高度客製專案，
第2-3家：模組化交付，
第5-10家：接近產品化平台，
如果做到這一步，毛利結構就可能比傳統雲端轉售漂亮很多。
我會把驗證分成一句很簡單的標準：
Vinasoy 證明技術，第2、3家證明可複製，5–10家證明平台化。
而且它還可以向上下游延伸：
零售巡店只是第一層，後面還能接包裝檢測、缺貨預警、需求預測、通路執行、製造品質。這才是它真正有「平台威力」的地方。
所以對雷洛7.4而言：
現在最值得追的不是 Renova 又參加多少活動，
而是 2027 年有沒有出現第二個、第三個 Vinasoy 類客戶。
結論：
如果 Vinasoy 模組成功複製，
Renova 就可能從「會做 AI 專案」跨成「能重複賣 Vertical AI 模組」；真正的成長紅利就在這一步。
博弘集團116/2027年EPS，估可參考上文底座（一、二、三）-核心曲線，
116年個人估：
博弘香港、新加坡、馬來西亞、上海與宏庭香港，估對116年的EPS影響不大，
ａ、新加坡、馬來西亞、上海∼影響不可能大，
上海：2026H1=+13千元2025=+77千元，2024H1=230千元-金額很小，
馬來西亞：2026H1=-8千元，2025=-383千元，2024=-3331千元-金額很小，
新加坡：2026H1=-293千元，2025=-697千元，2024=-485千元-金額很小，
ｂ、宏庭香港：2026年H1∼吃一次虧學一次乖，
博弘香港：底座還不錯，
一、宏庭台灣：
114年-底座3.2元佔博弘114年5.11元之62.62％∼獲利主力，
ａ、2025年EPS=3.2元，
=1.64元（H1獲利36249千元）+1.56元（H2獲利34431千元），
ｂ、2026年H1獲利39065千元EPS=1.77元，較114年同期（H）成長7.77％，
二、宏庭台灣：
115年H1=39065千元=1.77元，較114年H1=36249千元，宏庭台灣成長7.77％（39065/36249）
個人分析：底座，
博弘台灣：
ａ、115年H1獲利20196千元EPS=0.91元，較去年114年H1=1642（EPS=0.07元），成長蠻多的，
ｂ、114年H2獲利好轉+16514千元（EPS=0.75元），
趨勢上：0.07元∼0.75元∼0.91元（115年H1），
個人分析：底座，
博弘台灣獲利20196千元+宏庭台灣獲利39065，
115年H1獲利59261千元/22100.5，EPS=2.68元（115年H1的EPS），
三、Renova香港、越南：70％=115.3.31日，85％估115.12月，
Renova香港獲利8028千元+越南3650千元=11678千元=0.53元（115年H1的EPS），
Renova香港、越南估115年85％持股股權，
雷洛7.4：
博弘集團116年EPS，估可參考上文底座（一、二、三），
116年個人估：
博弘香港、新加坡、馬來西亞、上海與宏庭香港，估對116年的EPS影響不大，
5年-19年相對高低點-上層心法，1萬個人只有1個，
雷洛7.4：
芒格門（循環門）：主要是耐心，
5年「本事」-常人沒耐心，下跌3年+飆漲2年-等待時間，
絡達（6526）範例ｂ：
上漲2年：不動，
101.11.28日股價20元-104.7.8日絡達6526上興櫃股價213元，期間2年6個月，
20元-140元未上市：上漲2年不賣，
141.5元-213元：賣點是一個區間，散戶誤區-散戶張數少或持0股，誤認高點是一個點，絡達賣出：
141.5-151-161-171-181-191-203-203-213-213元分批酌出，
雷洛心法：
股票：耐心耐心耐心，房屋：地段學區、地段學區，
1.集中持股+壓大（雷洛只壓2支60％絡達、40％非台股），
2.持股5年-19年，
3、等核變-合奏效應，
博弘組織架構正在
從「賣雲＋接專案」轉向「多雲顧問＋Data/AI交付＋模組產品化」，「數據賦能處技術主管」∼把專案沉澱成可複製產品與模組，
這接近雷洛的第2條曲線的組織證據，
嗣後2-3年-觀察毛利率提升與EPS突破新高∼來驗證，
ｂ、循環門：5年-19年相對高低點-上層心法，萬分之一，
雷洛7.4：
充要條件：
5年「本事」-常人沒耐心，下跌3年+飆漲2年-等待時間，
絡達（6526）範例ｂ：
先跌3年：98.11月41.94元雷洛成本，101.11.28日未上市20元，
樣板∼核心價值∼新驗證∼母案例：
1、Vinasoy-零售、製造業，
核心價值- Operations AI，新驗證-缺貨 -20%、70%→100%、第二模組，Vinasoy 是「營運平台母案例」，
2、ACBS-證券業，
核心價值-Financial Decision AI，新驗證-12日 300萬美元交易價值、
1000+股票，ACBS 是「金融 AI 母案例」，
雷注：
觀察ACBS 本身有沒有：
1.更多投資者使用；
2.交易價值持續增加；
3.新的 wealth management / advisory module；
4.更多金融資料源；
5.voice / multilingual / predictive analytics。
Renova 官網已經把 predictive analytics、multilingual support、voice advisory 列為未來可能方向。
3、PNJ-珠寶，越南市占率56％，
核心價值- Commerce/Search AI，新驗證- Intent + Visual Search，
Vinasoy 利用生成式人工智慧零售監測技術，在兩個月內將缺貨率降低了 20%。
越南領先的豆奶生產商將其自動化陳列監控系統推廣至超過70%的門市，將評分時間從20多天縮短至不到兩天，以確保消費者需要產品時，產品能夠及時上架。
越南河內，2026年9月29日－越南排名第一的包裝豆奶生產商Vinasoy今日宣布，已成功部署基於亞馬遜雲端服務（AWS）建構的生成式人工智慧（Gen AI）解決方案。此解決方案可自動監控Vinasoy全國分銷網路中的零售展示情況，並在部署後兩個月內將缺貨率降低了20%。
該解決方案由 Vinasoy 與 AWS 高級服務合作夥伴 Renova Cloud 合作開發，每月監控覆蓋率提升至 70% 以上，是先前的四倍多。這使得 Vinasoy 能夠優化產品陳列，提升品牌知名度和可及性，並有效管理其整個分銷網絡的銷售業績。
「過去，我們的銷售團隊需要等待數週才能獲得陳列合規數據，等到拿到數據時，貨架問題已經造成了損失。現在，借助AWS的生成式人工智慧解決方案，他們只需幾天就能獲得答案，並能在問題演變成銷售損失之前採取行動，」Vinasoy全國銷售總監Le Ba Be說。
“這讓我們的員工能夠騰出時間專注於他們最擅長的領域，與零售商建立聯繫，並確保我們的產品觸手可及。我們才剛剛起步，我們相信這將成為我們整個供應鏈運營的基礎。”
Vinasoy致力於提升零售可見性：
，其產品陳列遍布越南 34 個省份的零售網絡，年銷售額達 4.8 兆越南盾。在部署 Gen AI 之前，員工每月需花費近 2000 個工時，透過公司分銷管理系統 (DMS) 手動對門市產品陳列圖片進行評分，每月僅涵蓋 Vinasoy 約 17% 的門市，且每家門市每月只能監控一次。完整的評分週期需要 20 多天才能完成。由於缺乏即時可見性，加上門市數量眾多，每月需要處理的圖片數量龐大，因此亟需一種全新的方法。
Vinasoy 與 Renova Cloud 合作，在 AWS 上建立了一個端到端的解決方案，透過三個步驟兼顧了速度和準確性：
1、採集：銷售人員在門市巡視期間拍攝產品展示照片，並上傳至Vinasoy的DMS系統。影像由Amazon SageMaker處理，該系統利用Vinasoy自主研發的影像辨識技術，能夠以每秒22張影像的速度辨識產品（例如，辨識Vinasoy牛奶不同包裝與規格的24種不同版本），速度比人工檢查快1,300倍。
2、評估：Vinasoy 的 Gen AI 解決方案由 Amazon Bedrock 提供技術支持，隨後根據已批准的產品陳列標準對每家門市的陳列進行評分。透過 Gen AI，即使照片拍攝不完美或貨架擺放不規則，系統也能進行推理，並提供準確的評估結果。
3、Act :合規評分會在一到兩天內送達 Vinasoy 的銷售團隊，速度比以前快 20 倍，使他們能夠大規模地識別和解決庫存問題和不合規的展示，並更接近於零售網絡的近實時可見性。
自部署以來，基於Gen AI的解決方案已大規模地改變了Vinasoy的零售營運模式。短短兩個月內，Vinasoy整個零售網路的缺貨率下降了20%。受監控的門市數量已超過70%，監控頻率也從每月一次提高到每週一次。
將 GenAI 應用於整個價值鏈：
零售展示監控解決方案是 Vinasoy 更廣泛的 AI 轉型策略的一部分。 Vinasoy 也將 AI 驅動的數據分析應用於銷售管理，以支援需求預測和分銷優化。以前需要大約三天才能完成的管理層會議銷售報告，現在只需大約五分鐘即可完成。
展望未來，Vinasoy將繼續在其端到端價值鏈中擴展人工智慧的應用，涵蓋從工廠車間到零售貨架的各個環節。未來幾個月，零售展示監控計畫進一步擴展至Vinasoy的所有門市。該公司目前也與Renova Cloud合作，在AWS上開發基於人工智慧的包裝檢測解決方案，用於產品包裝評估。
Vinasoy致力於人工智慧驅動的創新，並在AWS的支持下，不斷提高營運效率，確保消費者能夠在需要的時間和地點找到其產品。
「Vinasoy 的發展歷程有力地展現了快速消費品公司如何從人工智慧實驗走向切實有效的商業應用，」
AWS 越南區總經理 Eric Yeo 表示。
最初只是零售展示監控方面的一個簡單用例，如今已經取得了可衡量的成果。我們很榮幸能夠支持 Vinasoy 繼續探索人工智能提升運營效率的新途徑。
Renova Cloud執行長Doron Shachar表示：
每個企業都面臨著獨特的挑戰，我們始終從客戶的實際營運需求出發。我們很榮幸能與Vinasoy合作，共同開發一款契合其業務流程並提升零售執行力的AI解決方案。我們相信，此類合作將促進AI在越南商業界的更廣泛應用。
在 2026 AWS Cloud & AI Day Hanoi keynote 中（2026.9.29日），
AWS越南總經理Eric Yeo介紹ACBS智慧投資分析助手時提到的，
生成式AI如何支持更聰明的投資決策？
在 AWS 雲端與人工智慧日河內 2026 主題演講中，
Amazon Web Services (AWS) 越南國家總經理 Eric Yeo 強調，
越南領先的證券公司之一 ACB Securities Company (ACBS) 如何透過智慧投資分析助理將生成式人工智慧付諸實踐。
該解決方案結合 Amazon Bedrock 與 Anthropic ，
在前 12 個交易日內交易價值達到 300 萬美元，
並在超過 1,000 隻股票中達到 80% 的準確率。
主題演講的簡短重點。
雷注：
ACBS 從「AI研究工具做得好」升級成「AI工具已經開始帶出實際交易行為」，
如果 300 萬美元、12交易日後續持續放大，
再加上第2、第3個金融客戶，
ACBS 就會真正接近 Renova 的 Financial AI 平台母案例。
5年-19年「產業循環」或「大盤循環」，
投資投機兩相宜，個人叫他「埋伏門」
A級、Father Time always wins：
投資最高境界是找到能「讓時間替我工作的資產」，
例如大立光（2010.9月持股）、蘋果，巴菲特：Father Time always wins -4字箴言，
時間：20年-50年，時間替我工作-選股企業文化+競爭優勢/商業模式，
雷洛實戰：
沒有研究過巴菲特，Father Time always wins感覺可用-現在適合我，
我108年後改用芒格門，108年前我是「捏柿子門」，柿子挑軟的捏，
ａ級、循環門：等待時間，
心法：
芒格門：
21訣.延滯滿足（雷洛用到108-110年力智實戰）/第551頁、1訣.利空事件套利/第5頁.
