應 材 cse的八卦，Yahoo名人娛樂都在討論

#瑪瑪衝浪板評測
夢裡才有的青蘋果高CP每日用復古版
NSP x Laguna Bay：#SleepWalker 9’4

請體諒本次文字量大包括前世今生
不少浪人對NSP印象停留超強塑鋼板
自從獲得新加坡投顧公司進場
已是起飛的嶄新衝浪板研製集團
來自夏威夷的NSP奠基於2001年
全名New Surf Project（NSP）
希望打造全新衝浪板計畫
成立Shapers Union與一流大師合作
包括夏威夷Carl Schaper（過去Bonga御用）
澳洲的Tully St. John與
Kym Thompson，Marcie O'Neill等
大多數NSP新產品使用CSE製程
CNC切割EPS為內芯可兼顧規格化與強度
與Laguna Bay聯名的Sleep Walker
是由來自澳洲的Tully St. John設計
材質維持傳統PU非EPS製程
強調適合日常各種浪況
實際在台灣北東西岸體驗兩個月後
有一些小心得與你分享

特色長處：
關鍵字是質感、鬆、彈性、規格化生產
板型上頭尾薄、深底凹槽、邊緣利、中段極厚
再強調一次由玻璃纖維材質製造
可做出複合材質很難做到的超薄頭尾
質感上透過眼睛欣賞就會懷孕
彈性亦是複合材質感受不到的活躍
越浪能讓你感覺是活的，富有生命力
板身厚達3寸擁有大浮力讓划水輕鬆
搭配剛好重量(7.38KG)與稍寬的板幅(23.25)
帶來妥當當穩定的安全感
少有機會在量產品上見到深長單一Concave
非裝飾有著實際駕乘幫助
在水面上幫助抬升極端明顯
板緣50/50設計有好有壞
表面拋光做工頗精緻用料不錯
遮住商標、細節應落在台幣5~6萬等級
拜進口商達叔佛心售價為36000（不含FIN）
大廠規格化生產理論上更有保障
首批內測搶先體驗發現舵槽安裝小問題
已反映廠家獲得修正，之後應該更安心

玩法感想：
借到手是9”4長度
寬又薄設計搭配單舵有復古味道
需要放慢節奏、拉高身體、集中重心
#讓它帶著你走…
它有自己的想法別硬凹腳開開
所有動作都提早準備
#板尾比板頭翹是澳洲板特色
追浪趴後面些即使浪捲都不怕丟
浪小板尾薄又翹需要壓低重心往前趴
板緣＋板尾設計比想像中的lose（鬆）
在浪壁上非卡死拉不出來
反而有點船底輕鬆轉向感
斜跑適合整體站前面些保持續航力
優點是轉向不費力
缺點是浪快又大的時候相對咬不住

適合浪型：
#一人以下緩浪
北海岸與西部南部浪況非常適合
快又捲的東岸夏天可以
趨近鏡面浪可完全發揮優勢
風大跳跳浪雖然有玻纖彈性＋concave
仍然極度考驗控制能力

適合對象：
各種程度玩家
#尤其人生第一張單舵長版
容錯度非常大，沒有板型帶來的癖性
卡住穩定性高練走板非它優勢
價格、易於轉向、練習抓重心才是它的長才

題外話：
大廠統一生產VS客製化訂製板
這是個很弔詭的命題、沒有孰優孰劣
#一切看玩家的程度而定
當你是有經驗的老玩家
客製化帶來的稀有耐玩保值度是考量點
當你還在努力培養經驗
#客製化或太小眾的玩具不等於厲害
因為客製化的另個面向就是差異性高
即便同樣的板型，
隨著代理商外文程度，當地浪況好壞
溫度濕度甚至削板師女朋友心情…
#每一張都會有差異
可能是尺寸，重心分布，板緣角度
甚至到港開箱才發現根本不是你的都有可能
削板師通常都是浪人嘛～總是比較隨心所欲
#量產品可有效避免這狀況
發泡統一生產、切削規格相同保證出錯低
覆蓋其上的纖維與膠的形狀不至於跑太多
讓溝通成本導致的錯誤降到最低
#穩定的品質讓浪人專心在技巧提升上就好
這就是NSP或其他大廠想幹的事
再強調一次客製化不是不好
#是要有心臟當作健達出奇蛋

綜合分數：
每項滿分10點，各評比互有衝突非越高越好
僅方便做另種判斷跟比較
容易上手度:9（容錯率很高）
板控炫耀度:6（CP值＋原廠產量不足）
購買難易度:8（這個價格又是大廠划算）
強壯堅硬度:3（Poly亮面＋板尾薄要照顧）
板頭駕乘度:6（很挑浪的位置）
甩來甩去度:6（比你想得靈活）
藝術收藏度:4（畢盡是量產品）
奇耙耐玩度:7（可以玩很久）
脫手保值度:7（數量不多＋大廠）
攜帶便利度:4 (材質需要多點照顧)
總點數：60

