INFINITIX · 報名策略分析

台灣精品獎「軟體類」得獎寫法 — 逆向工程分析

核心問題:許多得獎平台看起來「沒什麼特別」,為何能得獎?本報告從官方評選機制 + 實際得獎產品的官方描述,反推「得獎寫法 formula」,作為 AI-Stack 報名藍本 — CTA 為其一支撐點,非唯一賭注。

第33屆(2025)/ 第34屆(2026)官方名單窮舉 · 證據導向 · 內部決策用

!一句話結論

台灣精品獎(base 層)不是「創新競賽」,而是「品質 + MIT 認證 + 外銷品牌標章」,評選靠書面審查 + 簡報詢答 — 本質就是寫法問題。得獎關鍵 = 把產品對齊「研發 / 設計 / 品質 / 行銷」四維,每維各給一個量化證據點 + 台灣自研 framing + 謙遜差異化。AI-Stack 四維皆有料,不必、也不該把全部賭在未證的 CTA 並行賣點上;CTA 是「研發維」其中一個加分證據。

1為什麼「看起來平常」的平台也能得獎

獎的性質決定門檻 — 它要的是「值得對外行銷的台灣好產品」,不是「世界首創黑科技」。

① 它是「品質 + 附加價值認證 + 外銷品牌標章」,非創新競賽

主辦為經濟部 + 外貿協會(1993 起),base 的「台灣精品獎」=取得可對外展示的「台灣精品標誌」使用權 — 一個國家級品質印章,用於國際展會 / 外銷。所以它認證的是「夠好、值得對外推廣的台灣產品」。

② 評選是「書面審查 + 產品評鑑 + 簡報詢答」 — 寫法直接決定結果

初選 = 書面審查 + 產品評鑑;決選 = 書面審查 + 產品評鑑 + 簡報詢答。評審看的是你交的書面資料與簡報,不是跑你的程式碼。→ 這就是為什麼「寫法」是決定性的。

③ 評分要「四維均衡」,不是「單項爆表」

四項指標 研發 設計 品質 行銷 + 臺灣產製,必須均衡。一個「平常」的平台常代表「成熟、穩定、好賣、有客戶」→ 在品質 + 行銷 + 設計拿高分,即使研發新奇度普通,四維加總照樣過關。

④ 兩層結構 — 平常平台拿的是 base 層

層級數量(各屆略異)門檻
金質獎約 8–10 件需 standout 創新(菁英)
銀質獎約 20–30 件次級菁英
台灣精品獎(base)數百件(第34屆 336 件)夠好 + MIT + 自研 + 四維均衡 + 有市場即可
關鍵資格利多:官方明訂「上市未滿 3 年之量產工業產品」資訊軟體類除外 — 軟體報名不受 3 年限制。先前擔心的「AI-Stack 上市超過 3 年會卡資格」不成立。
來源:台灣精品獎(維基)、經濟部臺灣精品選拔要點、第33屆選拔須知 / 常見問題官網 PDF。

2得獎軟體 benchmark(第33/34屆官方名單)

第34屆(2026)BA 系列純軟體得獎完整名單(本機 pdftotext + grep 窮舉,14 件);CA 系列幾乎都是邊緣 AI 硬體盒,不列入。沒有一件是「GPU 算力排程平台」 → AI-Stack 品類仍是空白點。
編號產品公司屆別類別(競品對照)像 AI-Stack
BA013Multi-LM Tuner 多模態 LLM 微調軟體華碩電腦34屆
2026		LLM 微調 (類 NeMo / HF PEFT)🎯 最像
BA008Nous AI 數據治理平台偉康科技34屆 2026AI 數據治理 (類 Collibra)🎯 近
BA007Nous 智能洞察平台偉康科技34屆 2026AI 洞察 / 分析近
BA002DBMaker 關聯式資料庫管理系統凌群電腦33+34屆
2025-26		資料庫 (類商用 DB)中
BA003NETCenter Advanced 進階 IT 監控管理中心凌群電腦34屆 2026IT 監控 (類 Zabbix / SolarWinds)中
BA028ThreatVision 威脅情資平台杜浦數位安全34屆 2026資安情資 (類 Recorded Future)中
BA029ThreatSonar Anti-Ransomware 威脅鑑識回應平台杜浦數位安全34屆 2026資安 EDR / 鑑識中
BA014PhotoDirector 相片大師 AI 修圖訊連科技34屆 2026影像 AI低
BA015FaceMe eKYC 身分驗證解決方案訊連科技34屆 2026AI 驗證 eKYC低
BA020台達 DIATwin 虛擬機台開發平台台達電子34屆 2026數位分身低
BA005手術視訊整合紀錄直播系統醫位資訊34屆 2026醫療軟體低
BA026iRent 共享車平台和雲行動服務34屆 2026共享經濟平台低
BA047在宅急症照護遠端病人監測中華電信34屆 2026遠距醫療低
BA021 / 036 / 052企業級知識管理系統 / 碳管家 / Health健康+ 遠距診療名單未對齊,⚠ 待補34屆 2026知識管理 / ESG / 醫療低
證據等級:全部 14 件 = 第34屆獲獎名單官方 PDF 本機 grep 窮舉;公司對應多數已驗 grep 命中(DBMaker/NETCenter→凌群、Nous→偉康、ThreatVision/Sonar→杜浦、PhotoDirector/FaceMe→訊連、DIATwin→台達、手術視訊→醫位、iRent→和雲、在宅急症→中華電信),BA013→華碩為合理推定,BA021/036/052 名單未對齊待補。DBMaker 另於 33 屆(2025)得獎。
鐵證:這 14 件第34屆得獎軟體,沒有一件是「品類首創」 — 全是已有國際競品的成熟類別(LLM 微調 / 數據治理 / 資料庫 / IT 監控 / 資安 / 影像 / 醫療…),靠量化效益 + 認證 + 客戶實績 + MIT 自研得獎。→ 你不需要首創功能,需要把成熟產品的四維證據寫足。而 AI-Stack 的「GPU 算力核心類型排程」品類在 14 件中仍是空白,差異化更勝。
跨屆 formula 範例(措辭拆解見 §3):digiRunner / digiLogs / SysTalk(昕力,31-32 屆 2023-24)、Carbon Envision(精誠,33 屆 2025)。
來源:第33/34屆獲獎名單官方 PDF(本機 grep 窮舉);digiRunner 官方頁、DBMaker 官方頁、昕力 CIO 報導。