88頁案例（1991-1987富國銀行壞帳增多，當年提取13.35億美元減值準備，淨利潤接近0，波克夏持續買進，1990-2025年賺90倍，
雷注：
ａ、呆帳發生年後-應該是買進，而不是賣出，
ｂ、最低限度-不要底部賣出，便宜了競爭對手﹖
ｃ、博弘2026年第2季宏庭香港提列9千萬元呆帳-類同，
300頁案例-美國運通，
5年-19年產業循環獲大盤循環，投資投機兩相宜，個人叫他「埋伏門」，
循環門/埋伏門：等待時間，絡達15年、力智5年、非台股19年，
舉例投機：非台股19年（2015.6.19日前19年）抓3次時間相對高點，2015.6.19日基金贖回，2008.2月基金贖回，2001.3月賣出B股（ＯＯ政策利多高點賣出），
架構成功案例
它證明 Renova「會做 governance-first architecture」，但還缺：
- 第 2、第 3 家銀行 / 醫療 / 公部門客戶
- 更明確的量化成果，例如部署時間下降、audit 成本下降、合規效率提升
- 可標準化複製的產品 / 套件
所以我會把它定義為：
第 3 條路線圖的第一個明確母案例，但平台化程度還落後 Vinasoy。
現在 Renova 三條路線，其實越來越完整
可以把它理解成：
1. AI Application
→ Vinasoy / PNJ / ACBS
2. Vertical AI Platform
→ RenoSight / FMCG / Manufacturing
3. Governance & Regulated Cloud
→ Canadia Bank / Landing Zone / DevSecOps
這三條剛好對應企業 AI 真正落地需要的三層：
應用 + 平台 + 治理底座
這比單純只有 AI 專案更有意思。
一句話：
Canadia Bank 讓 Renova 第 3 條「治理優先雲端架構」路線從概念正式進入案例驗證；現在三條 roadmap 都已有實戰證據，只是第 3 條還需要第 2、第 3 個受監管產業客戶，才能像 Vinasoy 那樣證明可複製性。
這三個樣板可以這樣看：
樣板 ∼垂直市場 ∼核心 workflow∼ 商業價值
Vinasoy ∼FMCG、零售、製造 ∼影像辨識＋GenAI評分＋零售監控 ∼10萬+銷售點、
20多天→1–2天
PNJ ∼零售、珠寶、電商 ∼Search Intent＋Visual Search ∼自然語言＋圖片找商品
ACBS ∼金融、證券 ∼GenAI研究搜尋＋投資諮詢 ∼即時研究、分析與諮詢現代化
ａ、思維：
1、博弘 = 通路、客戶、治理、跨雲、Data/Security、交付，
2、Renova-越南 = 垂直 AI 模組、實戰案例、東協場景 know-how，
ｂ、整合合奏：
如博弘只是講 AI 治理、Wingman、PoC→Production，
但沒有把 Renova 的垂直模組整合進來，那博弘還是偏顧問/SI，毛利提升空間有限，雲端轉售低毛利占比96％-要降低，
博弘能不能把 Renova 的 Vinasoy 技術變成集團可銷售產品。
博弘沒有 Renova 那種 Vinasoy 型垂直模組，
ｃ、博弘2026.9月併購 Renova-越南戰略價值；若Vinasoy 型垂直模組能跨客戶、跨國家複製，平台模組化毛利提升才真正能產生核變。
雷洛7.4注：
博弘總經理陳仲儒（115.9.30日博弘代重要子公司宏庭科技公告董事會一致推舉陳仲儒先生擔任董事長），
CEO Nextlink Technology · 正職 2026 年 9 月 - 現在 · 2 個月 亞太地區 · 混合型 Independent Transformation Advisor Smart-Pineapple AI/Digital Transformation Advisor 2025 年 11 月 - 現在 · 1 年
Microsoft General Manager Global Partner Solutions Taiwan 微軟公司 · 正職 2021 年 8 月 - 2025 年 8 月 · 4 年 1 個月
簡介：
陳仲儒（Jerry Chen）：
1、核心專長：擁有超過 20 年的大中華與東南亞市場經驗，專精於企業 AI 落地、雲端技術應用以及資安轉型戰略 Jerry Chen 官網。
2、重要經歷：曾任微軟台灣（Microsoft Taiwan）合作夥伴事業群總經理，並於 2026 年 9 月接任雲端服務商 Nextlink Technology（博弘雲端）的 CEO Jerry Chen LinkedIn。
🌐（直擊河內 AWS 盛會 / Live from AWS Cloud and AI Day Hanoi），
剛結束 9/29 河內舉辦的 AWS Cloud and AI Day Hanoi，今年大會的核心非常明確：
全面奔向 Agentic AI（主動式 AI） 的新時代。
AI 已經不再是科學幻想，而是企業的核心商戰武器。
在這場盛會中，最讓我驕傲的是博弘的家族成員 Renova Cloud 寫下了新歷史！🏆
深耕越南多年、與在地企業及 AWS 原廠共同成長的 Renova Cloud，
不僅在現場榮獲 AWS 年度大獎，
更正式晉升為 AWS 越南的 Premier Tier Partner（最高等級核心合作夥伴）！
這項官方最高規格的肯定，
代表博弘雲端集團在東南亞的 AI、大數據佈局與技術實力，已經跨入全新里程碑。
未來，我們將結合在地的厚實根基與博弘獨家的「AI 落地陪跑」顧問實力、
Wingman 平台，繼續帶領更多企業跨越 POC 階段，將 AI 轉化為實質的商業獲利。
感謝 AWS 團隊一路以來的支持，
更感謝 Renova 與博弘全體夥伴的拼勁。
東南亞的 AI 浪潮才剛開始，我們已經準備好了！
一、Vinasoy 是 Renova Cloud 在越南 AI 落地的代表案例。
Vinasoy 導入由 Renova Cloud 協助建置、運行在 AWS 上的生成式 AI 零售展示監控方案。系統上線 2 個月後，Vinasoy 的缺貨率下降 20%，每月監控覆蓋率提高到 70% 以上，展示評分時間則由原本超過 20 天縮短至 1–2 天。
雷注：
Vinasoy 是大型 FMCG、製造企業，同時具有龐大的零售通路，因此它橫跨「製造端＋供應鏈＋零售執行」3個場景，是 Renova 很好的 Vertical AI 母案例，這比單純叫「製造業平台樣板」更準確。
二、這個Vinasoy案例已經不是 PoC，而是實際進入營運流程。
雷注：2026.9.29日AWS大會AWS高層有於演講中提到Vinasoy，並於AWS官網專文介紹，
本文：
Vinasoy 原本零售展示資料收集與評分速度太慢，導致貨架問題無法及時處理。導入 GenAI 後，銷售團隊可以更快掌握門市展示與商品狀況，並及時採取行動。這表示 Renova 做的不是單純 AI Demo，而是已經把 AI 嵌入 Vinasoy 日常營運。
三、Vinasoy 還要把 Renova 的方案擴到 100% 門市。
文章指出，未來幾個月，Vinasoy 預計把零售展示監控擴展至 100% 門市。這代表目前的方案不是一次性小規模試驗，而是準備進一步 scale-up。
四、Renova 與 Vinasoy 正在開發第2個 AI 模組：包裝檢測。
文章指出，Vinasoy 正與 Renova Cloud 合作，在 AWS 上開發 AI 包裝檢查方案，用於產品包裝評估。這是非常重要的訊號，因為它代表合作已從：
零售展示監控 → 包裝檢測
開始出現「同一大客戶、多個 AI workflow」的情況。
五、Vinasoy 的 AI 應用正在從零售端往整個價值鏈延伸。
文章表示，Vinasoy 未來會把 AI 擴展到整個價值鏈，從工廠一直延伸到零售貨架。這表示 Renova 未來可能不只做 Retail AI，也有機會延伸到：
製造檢測、品質管理、包裝、供應鏈、分銷與需求預測。
六、文章把 Vinasoy 當成越南 AI 應用從「試驗」走向「實際營運」的例子。
越南目前約有 26% 企業採用 AI，但只有約 8% 已把 AI 真正整合進流程與業務；Vinasoy 正好屬於這少數已進入實際營運、而且有量化成果的企業。
Vinasoy 的價值不只是「一個客戶」，而是：
大型 FMCG 客戶 + Production AI + 量化成效 + 100% 擴張 + 第2模組 + 從零售往製造延伸。
總結：
ａ、這篇 2026.10/2 的越南財經媒體文章，把 Renova 的
Vinasoy案例定位成「越南企業AI從試驗走向實際營運」的代表案例，
ｂ、而 100% 門市覆蓋與 AI 包裝檢測，才是對 Renova 平台化最重要的2個新訊號。
雷注：幾個思維，
1.零售業平台樣板2.AI應用單一客戶深化3.單一客戶黏性，
AI應用趨勢才開開始，
Renova的Vinasoy製造業AI應用案例-已經取得實戰效果，越南當下只有2家快速消費品案例，1家Renova的Vinasoy客戶，
另一家為大牛乳公司-好像自行研發，
總結：
Vinasoy最重要的已經不是20%缺貨率下降，而是它同時開始證明 Scale（70%→100%）、Expand（第一模組→第二模組）與客戶黏性；下一步只差 Replicate-如果再複製2–3家大型FMCG／製造客戶，Renova的平台論就會從『可能』進入『初步證明』。