品牌: NSP
削板濕: Tully St. John
板型:Sleep Walker (夢遊者)
材質:Poly
長度x寬度x厚度x浮力x重量
9’4 x 23 1/4 x 3 x 78.1 L x 7.38KG
9’6 x 23 1/4 x 3 1/8 x 83.7L x 7.79KG
品牌資訊：
NSP - Surf and Stand Up Paddle Boards
價格含稅:NT36000(不含Fin)
聯絡方式:
FB： 許永達 Holiway 哈樂維
Line：holiway-da
IG：holiway.da

達叔非常熱心推廣衝浪與電動腳踏車
他住在台中，西岸朋友找他老人家聊聊😂
小朋友還可以在他腳踏車場地玩得很開心❤️

照片攝影感謝 Chris Wang王大哥
與 范森sup教學俱樂部

兩年前的文章，謝謝吳俊毅找出來分享。

我的大兒子是UCLA CSE (加州大學洛杉磯分校計算機科學與工程系）畢業的博士，他專注在移動應用軟體的開發。畢業後，他並沒有走入學術領域當教授，反而選擇進入企業，走軟體開發的技術路線。

他告訴我，在學校的教授每年都忙著寫論文，發表在專業雜誌或論壇上。如果沒有辦法找到大企業合作，通常教授的論文就會偏向理論，在發表過後，就永遠歸檔留存，無法商品化。

只有跟大企業合作，才能夠得到許多真實的案例和大數據，才能夠驗證教授論文中的理論和模型。但是和大企業合作，談何容易？由於牽涉到商業機密，如果不是很知名的教授，通常都找不到願意合作的大企業。

與其留在學校當教授，得不到企業的合作，每年寫一些理論性的論文發表，我大兒子選擇進入企業，接觸真實的商業領域，開發可以應用和使用的產品。

我的三兒子今年暑假從 UCSD CSE（加州大學聖地牙哥分校的計算機科學與工程系）畢業，八月下旬他就進入 USC（南加大）攻讀碩博士，他專注在 AI 人工智慧領域的類神經網路模型與算法。

他跟我分享人工智慧過去70年的發展，曾經三起兩落。最早在上個世紀50年代，就出現人工智慧這個名詞。經過一陣子熱潮以後，由於技術出現瓶頸，無法突破，因此逐漸衰退。

80年代透過「專家系統」的程序和「知識處理」的應用，「機器學習」（Machine Learning）成了熱門話題，人工智慧迎來了第二次流行。經過一陣子熱潮以後，由於做不到業界預期的應用，又逐漸冷卻了。

第三波熱潮開始於2006年，Hinton教授找到了解方，提出限制玻爾茲曼機（RBM）模型成功訓練多層神經網路，重新命名為「深度學習」（Deep Learning)，人工智慧的應用出現了一線曙光。

真正的爆發點是在2012年10月，Hinton教授的兩個學生參加了全世界最大的圖像識別資料庫 ImegeNet 的比賽，以深度學習的算法加上GPU圖形處理器的運算速度，一舉拿下第一名。

其實從 2007 年 ImageNet 比賽創辦以來，每年的比賽結果、每家都差不多，錯誤率大致落在 30%、29%、28%... 瓶頸一直無法突破。結果這兩位學生以 16.42% 的錯誤率遠勝第二名的 26.22%。

從此爆發深度學習熱潮。先是 Google 在 2013 年收購了 Hinton 和他的兩位學生的公司，接下來一堆企業爭相投入深度學習的研究領域。後來，2015 年的冠軍 Microsoft ，以 3.5% 的錯誤率贏得冠軍，超越⼈類的 5%錯誤率，發展快速，一日千里。

2016年3月，AlphaGo擊敗李世乭，成為第一個不讓子而擊敗職業圍棋棋士的電腦圍棋程式。2017年5月，AlphaGo在中國烏鎮圍棋峰會的三局比賽中擊敗當時世界排名第一的中國棋手柯潔。

我的三兒子說，人工智慧能夠發展到今天的這個結果，主要的就是靠大量的「伺服器運算」和大量的「數據學習」。

我以上所說的大兒子和三兒子的例子，主要的目的就是指出大數據的重要性。而擁有各種大數據的機構，不外乎政府和大企業。

在未來互聯網和人工智慧爆發的時代𥚃，大企業擁有大量的伺服器和大數據，跟新創企業比起來，大企業擁有絕對的競爭優勢。

可是回顧歷史，在高科技領域的競爭中，反而是許多新創企業打敗了跨國大企業。為什麼呢？除了創業家和專業經理人的不同心態以外，我認為最主要的原因就是大企業不會創新。

大企業空擁有大量的數據和各種競爭優勢，但是大部分的專業經理人卻不懂得怎麼樣利用這些數據，產生策略和行動。

在上一篇文章當中，我提到過，80年代中期，我在惠普台灣分公司，負責電子測試儀器和電腦系統的銷售部門，主要市場就是台灣的電子產業。

在成立我的這個部門之前，測試儀器和電腦產品是隸屬於兩個不同的產品線業務團隊。雖然台灣的電子企業是共同的目標客戶，但是這兩個不同產品線的業務團隊，彼此很少交流合作。