3逆向工程的「得獎寫法 formula」

把 digiRunner / digiLogs / DBMaker / SysTalk 的官方得獎描述拆開,每一篇都命中以下節拍。這就是「脈絡」。
  1. 痛點開場 → 釋放承諾 不講「我是什麼」,先講「解決什麼痛」。digiRunner:「將企業用戶從管理 API 的痛中釋放出來」。
  2. 量化研發證據(專利 / 標準 / 政府補助) 用數字證明研發,不空講「我們很創新」。digiRunner: 7 發明 + 3 新型專利、100% OpenAPI;DBMaker: 2 次經濟部科技專案補助。
  3. 量化效益 + 具名客戶實例 一眼可懂的數字 + 真實案例。DBMaker:「巴西農業合作社 Cotripal 伺服器負載 90%→40%」;digiLogs: 故障排除省到 1/6 時間;digiRunner: 開發效率 +90%。
  4. 品質認證背書 具體認證,不講「品質很好」。DBMaker: SEI CMMI ML3/ML5;軟體常見 ISO 27001 / 9001。
  5. 國際市場 / 通路實績(行銷維) 外銷國家 = 行銷分數。DBMaker: 日中泰越美巴義;昕力: 銀行 / 政府 / 越南 Sao Khue 獎 / AWS Marketplace 上架。
  6. MIT + 謙遜差異化 講「第一 / 獨家」但綁台灣自研,不講「世界唯一」。DBMaker:「第一套國人自製研發的國際品牌資料庫」;SysTalk:「獨家雙演算法」。
  7. 低導入門檻 / 向後相容 / 生態整合 降低採用阻力 = 設計 + 實用分。DBMaker:「舊系統使用者完全不需學新技術」;digiRunner: 整合企業內外服務、生態系。
  8. 四維均衡收尾 每篇都同時覆蓋 研發 + 設計 + 品質 + 行銷,不偏科。收尾常列 2–3 項核心效益(省成本 / 優化資源 / 提升互通)。

4AI-Stack 套用藍本(CTA 為支撐點,非唯一主打)

AI-Stack 四維皆有料。把每維對齊一個量化證據點 — 多數已具備,少數待 RD 補。
維度得獎需要的證據AI-Stack 可填什麼狀態
研發 專利數 / 標準 / 自研深度 / 政府補助 自研機器學習協作平台;CTA 核心類型感知排程(原始碼可驗);ixGPU 虛擬化;K8s 雲原生整合;已取得台灣新型專利 M675197「應用於異構圖形處理器環境之智慧化監測與管理系統」(6 模組;韓國案待確認) 有專利
(TW 已獲准)
設計 UX / 介面 / 低門檻 全圖形化 GUI、Dashboard 即時監控、零修改導入(標準 K8s 資源請求)、UI 點選設定 有
品質 ISO / CMMI / 可靠度機制 記憶體隔離防連鎖故障(OOM 自限);多租戶穩定性 ISO/CMMI 待 RD 確認
行銷 具名客戶 / 國際市場 / 通路 多個客戶之 RFP / PoC 接觸案例(華城電機、元大、關務署、馬來西亞 MCMC、柬埔寨、泰國…);「部署實績」與量化成效須由公司確認(RFP / 接觸 ≠ 已部署上線) pipeline 強·實績待確認
臺灣產製 台灣自研證明 數位無限台灣自主研發 有

CTA 該怎麼擺

AI-Stack 報名稿開場示範(套 formula 節拍 1–3)

「企業買了昂貴 GPU,卻常只用到其中一種運算核心、利用率僅 30–40%(痛點)。AI-Stack 是數位無限自主研發的機器學習協作管理平台,以自研之 CTA 核心類型感知排程,讓企業以更少 GPU 服務更多異質 AI 工作負載;已與 [多個電力 / 金融 / 政府客戶 — 名稱與部署狀態待公司確認] 進行 RFP / PoC 接觸,並具備 [ISO/CMMI 待補] 品質認證。」— 四維節拍一次到位(具名客戶與量化成效須查證後填入)。

5證據來源