一、Vinasoy 證明 Renova 能做 Retail AI workflow，
二、ACBS 這篇開始證明 Renova 可能也能做 Financial AI workflow，若2條垂直賽道都出現第 2、第 3 個大型客戶，
Renova 的 AI 平台成功機率會明顯「再上一階」，
三、Renova 在越南銀行 / 證券 AI 的六類用例中，
目前最強的是 ACBS 投資研究助理這一類；雖然只是 1/6，
但這個「垂直場景」高度可複製，而且已經做到 production、合規、可追溯與量化成效，
1、機會：
把 ACBS 的投資研究 AI workflow 模板推向越南其他券商、銀行財富管理部門，再「進一步複製」到東協金融市場，
2、Vinasoy 是 Renova 的 Retail AI 樣板；
ACBS 很可能是它的 Financial AI 樣板，若第2-3家金融客戶、第2-3家類Vinasoy產業案例出現，Renova 的 AI 平台成功機率會再大幅上升（Vinasoy與ACBS），
3、投資判斷：
Vinasoy = Renova 的 Retail AI 樣板。
ACBS = Renova 的 Financial AI 樣板。
現在這2個案例最重要的價值，有 Production、明確 workflow、量化成果、可延伸架構。
如果未來再出現……證明：
Renova 已經具備跨客戶複製、跨產業複製的 Vertical AI Workflow 能力。
Renova 定位：往
Retail AI + Financial AI 的多垂直 AI 應用平台 / Enterprise AI Workflow 公司「明顯升級」，
1.Renova 官網目前明確列出 Phnom Penh 辦公室，
而且管理團隊中有 Cambodia Country Manager Sambath Chheng，另外還有一位在 BFSI/企業領域有 14 年經驗的 Senior Solutions Architect Chilim Taing。Renova 也曾在金邊舉辦 AWS 雲端遷移與現代化活動，專門面向柬埔寨企業。這說明它在柬埔寨不是「遠端接案」，而是有在地商務與技術佈局。
2.Canadia Bank 案例：
看成 Renova 柬埔寨據點開始收成果的一個重要例子，
Canadia Bank 與 Renova 建立 AWS Landing Zone，包含 Control Tower、Transit Gateway、Firewall、VPN、治理、成本控制等，而且官方明確說這只是未來 workload migration 與 cloud-native development 的基礎，不是終點，
這種客戶的好處是：
第一階段先做 Landing Zone，
後面還可能接 migration、DR、data platform、security、managed services，甚至 GenAI，客戶生命週期可能很長，
Canadia Bank-柬埔寨代表的是 Renova 在東南亞金融業的延伸，
官網成功案例2∼Vinasoy 成功案例，
Renova的2026.9月電子報，
AI敘事：
2026/9/11日電子報是 Vinasoy 案例進入第二階段，
官網成功案例，變成 Renova 對外銷售素材，
這比單純官網刊登再更進一步，
一、這代表 Vinasoy 已被 Renova 當成「主打樣板」，
你貼的文字重點是：
人工智慧實踐：從人工智慧理念到現實世界的影響，
成功案例：
Vinasoy從人工審核到人工智慧驅動的零售執行，這才是真正的 AI，
Renova把 Vinasoy 在官網後，而是開始拿它當成AI 應用落地的代表案例，已成為 Renova 對外說服客戶的「標竿母案」，
二、電子報目的：把案例轉成新商機，
想親自體驗一下嗎？掃描二維碼，即可免費獲得長達 3 個月的 Amazon Quick 使用權限，
這代表電子報目的是用 Vinasoy 案例吸引其他企業試用 Amazon Quick，再導入 Renova 的 AI solution 、workflow 服務，
它的銷售漏斗大概是：
階段 ∼內容
1. 案例吸引 ∼Vinasoy 2萬 POS → 10萬+ POS，
2. 痛點共鳴 ∼人工審核慢、門市多、資料回饋慢
3. 工具入口 ∼Amazon Quick 3 個月試用
4. 顧問介入 ∼Renova 協助找 AI 應用場景
5. PoC ∼建立客戶自己的零售 / 營運 AI 應用
6. Production ∼轉成正式部署，
7. 平台化 ∼複製到更多門市、更多流程，
Jerry Chen陳仲儒（雷洛7.4注：博弘新任總經理2026.9.7日起）
Evangelist of AI and Digital Transformation; Globe IT Sales & Ecosystem Leader; EX-Microsoft; PING AN; JD.com;
Evangelist of AI and Digital Transformation; Globe IT Sales & Ecosystem Leader; EX-Microsoft; PING AN; JD.com;
Jerry who owns strong Growth Mindset & Out of Box thinking spirit on new initiatives, Always demonstrate consistent passion and accountability with team and partners.
Jerry has Cross Boundary Experience : Fintech /Marketing / Sales ; Commercial / Consumer ; Online / Offline; Customer / Partner from strategy to execution level ;
Jerry Chen
Evangelist of AI and Digital Transformation; Globe IT Sales & Ecosystem Leader; EX-Microsoft; PING AN; JD.com;1 週 •
lnkd.in/gGy3ZWJD
I’m happy to share a new chapter.
Starting September 7, I’ll be joining Nextlink Technology as CEO.
After years across Cloud, Digital Transformation, and now AI, one thing has become clear to me:
The hard part isn’t knowing what’s next. It’s building it.
That’s why I like the name Nextlink so much:
Link to the Next.
Together with the team, I hope to connect our strengths in Cloud, Managed Services, Cybersecurity and Data with AI — helping customers move from PoC to Production, and from Technology to Business.
The ambition is big.
I’ve spent years giving advice on what leaders “should do.”
Now I finally get to test my own advice. 😄
I’m grateful for the trust, and even more aware of how much there is to learn.
Less about having all the answers.
More about building what’s next — together.
很高興分享一個新的開始。
9 月 7 日起，我將加入博弘雲端，擔任總經理。
從 Cloud、Digital Transformation 一路走到 AI，我愈來愈相信：
真正困難的，不是知道下一步是什麼，而是把它做出來。
這也是我很喜歡 Nextlink 這個名字的原因：
Link to the Next.
接下來，希望和團隊一起，把 Cloud、Managed Services、Cybersecurity、Data 與 AI 更緊密地串起來，幫助客戶把 AI 從 PoC 帶進 Production，從 Technology 帶進 Business。
目標不小。
過去很習慣告訴別人「應該怎麼做」，現在終於輪到自己驗證了。😄感謝董事會的信任，也感謝一路把公司帶到今天的團隊與夥伴。
我帶著一些經驗來，也帶著更多要學習的事。
Less about having all the answers.
More about building what’s next - together.