我的這個部門在當時也是一個創舉，是第一次把兩個產品線放在一個部門裡。部門剛成立時，我首先到這兩個不同產品線的客戶資料庫裡面去做了一些統計分析。

當我將所有的測試儀器客戶和電腦產品的客戶列表出來以後，發現只有30%的客戶是兩種產品都有採購的。也就是說，有70%的現有客戶，我們可以推銷另外一種產品。

在軍事上來講，現有客戶就是我們已經佔據的山頭，如果競爭對手要取代我們，就是要攻山頭。攻山頭和守山頭的兵力，至少10比1才能打成平手。

例如我們的測試儀器現有客戶，或許使用競爭對手的電腦系統，但是我們和競爭對手都在一個山頭上了，比起重新攻打一個新山頭，要容易得多。

因此，我就把大部分資源集中在這70%的客戶上面，訂出目標，列出行動計劃，努力把這些現有客戶攻克。

一年以後，我們把同時向惠普購買測試儀器和電腦的客戶比率，從30%提高到80%。再加上我們還有新開發的客戶，當年的業績達成率遠遠超過我們年初所訂的目標。

另外，我在客戶資料庫裡又做了一些統計分析。我把過去三年買過惠普產品（包含配件、耗材、軟硬體維修合同）的客戶，定義為「現有客戶」（Installed Base Customers）。然後把過去一年曾經買過惠普產品的客戶，定義為「活躍客戶」（Active Customers）。

結果我發現，「活躍客戶」只佔了「現有客戶」的40%左右。所以我把這60%，在過去一年沒有跟惠普有過任何交易的客戶，叫做「冬眠客戶」（Dormant Customers）。

很簡單的數學公式：活躍客戶數+冬眠客戶數=現有客戶數。

這些冬眠客戶到底發生了什麼事？過去三年曾經是我們的現有客戶，可是卻在過去12個月當中，沒有跟公司發生任何採購交易紀錄？這些就是所謂 Low Hanging Fruits，應該是垂手可得的產品銷售對象。

80年代中期，還沒有互聯網和手機等等的通訊工具。我唯一可以使用的就是電子郵件和電話。

於是我組識了一個小小的電話行銷（Telemarketing）團隊，主動打電話給這些冬眠客戶，一方面更新我們的客戶資料庫，一方面介紹、推銷我們的新產品。這個計劃就叫做「叫醒」（Wake Up Call）。

除了極少數已經停止營業的小客戶之外，我們發現，有一些現有客戶已經轉投競爭者的陣營，也就是說，我們攻下的山頭並沒有好好守住，反而讓競爭對手攻佔了。

其餘大部分的現有客戶，都是由於我們沒有主動去好好照顧，也不了解到底我們有些什麼新產品，也不知道應該採購一些零配件或消耗品，因此在過去一兩年都沒有提出採購的需求。

經過我們一個一個的「叫醒」以後，我們得到了很大的收穫，重新連結客戶關係、更新了客戶資料庫、提高了客戶滿意度、取得了許多新的訂單。小投入得到大成果，關鍵就在於我們懂得利用數據做分析，然後採取行動。

回顧過去的經驗和歷史，我也重新學習，並且和各位朋友分享我的總結。

1）在中大型企業上班的朋友們，公司裡一定有許許多多的資料庫和大數據，各位可以發揮各種創新和創意，加以統計分析，或是找到新的「市場區隔」，或是找到新的「行銷策略」，都會得到意想不到的收穫。

2）對於新創企業，或許可以嘗試和政府、大企業合作，取得他們的大數據，加上創業者的創新生意模式和產品技術，增加創業成功的機會。

3）前一陣子，在網路上有許多爭論，對於台灣是否適合在人工智慧領域創業和投資，有不同的看法。我認為，人工智慧的領域非常廣泛，台灣一定有機會的。

最重要的關鍵是，擁有大數據的機構未必能夠創新，而想要創新創業的年輕人，又未必能夠接觸到這些大數據。

因此，擁有大數據的政府機構和大企業，應該把資源開放出來，鼓勵年輕人利用這些大數據來創新創業。

政府除了開放所擁有的大數據資源給新創者之外，還可以訂定一些優惠政策，鼓勵大企業將其擁有的大數據資源，開放出來給新創團隊。而大企業也可以透過合作、投資，達到輔導新創，建立雙贏的結果。