從 Windows Vista 到 AI Pin:科技史上最慘烈的「超前部署」，台灣硬體代工廠學到了什麼血的教訓？

2024 年 4 月，Humane 的 AI Pin 正式出貨。一個月後，退貨率的數字開始在供應鏈圈子裡流傳。沒有人願意公開講，但跟幾位在新竹和深圳之間跑的朋友聊過之後，我拼湊出一個畫面:有些零組件供應商的倉庫裡，至今還躺著為這個產品備的料。

這個故事，台灣代工廠其實已經聽了二十年。

🎯 核心論點

台灣硬體代工產業的真正競爭力，不是「什麼都能做」，而是在過去二十年間被矽谷的願景型產品反覆教訓後，發展出了一套精密的「風險嗅覺」——一種判斷客戶的產品到底是真需求還是投影片幻想的直覺系統。這套系統不寫在任何年報裡，但它決定了誰能活過下一個週期。

📊 數據證據

先攤開帳本。

微軟在 Windows Vista 上砸了超過 60 億美元的開發成本，2007 年上市後的頭兩年，PC OEM 廠商面對的是「Vista Capable」標籤爭議帶來的大量退貨與客訴。當時廣達、仁寶、緯創的筆電事業部都被迫承受額外的庫存壓力——消費者買了貼著 Vista 標籤的低階筆電，發現跑不動，直接退貨。微軟內部郵件（後來在集體訴訟中曝光）顯示，連微軟自己的高階主管都承認低階硬體跑 Vista 是災難。但模具開了，線備了，貨也出了。

快轉到 2014 年。Amazon Fire Phone 定價 199 美元（搭合約），搭載四顆前鏡頭做 3D Dynamic Perspective 效果。這支手機最終讓 Amazon 認列了 1.7 億美元的庫存沖銷。代工方是富士康。坦白講，對鴻海這種體量的公司，單一產品的損失可以吸收，但更深的成本是機會成本——為 Fire Phone 配置的產線和工程資源，原本可以拿去接更確定的單。

然後是 2024 年的 Humane AI Pin，售價 699 美元加上每月 24 美元訂閱費。上市後媒體評測幾乎一面倒的負評，The Verge 直接下了「the worst product I've ever reviewed」的標題。Humane 隨後傳出以 7.5 至 10 億美元尋求出售（對比其累計融資約 2.3 億美元）。這個產品的組裝和部分零組件來自亞洲供應鏈，雖然規模遠小於手機，但對中小型供應商的衝擊反而更集中。

🔬 技術深潛

為什麼「超前部署」的產品特別容易害到代工廠？

這要從硬體開發的時間差說起。一個消費電子產品從設計定案到量產出貨，通常需要 12 到 18 個月。模具費用從數十萬到數百萬美元不等，專用的 SMT 產線配置一次也要燒掉幾週的工程時間。這些投入在產品上市前就已經沉沒了。

打個比方:代工廠就像是開餐廳的大廚，客人（品牌商）點了一道從沒做過的創意料理，大廚得先買特殊食材、改造廚房設備、反覆試做。等菜終於端上桌——客人說不好吃不要了。食材不能退，設備改造的錢也拿不回來。

Vista 的問題是軟體效能需求和硬體規格的錯配。微軟的 Aero 介面要求的 GPU 規格，低階筆電根本撐不住，但 OEM 廠商已經依照微軟的「Vista Capable」最低規格生產了數百萬台。這是一個上游軟體商的規格定義失誤，讓下游硬體廠集體買單的經典案例。

AI Pin 的問題則更根本——它試圖在沒有螢幕的前提下用雷射投影取代手機，但投影在日光下幾乎看不見，語音辨識延遲嚴重，而且缺乏應用生態。這不是製造品質的問題（硬體做工其實不錯），是產品定義本身就有致命缺陷。

⚔️ 競爭版圖

來看看台灣主要代工廠在面對「高風險概念產品」時的策略分化:

代工廠	策略	風險胃納	代表性案例
鴻海（Foxconn）	大量多元，用規模稀釋風險	中高（敢接新品類）	Fire Phone、多款 VR 頭盔
廣達（Quanta）	聚焦伺服器/雲端轉型	低（對消費電子概念品趨避）	2020 年後大幅縮減消費筆電比重
和碩（Pegatron）	緊跟大客戶，少碰新創品牌	中低	幾乎不接群募/新創硬體
仁寶（Compal）	穩健保守，利潤導向	低	曾吃過 Vista 退貨潮的虧

老實說，最有趣的轉變發生在廣達身上。這家公司在 2015 年前後做了一個關鍵決策:把重心從消費筆電轉向雲端伺服器和 AI 運算基礎設施。到 2025 年，廣達的伺服器/雲端營收占比已經超過六成。某種程度上，這就是被消費電子的「超前部署」產品反覆傷害後的戰略轉向——伺服器客戶（AWS、Google、Meta）的訂單預測遠比消費新創穩定。

🏭 供應鏈影響

往上游看，每一次「超前部署」的失敗都會在供應鏈上產生漣漪。

面板廠為 Fire Phone 的 3D 顯示開發的特殊模組，之後幾乎無法轉用。電池芯廠商為特定外型客製的電池包，換個客戶就得重新認證。更別提 PCB 板廠為異形板開的模具——這些東西不像螺絲釘，換個產品就能用。

但也有正面的影響。（這點很少人提到。）Google Glass 雖然作為消費產品失敗了，它的光學模組技術後來被部分沿用到企業版本的 Glass Enterprise Edition，而且催化了整條 AR 光學供應鏈的發展。台灣的玉晶光、大立光在微型光學元件上的能力，某種程度上就是在這些「失敗品」的歷練中磨出來的。

所以，血的教訓不全然是浪費。它是學費——只是有時候學費貴到讓人想哭。

🔮 未來情境

接下來幾年，台灣代工廠面對的最大「超前部署」風險是什麼？我看到三條路線:

情境一（樂觀）:AI 硬體需求紮實落地。 如果 AI PC、AI 手機、邊緣 AI 裝置的市場需求在 2026-2027 年真正爆發，那麼現在搶先佈局 AI 相關產線的代工廠會大幅受益。觸發條件:殺手級 on-device AI 應用出現，消費者願意為 AI 功能升級硬體。

情境二（基準）:溫吞成長，AI 功能淪為規格表上的勾選項。 這是最可能的劇本。AI PC 賣是賣了，但消費者不太在乎 AI 功能，換機動力主要還是靠 Windows 更新週期和企業 IT 汰換。代工廠的 AI 產線投資回收會比預期慢，但不至於虧損。

情境三（悲觀）:下一個 AI Pin 出現。 某個大品牌推出的「革命性 AI 裝置」重蹈覆轍，帶著整條供應鏈一起翻車。如果這個品牌是蘋果或三星等級的，波及範圍將遠超過 Humane。觸發條件:品牌商過度相信自己對消費者需求的判斷，把投影片簡報裡的願景直接送進量產。

⚠️ 我可能錯在哪裡

我的分析有幾個明顯的盲點。

第一，我把「超前部署」的失敗歸因於產品定義問題，但有些產品（比如 Vista）其實最終成功了——以 Windows 7 的形式。Vista 的很多技術基礎直接被 Windows 7 繼承。所以「超前部署」有時只是「時機不對」，不是「方向錯誤」。

第二，我可能高估了代工廠的「風險嗅覺」。真實的決策過程往往更粗暴——接不接單，很多時候就是看這一季的產能利用率夠不夠。閒著也是閒著，不如接了再說。這種「有總比沒有好」的心態，不是什麼精密的風險評估體系能改變的。

第三——也是最重要的一點——我用歷史類比來預測未來，但 AI 這波跟之前的幾波可能本質上不同。PC 時代的超前部署是硬體跑不動軟體，智慧型手機時代是使用情境不對。AI 時代的超前部署風險點在哪裡？可能是我們還沒看清楚的地方。

用一句話結尾:台灣代工廠最厲害的地方，從來不是把東西做出來。是知道什麼時候該把東西做出來，什麼時候該微笑著跟客戶說——你要不要再想想？

---