#Nextlink #AI #Cloud #Leadership #LinkToTheNext
4、 Renova 貢獻小而正符合預期，你列的 Renova：
項目 ∼數字
Renova 香港 H1 獲利 ∼8,028 千元
博弘 Q2 認列 Renova 香港 70% ∼2,450 千元
EPS 貢獻 ∼約 0.11 元
Renova 越南孫公司 H1 獲利 ∼3,650 千元
AI看法：Renova 不是 H1 EPS 的主角，但它是正貢獻，
Q2 認列 2,450 千元，EPS 約 0.11 元，金額不大，但意義是正面的：
第一、併購初期沒有拖累，
第二、Renova 本身是賺錢公司，
第三、越南營運公司未來成長彈性比目前數字重要，
第四、2026 年貢獻還小，真正要看 2027∼2028年，
5、若排除宏庭香港，H1 其實很好看：
H1 集團淨損是 -18,979 千元，宏庭香港 H1 虧損 -88,639 千元，
如果粗略排除宏庭香港這個扭曲項：-18,979 + 88,639 = +69,660 千元，
換算 EPS 約：69,660 / 22,100.5 = 約 3.15 元-分析用，但它很有參考價值，
意思是：
如果沒有宏庭香港大額信用損失，博弘 H1 核心獲利能力大約可達 EPS 3 元以上，
這和你原本推估「本業沒有壞掉」相符，
6、 Q2 的品質比 H1 更重要，Q2 EPS +1.46 元，其中：
項目 ∼Q2 獲利
宏庭台灣 ∼+22,473 千元
宏庭香港 ∼+3,381 千元
Renova 香港歸屬博弘 ∼+2,450 千元
博弘香港 ∼-237 千元
上海、馬來西亞、新加坡 小幅影響
Q2 最大貢獻仍是宏庭台灣，Renova 是小幅加分，宏庭香港轉正則是修復訊號，
所以 Q2 +1.46 元不是靠單一大額業外，而比較像：
台灣本業正常獲利 + 香港停止出血 + Renova 小幅貢獻，
這個結構比單純一次性回沖更健康，
7、財報3訊號：
第一、正常獲利能力仍在，
Q2 EPS +1.46 元，代表博弘仍有單季賺 1 元以上的能力，
第二、最大問題是風控，Q1 宏庭香港虧損太大，證明海外授信、應收、客戶品質控管是大問題，….資安暨維運擴編、客戶經理、SRE、PJM 強化，可能是治理修正，
第三、Renova 早期貢獻階段，目前 EPS 貢獻 0.11 元不大，如 RenoSight、ACBS 類似金融、零售 AI 案、越南 AWS Premier Partner 地位能放大，2027 以後才會有感，
8、AI總評：
表面偏弱，實質修復，表面偏弱，是因為 H1 EPS -0.86 元，
實質修復，Q2 EPS +1.46 元，宏庭香港不再擴大虧損，Renova 正貢獻，台灣本業穩，
總結：
博弘 H1 財報證明 Q1 是香港信用損失造成的財報扭曲，Q2 已回復正常獲利，
宏庭台灣仍是核心現金牛，Renova 是小而正的成長選擇權，後續關鍵在香港風控是否止血，以及 2027 年 Renova 、 AI 、 Microsoft 多雲綜效能否放大，
AI後續觀察排序：
第一、宏庭香港有沒有再提列，
第二、Q3 EPS 能否維持 1 元以上，
第三、Renova 越南獲利是否逐季增加，
第四、RenoSight 是否有新客戶，
第五、陳仲儒總經理上任後 Microsoft、 Azure、 Copilot 、 Security 案源是否出現，
AI對博弘 H1 財報的看法是：
表面 H1 EPS= -0.86 元，但真正重點是 Q2 EPS= +1.46 元，已回到正常獲利軌道，
H1 虧損主要還是Q1宏庭香港大額信用損失造成，並不是台灣本業或 Renova 拖累，
你的判斷大方向合理，
1、 H1 表面虧損，但 Q2 已恢復正常，
從你提供資料：
項目 ∼Q1 ∼Q2 ∼H1
本期淨利 ∼-51,159 千元 ∼+32,180 千元 ∼-18,979 千元
EPS ∼-2.31 元 ∼+1.46 元 ∼-0.86 元
結構很清楚：Q1 是一次性重擊，Q2 已轉回正常獲利，H1 還是虧損，是因為 Q1 洞太大，
看 H1 不能只看 -0.86 元，否則會低估 Q2 的修復力，
2、宏庭台灣仍是最穩定獲利核心，
你列的宏庭台灣：
項目 ∼獲利 ∼EPS 約
Q1 ∼16,592 千元 ∼0.75 元
Q2 ∼22,473 千元 ∼1.02 元
H1 ∼39,065 千元 ∼1.77 元
這是 H1 最漂亮的一塊，宏庭台灣 Q2 比 Q1 更好，代表台灣 Google Cloud 、 Alibaba Cloud 、 AI 、 雲端服務本業仍穩，
如果只看台灣核心，博弘集團其實不是弱，這點很重要，因為它說明：
博弘 H1 虧損不是台灣本業壞掉，而是香港風控事件把獲利吃掉，
3、 宏庭香港是財報最大扭曲項，
宏庭香港：
項目 ∼損益
Q1 ∼-92,020 千元
Q2 ∼+3,381 千元
H1 ∼-88,639 千元
Q2 轉為 +3,381 千元，你說「獲利或呆帳回沖」是對的，但目前要保守講：
可能是正常營運獲利也可能包含部分信用損失估計變動、回沖或費用調整，若沒有財報附註，不能直接判定呆帳回沖，但至少有一點可以確認，Q2 沒有再擴大虧損，這是好事，
宏庭香港如果 Q2 繼續虧，那 H1 會很難看，現在 Q2 +3,381 千元，代表最壞壓力至少暫時停住，AI看法：Q1 已大幅提列，Q2 沒有繼續出血，後續追：
應收帳款是否實際回收、是否還有追加提列、香港客戶授信是否收緊，
後續中，
5、治理改善選擇權：宏庭香港事件未必全壞，
宏庭香港 90,618 千元信用損失是壞事，但它可能逼出好結果：
授信控管變嚴、客戶品質篩選提高、應收帳款管理改善、
董事長接手過渡、新總經理導入職業經理人管理、
資安暨維運服務處強化 SLA、SRE、客戶經理、PJM，
短期看是損失，
長期如果把風控補起來，反而可能讓公司體質改善，
這很像你講的「核變模型」裡「減少洩漏」：
不是只追營收，而是避免壞帳、低毛利、風險客戶把獲利漏掉，
6、大陽被大立光併購：
你說「有點可惜」也合理，你的看法AI理解。
被併購通常給的是正常利潤或「合理溢價」，
單獨上市櫃如果遇到題材、鎖碼、主力、產業熱潮，可能有「泡沫高點選擇權」，
所以大陽被大立光併購，對你（雷洛）來說是：
確定性提高，但「上方想像獲利」被封頂，
這和博弘不同，博弘目前還在市場裡，理論上仍有：
ａ、成長選擇權，
ｂ、題材重估選擇權，
ｃ、AI 泡沫高點選擇權，
D、綜效選擇權，
E、併購整合成功選擇權，
但也因此風險較高，因為選擇權尚未兌現，
7、博弘目前最關鍵的觀察指標：
AI會把 2026年 Q4∼2027年 看成「驗證期」，重點看 6 件事：
第一、Renova 越南獲利是否逐季放大，不是只看香港控股層，而是看越南營運公司能不能成長，
第二、RenoSight 是否出現新客戶，第 2、第 3 個付費案例非常重要，代表「平台化」不是口號，
第三、Data 、 AI 產品化是否有成果，
PDM 招募後，要看是否出現標準方案、可複製產品、定價包裝，
第四、陳仲儒總經理是否帶來 Microsoft、Azure、Copilot 、Security 案源﹖這是第2成長曲線的核心。
第五、毛利率是否改善，如果 AI、Data、資安服務占比提高，毛利率應該要逐步改善，若仍只有 9∼10%，代表還是轉售為主，
第六、宏庭香港是否停止出血，若不再追加提列，甚至回收部分款項，就是治理改善加分，
8、AI看法：
博弘現在最有趣的地方不是現有 EPS，而是它正在累積多個選擇權：
ａ、Renova 是東南亞 AWS AI 成長選擇權。
ｂ、RenoSight 是垂直 AI 平台化選擇權。
ｃ、陳仲儒總經理 Microsoft、Azure 、Copilot 、CSP 綜效選擇權，
D、數據賦能處是 Data/AI 產品化選擇權，
E、資安暨維運擴編是 MSP/MSSP 黏性與風控改善選擇權。
AI總結：
博弘目前不是「獲利已經大爆發」，而是「多條成長選擇權剛開始同時打開」，
這很符合你（雷洛）的投資風格：
不是只看當下 EPS，而是看 未來 1∼3 年是否有「非線性重估」的可能?
但也要保持紀律：
如果 2027 年看不到 Renova 放大、RenoSight 新客戶、Microsoft 線成長、毛利率改善，那選擇權就只是敘事，
如果這幾條線同時出現成果，
博弘才可能從「正常雲端 SI」升級成「多雲 AI 解決方案成長股」，
AI敘事：
你的「選擇權」框架很適合拿來看博弘，但博弘和你過去的絡達、力智、大陽有一個差異：
絡達、力智、大陽比較偏單一主軸選擇權，博弘是多條選擇權疊加，但每條目前都還需要驗證，
所以博弘不是「已經很確定的高成長股」，而是：
低基期雲端服務商+ AI 應用早期 + Renova 越南成長選擇權 + 多雲綜效選擇權 + 治理改善選擇權，
1、博弘目前最像「多重選擇權組合」：
我會把博弘拆成 5 種選擇權：
選擇權 ∼內容 ∼目前狀態
成長選擇權 ∼AI/Data、RAG、Agent、RenoSight、ACBS、PNJ ∼有苗頭，需 2027 驗證
綜效選擇權 ∼博弘 + 宏庭 + Renova + 陳仲儒多雲整合 ∼剛開始
產品化選擇權 ∼從客製專案變 Solution/Product ∼招募 PDM 是正面訊號
治理改善選擇權 ∼宏庭香港呆帳後風控、總經理異動、MSP/MSSP 標準化 ∼正在處理
估值重估選擇權 ∼從低毛利雲端代理，重估為 AI/Data/多雲解決方案商 ∼尚未發生
你前面講的「新第 2 條成長引擎」，我會同意：
第1條是 Renova 、RenoSight 、AWS AI；
第2條可能是 Azure、Microsoft 365 Copilot、Security、CSP、OpenAI、Databricks 帶出的多雲 AI 成長曲線，這也是博弘陳仲儒總經理上任最重要的地方，
2、Renova 是「小而正」的成長選擇權，不是 2026 EPS 主菜：
前面 Renova 年化 EPS 若以目前上半年獲利粗估，對博弘貢獻不算大，2026 年它不是 EPS 主菜，但它的價值在於：
越南 AWS Premier Partner + GenAI 、AI Services 能力 + ACBS、 PNJ 、RenoSight 案例 + 東南亞中型企業最後一哩，
這比較像你過去抓「成長選擇權」的早期狀態：
現在 EPS 不大，但若 RenoSight 從 1∼2 個案例擴到 5∼10 個企業，或者 ACBS 模式複製到銀行、證券、保險，「價值會跳一階」，
所以 Renova 不是用 2026 EPS 看，而是看：2027 年有沒有從小獲利單位變成成長引擎，
3、陳仲儒總經理帶來的是「多雲綜效選擇權」：
你對 Azure、Microsoft 365 Copilot、Security、CSP 的判斷，AI覺得很重要，
博弘原本 AWS 色彩重，
宏庭補 Google Cloud、Alibaba Cloud，
Renova 補 AWS 越南與 AI 應用，
陳仲儒總經理補 Microsoft 生態、CSP、Copilot、Security、企業 C-level GTM，
如果整合成功，博弘就不只是「AWS 代理商」，而是：
AWS+GCP+Azure + OpenAI + Databricks + 資安 + MSP/MSSP +Data、AI 的多雲解決方案商，
這條線的想像比單純雲端轉售高很多，但關鍵是：
多雲不是把 logo 放在簡報上，而是要有可賣、可交付、可複製的方案，
例如：
Microsoft 365 Copilot 導入 + 企業資料治理，
Azure OpenAI、 OpenAI + 內部知識庫 RAG，
Security + MSSP，Databricks Lakehouse + AI Agent，
RenoSight+Teams、Power BI、M365 工作流，AWS Bedrock +Renova 行業案例複製到台灣，
這些若能形成方案包，博弘才有第2成長曲線，
4、「數據賦能處」招募，是產品化選擇權的證據：
你前面貼的數據賦能處 PDM 職缺，AI覺得含金量很高，因為它明講：
從客製化專案模式，發展可「規模化的解決方案」與產品，
這代表「博弘管理層」知道問題在哪裡，雲端 SI 最大問題是：
每個案子「都客製」、每次「都重做」、毛利不容易拉高，
如果能從既有客戶案萃取成模組，例如：
資料平台導入模板、RAG 知識庫模板、AI Agent 工作流模板、
CDP + GA4 + BI 整合模板、零售推薦 / 預測模型模板、資安監控 / 成本優化模板，
那就有機會從「人力專案」往「解決方案產品化」走，
這是博弘能不能從 EPS 5∼6 元升到 8∼10 元的重要差別，
後續中，
AI敘事：
Renova Q2 併表後已經是正貢獻，金額不大，但品質比金額重要，
它證明不是買進來就虧損拖累，而是有獲利能力，這點「符合你」原先對 Renova 的預期，
1、你的反推邏輯大致可成立：
依你提供的數字：
Renova 香港上半年獲利 8,028 千元，
博弘持股 70%，歸屬博弘約：8,028 × 70% = 5,620 千元，約 EPS 0.25 元。
你（雷洛）提到 Q2 博弘認列 Renova 香港獲利 2,450 千元，反推 Renova 香港 Q2 稅後獲利約：2,450 / 70% = 3,500 千元。
若 Renova 香港 H1 獲利 8,028 千元， Q1 約8,028 - 3,500 = 4,528 千元，這個推論是順的。
2、Renova 越南是孫公司，獲利先歸到 Renova 香港，按博弘持有 Renova香港 70% 認列。
2026 年化 EPS 約 0.73 元，
3、你用 Renova 香港上半年 8,028 千元乘 2，得到全年估8,028 × 2 = 16,056 千元。
EPS 16,056 / 22,100.5 = 約 0.73 元，
若到 2028 年持股 100%，同樣獲利水準下完整認列約 0.73 元 EPS，
4、AI敘事：
ａ、Renova 併入初期就賺錢，很多併購第一年會有整合成本、費用增加、組織磨合，能維持正獲利已經不差，
ｂ、Renova 的真正價值不在 2026 靜態 EPS，而在未來成長率，如果只是全年貢獻0.7 元 EPS，那只能說合理，真正有想像的是
RenoSight、ACBS、PNJ、Data、AI產品化後能不能把獲利放大，
ｃ、Renova 越南孫公司才是成長重點，
你這點判斷我（AI）同意，香港控股層本身不是重點，
越南營運公司才是客戶、團隊、AWS 關係、RenoSight、AI 專案與交付能力所在，
D、相對收購價格，年化獲利還算合理起點：
第一階段 70% 交易金額約 406 萬美元，若 Renova 年化獲利約 1,606 萬台幣，70% 對應約 1,124 萬台幣，靜態本益比不算便宜，但也不是離譜，
重點仍是買越南 AWS AI 「成長選擇權」，不是只買現有 EPS，
5、AI調整你的結論：
你（雷洛）的原結論：
感覺還不錯，合乎個人預期，Renova 越南孫公司未來成長預期相對較大，
AI修正：
感覺還不錯，但不是因為 2026 EPS 貢獻很大，而是因為併購初期 Renova 已正貢獻，
且越南營運公司具備後續 AI、AWS、RenoSight 成長選擇權，
比較精準的一句話是：
Renova 目前對博弘 EPS 是「小而正」，
真正投資價值在 2027∼2028 年能否從小貢獻變成「成長引擎」，雷注：新第2條成長引擎，
6、後續最該追的3件事：
第一、Renova 越南「獲利」是否逐季放大，
如果 H1 3,650 千元，全年只 700∼800 萬台幣，那還是小，若 2027 能明顯倍增，才有感，
第二、RenoSight 是否出現第 2、第 3 個付費客戶，這會比單季獲利更重要，因為它代表「產品化」可能成立，
第三、博弘取得 100% 股權前，Renova 獲利有沒有先成長，
若 2028 年持股 100% 時，Renova 年獲利已不是 1,600 萬，而是 3,000∼5,000 萬以上，那對 EPS 才會真正有感，
AI總結：
你的判斷方向對，現階段 Renova 是小幅正貢獻，品質好於金額，
若未來 RenoSight 與越南 AI 專案放大，才會從「符合預期」變成「超出預期」，
新任總經理陳仲儒，
前微軟台灣全球合作夥伴解決方案總經理，
專注於大中華與東南亞的企業轉型，與夥伴生態系佈局，
博弘Q2 單季 EPS = 上半年 EPS - Q1 EPS = -0.86 - (-2.31) = +1.45 元∼第2季獲利。
Q2 本業已明顯恢復獲利，但上半年仍被 Q1 呆帳拖成虧損。
1、Q2 單季其實賺得不錯-OK，
項目 ∼2026 Q1 ∼2026 H1 推算 Q2 單季
營收 ∼1,120,876 千元 ∼2,700,718 千元 ∼1,579,842 千元
毛利 ∼101,338 千元 ∼233,863 千元 ∼132,525 千元
營業利益 ∼-68,687 千元 ∼-32,588 千元 ∼+36,099 千元
稅前淨利 ∼-63,461 千元 ∼-20,062 千元 ∼+43,399 千元
本期淨利 ∼-51,159 千元 ∼-18,979 千元 ∼+32,180 千元
EPS ∼-2.31 元 ∼-0.86 元 ∼+1.45 元
Q2 淨利推算為 32,180 千元，以股本約 22,100.5 千股估，
Q2 EPS 約 1.456 元，
雷洛7.4：
如2027年單季維持1.456元*4季=全年估約5.82元，
機運轉折門-AWS製造出來的，AWS要獲利，Renova有本事、有機會，
請問：本文，
AWS將於2027年1月1日徹底停止開發者支援和業務支援服務，
請問：這對Renova有何影響﹖
以Renova的水平與機會來看，個人看法利大於弊﹖
AI敘事：
我同意：
以 Renova 現在的能力、客戶結構及越南市場位置來看，
這項 AWS 支援方案變更是利大於弊，而且偏向「中度以上利多」。
AWS 已確認 Developer Support、Business Support及
Enterprise On-Ramp將於2027年1月1日停止，
未來主要支援層級轉為 Basic、Business Support+、Enterprise Support及Unified Operations。
這會迫使既有客戶重新檢查帳戶、關鍵工作負載及支援責任。
一、為什麼對Renova的利大於弊？
1、這是一個涵蓋既有客戶的「強制盤點事件」，
一般雲端顧問，很難無緣無故要求客戶重新檢查：
AWS帳戶結構； 支援方案； 生產環境風險；災難復原； 24×7事件處理； 成本分攤； 集中計費。
但2027年截止日期，給了Renova一個天然理由，
可以重新接觸幾乎所有使用舊支援方案的客戶。
這種機會的價值在於：
AWS政策已經替Renova「創造了需求」與截止日。
它是一個能實際「轉成顧問案」、「遷移案及維運合約」的事件。
2、Renova的強項剛好位於AWS原廠支援之外：
AWS Business Support+提供的是AWS平台層面的AI輔助、24×7專家與主動健康洞察，每帳戶最低月費29美元。
但AWS原廠通常不會替客戶完整負責：
應用程式程式碼； 公司內部系統； 跨雲與地端環境；資料流程；越南法規及在地溝通； 業務中斷責任； 客戶自己的事件處理流程；跨供應商協調。
Renova位於中間，客戶第一線責任窗口：
→ Renova判斷是應用、架構、資料或AWS平台問題，
→ 必要時再升級至AWS Support，
Business Support+不是直接取代Renova，
反而可能讓Renova有更強的原廠後盾。
二、最有利的是Renova能把單一需求包成多項服務：
Renova貼文中提到並非只有「要買哪個支援方案」，而是一整套企業雲端治理問題。
一個支援升級案，可以延伸成：
1. AWS帳戶與Organizations健檢；
2. 工作負載重要性分級；
3. Business Support+與Enterprise Support成本分析；
4. 集中計費與FinOps；
5. AWS Health、Trusted Advisor及告警整合；
6. 災難復原與營運持續性；
7. Renova託管維運服務；
8. 安全與合規改善。
這符合Renova近年的發展方向：
• RenoZone：帳戶治理、安全及自動化；
• Renovisor：FinOps與成本可視化；
• Managed Services：持續維運收入；
• AWS Premier Partner能力；
• 銀行、零售、製造等企業客戶經驗。
所以這不是只有AWS轉售佣金，
而「有機會形成」：
顧問收入＋建置收入＋持續維運收入＋AWS用量成長。
一、這張圖是在展示 RenoSight Agentic AI 的零售貨架管理介面，
重點是 AI 不只「看出問題」，還會進一步「提出補貨建議」，
圖中兩項核心功能：
1、辨識缺貨與陳列位置錯誤：
英文：Identify out-of-stock & shelf placement issues ，
AI 分析貨架照片，找出缺貨、商品放錯位置或未依陳列規範擺放等問題。
2、推薦需要立即補貨的商品：
英文：Recommend products that need immediate replenishment ，
系統把辨識結果轉成待辦建議，指出哪些商品應優先補貨，
二、畫面中央是 RenoSight AI 助理的聊天介面，主要有兩種指令：
Compliance Check：檢查貨架、價格或商品陳列是否合規。
Order Products：依缺貨情況建議或協助處理商品訂購。
這張圖真正要傳達的產品流程是：
貨架影像 → AI 辨識缺貨、錯位 → 判斷補貨優先順序 → 建議訂購商品，
相較於單純的影像辨識，這已經往 Agentic AI（代理式AI） 前進：
RenoSight不只是回報「哪裡有問題」，而是進一步回答「接下來該補什麼貨」，
三、不過從這張圖本身，
1、只能確定它具有「辨識與推薦」功能；
2、尚不能證明系統會完全自動下單，
比較穩妥的理解是：
目前呈現的是「AI提出補貨建議」，再由人員確認或執行，
這與您之前的判斷一致：
RenoSight正在從「視覺合規檢查工具」，
升級成
零售現場「營運代理平台」，
6、我對這期電子報的總評，我會給偏正面評價。
正面原因：
RenoSight 敘事從「AI 視覺合規」升級為「Agentic AI 現場營運自動化」，
它開始講清楚具體 KPI：
70% 人工減少、3 秒識別、即時 KPI，
它不只講技術，而是講貿易行銷、零售、製造、安全團隊的實際痛點。
Renova 同時推 Quick、Kiro、Claude、AWS Support，顯示它在 AWS AI 生態裡跟得很緊。
7 月活動密度高，代表 AWS 合作和越南在地聲量持續。
保守點：
還沒有看到新客戶名稱，70% 與 3 秒需要公開案例驗證。
「立即採取行動」要看是否真的有派工、通知、追蹤、閉環流程，不只是 AI 建議。
RenoSight是否能從Vinasoy、PNJ類似場景，
擴展到第2、第3個產業客戶，是下半年重點。
結論：
你的感覺是對的：
RenoSight 的效果與定位看起來有進步。
這期電子報最重要的訊號是：
RenoSight 不再只是視覺辨識產品，而是在包裝成 Agentic AI 營運平台。
如果未來能證明它真的做到：
拍照→AI 判斷 → 自動建議 →通知現場 → 追蹤改善 →管理層 KPI →持續優化，
那 RenoSight 就會從「AI 工具」，
升級成「企業現場營運作業系統的一部分」，
這才是雷洛前面說的：
小公司「深耕垂直領域」、「快速卡進」企業流程、「形成黏性」，
所以我會把這期電子報視為：
RenoSight 產品化敘事明顯升級的正面訊號，
但真正財務價值仍要看 2026年 8∼10 月是否出現新客戶、新案例或明確導入規模，
AI回答：
有，這期電子報我覺得內容比一般行銷電子報有料，
而且你抓到重點：RenoSight 看起來從「AI 視覺辨識工具」往「Agentic AI 現場營運代理」升級。
這不是單純改名字，而是產品定位有進一步演化。
1. RenoSight 的進步：從「看見問題」到「推動行動」，
以前 RenoSight 比較像：
拍照 → AI 辨識 → 判斷貨架、品牌、SKU、安全裝備是否合規 → 產生報告。
這已經有價值，但仍偏「視覺 AI 檢查工具」。
這次電子報寫成：
即時監控營運狀況、自動執行檢查、接收 AI 驅動建議、立即採取行動。
這個差別很大。
它代表 RenoSight 正從：Computer Vision / 視覺辨識，
升級到：Agentic AI / 現場營運代理，
也就是不只是辨識「哪裡錯了」，而是進一步協助現場團隊知道：
哪裡缺貨、哪裡價格錯、哪裡貨架陳列圖不合規、哪裡 PPE 不合規、誰該處理、KPI 如何變化、管理層如何追蹤。
這才比較像企業真的會用的營運系統。
2. 「減少 70% 人工工作量、3 秒內識別」是更強的產品敘事，
這次電子報的數字很有感：
減少 70% 人工工作量。
3 秒內識別缺貨、定價、貨架陳列圖、PPE 合規問題。
更快巡檢、即時 KPI、現場與管理協作更緊密。
這些話比以前只說「AI 驅動視覺合規」更容易打動企業客戶。
原因是客戶不一定懂 GenAI、Bedrock、OpenSearch，但一定懂：
少派人巡店。
少漏看缺貨。
更快發現錯價。
降低營收損失。
降低安全風險。
管理層即時看到 KPI。
所以這次電子報的進步，不只是技術，而是商業價值表述更成熟。
3. 但要保守看：這還是產品宣傳，不等於已經大量成交：
我會正面看，但不過度解讀。
「70% 人工工作量減少」和「3 秒識別」是強行銷數字。它可能來自內部測試、特定場景或早期客戶結果，但若沒有公開客戶名稱、部署規模、使用門市數、實際 ROI，就還不能直接視為財報利多。
所以目前比較準確的判斷是：
產品敘事明顯升級，商業化成熟度提高；但是否已經大規模銷售，還需要第 2、第 3 個公開案例驗證。
4. 這期電子報最重要的不是單一功能，而是整體打法，
這期電子報其實透露 Renova 的 2026 下半年打法很清楚：
第一，推 Amazon Quick / Kiro。
這代表 Renova 緊跟 AWS 最新 AI 工具，幫企業做部署、入職、資料連接、角色權限、PoC。這是 AI 導入入口。
第二，提供 AWS Partner-led Support。
這是提高客戶黏性的服務。雙語支援、AWS 升級、成本/效能/安全優化、本地合約、越南盾開票，這些是很實際的企業服務能力。
第三，主推 RenoSight Agentic AI。
這是本期最有產品化想像的地方，從視覺辨識升級成現場營運代理。
第四，推 Claude + AWS 企業級 AI。
這呼應你前面提到的 Anthropic / Claude / Bedrock 方向：Renova 不做大模型，而是把 Claude 放進企業流程。
第五，密集活動曝光。
7 月份有 VMware 現代化、UOB FinLab、TECH59、峴港 AI 活動，
8 月又有 Conviction 2026。這代表 Renova 在越南市場的聲量與 AWS 協同仍然很強。
所以這期不是單純電子報，而是把 Renova 的定位講清楚：
AWS 最新 AI 工具導入商 + 本地支援夥伴 + Agentic AI 產品化解決方案商。
5. RenoSight Agentic AI 比 RenoZone / Renovisor 更有感，
這也呼應你前面的 NBA 類比。
RenoZone、Renovisor 是基本功：治理、安全、成本、FinOps。
RenoSight Agentic AI 是得分武器：直接進入零售、製造、安全、現場營運。
尤其這次電子報明確寫適用於：
貿易行銷、零售營運、商品銷售、製造業、環境健康與安全。
這代表 RenoSight 的市場不是單一零售，而是橫跨：
FMCG 品牌商、連鎖零售、工廠、物流、倉儲、安全稽核、現場管理。
如果它真的能複製，這就比一般專案型 AI 更有價值。
後續中，
AWS 、Pinterest 與 NVIDIA 、Cosmos 、Metropolis
都在推「視覺 AI」，但層級與方向不同，
AWS 、Pinterest偏「數位世界的視覺 discovery」，
NVIDIA偏「物理世界的視覺 intelligence、 physical AI」，
Renova 、RenoSight偏「企業現場營運的視覺合規 workflow」，
一、AWS、 Pinterest 是 C 端視覺發現：
AWS 貼文-Pinterest 擴大使用 AWS AI 基礎設施，支撐全球規模的視覺搜尋、個人化推薦、購物探索與未來對話式體驗-C 端場景，
重點圖片→理解偏好 → 推薦內容、商品 → 提升探索與購物體驗。
啟示：
AWS正在全球層級證明「視覺AI +個人化 + 雲端基礎設施」是重要應用路線，
二、NVIDIA 方向更廣-更偏物理 AI：
Pinterest -「看圖片、找內容」，
NVIDIA -「讓機器看懂物理世界，並能推理、預測、行動」。
NVIDIA 要做physical AI 的底層平台：
模型、模擬、視訊智慧、邊緣運算、機器人、工業部署。
層級 ∼代表 ∼核心用途 ∼主要場景
C 端視覺 discovery ∼AWS + Pinterest ∼視覺搜尋、個人化推薦、購物探索 ∼全球消費者平台
Physical AI 底層平台 ∼NVIDIA Cosmos 、 Isaac 、Metropolis 、Jetson ∼看懂物理世界、模擬、推理、邊緣行動 ∼製造、機器人、交通、基礎設施
B 端視覺 workflow ∼Renova RenoSight ∼視覺合規、現場稽核、流程自動化 ∼FMCG、零售、製造、倉儲、工安
ａ、Pinterest -視覺 AI 的 C 端大規模應用，
A級、NVIDIA 是視覺 AI / 物理 AI 的底層工具與硬體生態。
ｂ、RenoSight 是企業現場視覺 AI 的垂直落地，
四、NVIDIA 啟示：「製造業」機會大，
A級：NVIDIA 點名製造、移動、基礎設施、機器人，
代表全球「AI方向」從文字、聊天、辦公室，往「物理世界」移動，
ｂ、RenoSight 很有利：他核心就是物理現場，
貨架；冰櫃；工廠；倉庫； PPE； 5S；設備； 產線；品質； 安全，
RenoSight 不一定要做到機器人那麼重，
可先做比較輕量、「可落地」、ROI清楚「視覺合規自動化」，
A級、NVIDIA 做很大的 physical AI 底座；
ｂ、機會：Renova 可用 AWS AI 、電腦視覺、在地流程，
把其中部分落實到越南企業營運場景，
五、AWS 與 NVIDIA 差異：
比較 ∼AWS 視覺 AI ∼NVIDIA 視覺 / Physical AI
核心位置 ∼雲端基礎設施 + AI 服務 + 大客戶應用 ∼GPU 、邊緣裝置、模型、模擬 、視訊智慧平台
代表案例 ∼Pinterest 視覺搜尋與個人化 discovery ∼日本製造、機器人、SoftBank、Sony、FANUC、Hitachi
主要方向 ∼數位內容、推薦、企業雲端 AI ∼物理世界、機器人、工業、視訊 intelligence
Renova 意義 ∼AWS 生態支持視覺 AI 應用層 ∼證明製造、工業視覺 AI 是大趨勢
Renova 對應 ∼RenoSight on AWS ∼RenoSight 可往工業 AI 、現場 AI 靠近
NVIDIA 方向廣它不只是視覺搜尋，而是從視覺理解進一步走到：
感知 → 推理 → 模擬 → 預測 → 行動。
六、Renova 機會：
把全球視覺 AI 、physical AI 大趨勢，縮小到越南企業最痛的現場問題，做成「可交付、可合規、可複製」的「B端自動化workflow」，
ｂ、Pinterest 證明視覺 AI 可以大規模商業化，
A級、NVIDIA 證明 physical AI / 工業視覺智慧是下一波大方向，
A級、AWS 提供雲端 AI 基礎設施，
ｂ、Renova 用 RenoSight 做越南、東協企業視覺合規落地，
A級、AWS、Pinterest 是 C 端視覺搜尋與個人化 discovery，
A級、NVIDIA 、Cosmos、 Metropolis是更廣的 physical AI、工業視訊智慧與機器人底層平台，
ｂ、Renova的RenoSight 則是把這條全球視覺 AI 趨勢，
落到越南企業的B端視覺合規、製造現場、FMCG通路與流程自動化，
正好強化你對 RenoSight 「核變方向」的判斷，
AI回答：
你貼的這則 AWS LinkedIn，應該是在講 Pinterest 與 AWS 擴大合作。
重點不是 AWS 自己推出一個叫「Scaling Visual Discovery」的新產品，而是：
Pinterest 正在擴大使用 AWS 的 AI 基礎設施，來支撐全球規模的 AI 視覺搜尋、個人化推薦、購物探索與未來對話式體驗。
AWS、Pinterest 相關貼文提到，Pinterest 與 AWS 擴大戰略合作，包含到 2031 年計畫投入 40 億美元雲端服務承諾，這是 Pinterest 史上最大基礎設施協議；合作目標是強化 AI roadmap，改善搜尋、推薦、購物探索與新興 conversational experiences。
「AI 驅動的視覺搜尋與個人化發現」是什麼？
Pinterest ：就是使用者不一定用文字搜尋，而是用圖片、風格、場景、喜好來探索內容與商品。例如：
功能 ∼意思
視覺搜尋 ∼用圖片找相似風格、商品、設計、穿搭、家具、食譜
個人化發現 ∼根據使用者過去瀏覽、收藏、點擊，推薦更符合個人喜∼好的內容
購物探索 ∼從靈感圖片連到可買商品或類似商品
對話式體驗 ∼未來可能用自然語言描述需求，AI 幫你找靈感與商品
所以「Scaling Visual Discovery」的意思是：
把視覺搜尋與個人化推薦從單一功能，擴展成全球大規模 AI discovery platform。
Pinterest 的 CEO Bill Ready 也說，未來搜尋與發現會越來越視覺化、個人化、AI 驅動；AWS 合作提供更多 accelerated compute、硬體彈性與 cloud-native infrastructure，支援 Pinterest 持續改善 search、recommendations、shopping discovery 與 conversational experiences。
這和 Renova / RenoSight 有何關係？
這件事對你前面分析 Renova 很有啟示，但要分清楚層級。
ａ、Pinterest 是 C 端視覺發現平台：
使用者 → 圖片 / 喜好 → AI 推薦內容與商品。
ｂ、RenoSight 是 B 端視覺合規平台：
現場照片 → AI 判斷 → 是否合規 → dashboard → 管理者行動。
兩者不是同一個市場，但底層趨勢相同：
A級：
AI 視覺能力正在從「看圖」變成「可規模化的業務流程」：
ａ、Pinterest 用在搜尋、推薦、購物 discovery；
ｂ、Renova 用在貨架、冰櫃、工安、製造、倉儲、現場稽核。
一、對 Renova 的啟示：
這則 AWS 貼文其實強化了你（雷洛7.3）前面的判斷：
視覺 AI + 個人化、場景化 + AWS 雲端基礎設施，是 AWS 正在大力推的方向，
ａ、Pinterest 是全球級 C 端案例；
ｂ、RenoSight 若能在越南、東協做出 B 端版本，就是同一條大趨勢的垂直落地。
對照：
AWS / Pinterest ∼Renova / RenoSight
全球 C 端視覺發現 ∼越南 / 東協 B 端視覺合規
圖片找靈感 / 商品 ∼圖片判斷貨架 / 工安 / 缺陷
個人化推薦 ∼企業規則 / 合規標準
shopping discovery ∼field operations / retail execution
AWS 大規模 AI infra ∼AWS + Renova 在地部署
數億用戶規模 ∼多門市、多工廠、多照片規模
所以你可以把它理解成：
AWS 全球正在證明「視覺 AI 是重要應用層」；Renova 的 RenoSight 則是在越南企業場景裡，把視覺 AI 轉成營運合規與流程自動化。
結論：
ａ、這則 AWS 貼文主要是在講 Pinterest 擴大與 AWS 合作，用 AWS AI 基礎設施支撐全球 AI 視覺搜尋、個人化推薦、購物探索與未來對話式體驗。
ｂ、對 Renova 的意義是：
它不是直接替 RenoSight 背書，但它證明 AWS 正在全球推動
「AI 視覺搜尋、視覺發現、個人化 discovery」這條大方向。
總結：
ａ、Pinterest 是 AWS 視覺 AI 在 C 端 discovery 的全球大案例，
ｂ、Renova 的RenoSight 則可能是 AWS 視覺 AI 在 B 端營運合規的越南、 東協垂直落地版本，
AI回答：
這次增加後端工程師後，博弘AI交付中心已經出現一條較完整的組織鏈：
業務找案 → 顧問設計 → PJM管理 → 後端工程師開發 → 助理處理合約與回款。
訊號：
博弘不是只想賣AWS、GCP、Azure或提供AI簡報，
而是準備自行承接企業Data、AI與應用系統的設計、開發、整合和正式交付。
這也是從「低毛利雲端轉售」，
走向較高毛利SI、顧問及「企業AI服務」的必要基礎，
不過目前仍屬「建隊證據」，下一步要看的是，
工程職缺是否持續增加、是否出現具名AI專案，
以及「專業服務」占營收能否真的由4％向10％提升，
四、AWS不是另一種「攝影機視覺引擎」，
NVIDIA視覺代理對上AWS視覺代理
而比較接近：
NVIDIA提供視覺AI技術堆疊；
AWS提供雲端AI、資料、搜尋、無伺服器運算與企業部署環境；
Renova在AWS上建造RenoSight產品。
技術底座層
NVIDIA Metropolis、Cosmos、DeepStream、TAO
AWS Bedrock、Lambda、OpenSearch及其他AI／資料服務
應用產品層
Asilla、AWL等使用NVIDIA技術的產品
RenoSight使用AWS技術形成的產品
RenoSight應該與Asilla、AWL、Vaidio、Tapway等視覺AI應用公司比較，而不是直接與NVIDIA比較。
NVIDIA自己也把Metropolis生態：
分為系統整合商、應用程式供應商、系統製造商及解決方案供應商，顯示NVIDIA的角色是「生態系底座」，不是包辦所有最終行業應用。
五、兩者其實可以組合
未來完全可能出現以下架構：
攝影機、工廠設備
↓
NVIDIA GPU＋DeepStream
即時影像處理、物件追蹤、邊緣推論
↓
AWS雲端
資料儲存、Bedrock推理、OpenSearch搜尋、Lambda流程
↓
RenoSight
稽核、評分、警示、報表、派工、訂單
↓
企業ERP、CRM、銷售管理系統
這種組合下：
NVIDIA負責低延遲、大量影片與邊緣推論；
AWS負責雲端資料、生成式AI、系統整合與規模化，
RenoSight負責產業規則、客戶介面與營運流程。
所以它們不一定是替代關係，而可能是：
NVIDIA視覺引擎＋AWS雲端平台＋RenoSight營運應用。
六、RenoSight平台化判斷的意義：
這次NVIDIA的發展，對RenoSight有2面意義。
1、正面：
NVIDIA將視覺AI代理的底層工具做得更成熟，代表影像理解、影片搜尋、模型微調和邊緣部署成本可能持續下降。
RenoSight不必自行發明所有底層技術，可以把更多資源放在：
零售與製造業規則 、稽核流程 、客戶資料整合 、評分系統 、訂單與派工 、跨據點管理 ，
2、壓力：
底層視覺辨識能力愈標準化，單純的「辨識貨架、制服、安全帽」愈容易商品化。
RenoSight真正的護城河，不能只是我能辨識影像，已深入企業的稽核、評分、例外處理、派工、訂單及管理決策流程，
RenoSight重要價值：
不在電腦視覺模型本身，
而在能否成為企業的「視覺營運流程入口」，雷注：股價核變選擇權，
可以說是2種不同「技術路線、生態系」驅動的視覺AI 代理，
但不能簡化成 NVIDIA 代理對 AWS 代理，
更精確的說法是：
ａ、NVIDIA Metropolis＋Cosmos：
偏向視覺 AI 的底層技術平台、模型、GPU運算與邊緣部署工具鏈。
ｂ、RenoSight built on AWS：
偏向把視覺 AI 包裝成零售、製造、安全與合規的企業營運流程應用平台。
2者主要不在同一層，甚至可以結合使用。
ａ、NVIDIA：驅動「看懂實體世界」的技術引擎，
NVIDIA Metropolis提供的是一套完整視覺 AI 開發技術，包括：Cosmos視覺、世界模型 ，VSS Blueprint影片搜尋與摘要 、DeepStream即時多攝影機分析 、TAO模型微調 、GPU與邊緣運算平台 、合成資料、訓練、推論與部署工具 ，
新的Metropolis函式庫涵蓋資料管道、模型微調、影片推論、跨攝影機追蹤，以及從邊緣到雲端的部署；視覺代理可以觀看即時或錄製影片、以自然語言推理、發出警示、搜尋事件及採取行動。
因此，NVIDIA更像在提供：
視覺 AI 代理的引擎、零件、工具箱與運算底座。
例如：
• 歐姆龍可以用它做瑕疵檢測；
• Hitachi可以做智慧建築營運；
• 清水建設可以做工地安全；
• Asilla可以做公共空間異常行為偵測。
同一套NVIDIA底層技術，可以被不同企業做成不同產品。
二、RenoSight：把視覺能力變成企業工作流程：
RenoSight並不只是辨識照片中有什麼，而是把影像判斷接到企業的營運流程，例如：
貨架是否缺貨、商品陳列是否符合標準 、冰箱、品牌標誌是否符合規範 、員工是否穿著制服 、工人是否佩戴安全裝備 、現場是否完成稽核 、稽核結果是否需要警示、派工或形成訂單 ，
1、Renova：
RenoSight描述為建置在AWS上的GenAI視覺智慧平台，用來自動執行營運檢查、貨架完整度、品牌純度與工作安全判斷；其AWS架構包括Amazon Bedrock、Amazon OpenSearch Serverless與AWS Lambda。
2、Renova近期使用：
RenoSight AI Agent：從稽核到訂單，
代表RenoSight正在從「影像辨識工具」往「視覺驅動的營運代理」發展，RenoSight像已裝好引擎、針對特定企業工作設計的營運車輛。
三、差異：NVIDIA重「視覺能力」，RenoSight重「營運結果」，
比較
項目 NVIDIA Metropolis＋Cosmos ∼RenoSight＋AWS
主要
定位 視覺AI開發與運算平台 ∼企業視覺營運應用平台
核心
客戶 開發商、設備商、SI、
工業企業 ∼零售、FMCG、製造、
安全合規企業
核心
問題 如何讓AI看懂影片、
即時推論 ∼如何把影像變成稽核、
評分與行動
主要
能力 模型、GPU、影像管道、
邊緣推論 ∼流程規則、企業介面、報表、警示、訂單
部署
特色 強調GPU、邊緣、
攝影機即時處理 ∼強調AWS雲端、
企業系統與多據點管理
平台
層級 底層至中間層 ∼中間層至應用層
商業
價值 加速開發視覺AI產品 ∼直接改善企業營運指標
NVIDIA：AI如何看、如何理解影片，
RenoSight：看懂之後，企業要如何稽核、評分、警示及採取行動。
1、RenoSight：
是建置在AWS上的B端視覺合規與營運自動化平台，
將影像資料轉化為稽核結果、評分、異常警示、訂單與營運決策。
RenoSight定義：B端視覺合規營運流程AI驅動自動化平台，
作用：是幫企業「判斷現場是否合規，並推動後續工作」，
2、Pinterest：
「面向消費者」的視覺搜尋與推薦平台，將圖片與使用者行為轉化為內容發現、商品推薦與商業轉換，
定義：C端視覺AI平台，
作用：是幫消費者「找到想看的、想買的東西」，
3、NVIDIA：
目前將Metropolis定位為從邊緣到雲端建置、部署及擴充視覺AI代理的平台」，應用於智慧城市、製造、零售、物流及安全等場域，
其生態系統已超過1,000家公司，顯示產業並非空白，
但大規模標準化和商業模式仍在形成，
「視覺AI產業」不是剛誕生，正從第一代「辨識工具」，
進入第2階段確「營運AI代理」，確實還很早，
ａ、NVIDIA Metropolis：
推出全新開發者函式庫 加速打造由NVIDIA Cosmos驅動的視覺AI代理2026-07-18，目前包括
Asilla、AWL、富士通、Hitachi、歐姆龍、清水建設與Yazaki North America等工業與智慧空間領域的領導企業，
皆正運用NVIDIA Metropolis，
將視覺AI代理導入工廠、建築工地、街道、建築物及公共空間，
二、AWS：Renosight，
建置在AWS上AI驅動和電腦視覺技術，實現
影像偵測、門市評估和營運合規性監控-的自動化平台。
請問：NVIDIA與AWS是2種驅動的視覺AI代理﹖
六、未來可能形成3類視覺AI應用平台：
第一類：視覺工具與基礎平台
代表：
• NVIDIA Metropolis；
• Tapway SamurAI的一部分。
功能包括：建模； 訓練； 部署； 邊緣推理； 攝影機及模型管理。
這一層像「視覺AI作業系統與工具箱」。
第二類：產業營運平台：
代表方向：
• RenoSight；
• 製造品質平台；
• 工地安全平台；
• 醫療合規平台；
• 智慧建築營運平台。
這一層不只是認識影像，而是理解產業規則並執行流程。
它可能是未來最有商業黏性的一層，因為它嵌入：
SOP； 稽核； 訂單； 工單； ERP； 法規； 責任與證據。
第三類：消費者視覺平台：
代表：
• Pinterest；
• 視覺購物；
• 視覺搜尋；
• 個人化內容與推薦。
這一層主要透過流量、廣告和交易變現。
七、為什麼是「可能成為主流」，而不是必然？
未來仍有幾個限制，準確度與責任問題：
推薦錯一張圖片影響不大，但若工廠安全、醫療或交通判斷錯誤，
可能造成重大責任。因此高風險場景仍需人工覆核。
1、場域偏移：
同一模型到了不同工廠、不同光線、不同攝影機角度，準確率可能下降，需要重新蒐集資料及調整。
2、整合成本
真正困難的通常不是辨識模型，而是接上：
ERP； MES； WMS； 門禁；-工單； 政府資訊系統。
3、隱私與監控規範、
公部門、職場及醫療視訊分析會涉及隱私、員工權利、資料保存與監控邊界。
4、專案化風險
若每個客戶都需要重新訓練、重新整合，平台公司可能最終仍像系統整合商，無法產生很高的軟體邊際效益。
八、投資論述：
傳統Computer Vision已發展多年，
但視覺AI正在進入新的2二階段：
由單一物件辨識與警報，走向能理解現場情境、比對企業規則、觸發工作流程並追蹤處理結果的營運AI代理。
NVIDIA Metropolis：
提供模型、GPU、邊緣運算、串流分析與代理開發工具；
Tapway、RenoSight（博弘AI視覺和規軟體平台）、歐姆龍、Hitachi及其他企業則利用這套底層能力，開發面向不同產業的自有視覺AI平台。
未來5∼10年，視覺AI應用平台有機會成為企業數位化與實體營運自動化的重要主流之一，
主要動力：來自既有攝影機智慧化、人工監看效率低、邊緣推理成本下降，以及企業由「看見問題」走向「自動處理問題」。
產業成熟度：
領域 ∼成熟度
CCTV及基本影像辨識 ∼成熟
邊緣視訊分析平台 ∼成長期
跨據點視覺AI平台 ∼早期成長期
視覺營運AI代理 ∼早期
完全自主、低人工監督的營運代理 ∼非常早期
所以您（雷洛）的核心判斷成立：
未來5∼10年值得看好的，
不是再增加多少支監視器，而是讓每支攝影機、每張手機照片和每段現場影片，變成能理解、判斷並推動營運流程的AI入口。