技術預測相關文獻

Porter et al.(1991)定義技術預測(Technological Forecasting)為「著重於技術改 變的預測活動」。因此技術預測者應將研究焦點置於技術在功能上變遷，或者創 新的顯著性以及實現時間。Martino(1993)為技術預測所下的定義是「針對有用的 機械、程式、或是技巧的未來特徵所進行預測(Prediction)」。具體而言，Martino 認為預測的內容應包含要預測的技術、預測的時間、對技術特徵的描述、及機率 的描述四個部分。此定義較強調技術預測在實務上的應用，而非只侷限於瞭解科 學上的知識。

技術預測的活動面臨著廣泛的不確定性，科學發展、政府政策、經濟發 展等因素均足以影響技術的發展。由於其所遭遇的不確定因素相當廣泛，因 此已促使學者們將各個不同領域的知識應用至技術預測的學域中，技術預測 方法相當多種。其中涵括定量（Quantitative）與定性（Qualitative）的方法，

定性的技術預測模型優點為可對未來的不確定性發展情形，做一個豐富的描 述，預測結果亦可與不同使用者相互溝通，交換意見；缺點為無法提供一個 客觀的預測結果，且預測過程中發生過多聯想，而易偏離預測主題；定性的 技術預測方法中以情境預測分析法最為知名。定量的技術預測模型優點為提 供一具體的、資料基礎的預測方式；缺點為過於偏重數量化參數的考量，而 忽略非數量化的參數，因此而遺漏重要因子（余序江等人，1998）。後進者 亦持續地提出新的方法，抑或是導入新的學理，如模糊理論與類神經網路等，

以修正既有方法。正由於技術預測的方法種類繁多、所根據的原理不盡相同，

因此有學者們嘗試將這些方法分門別類，企圖能解析出這些方法的脈絡。

Porter 等人（1991）指出技術預測常用來預測（1）功能特性的成長（2）

舊技術被新技術替代的速度（3）市場滲透率（4）技術的擴散速度（5）技術突 破的時間點與可能性等五項技術的屬性。因此將技術預測方法分為監控法

（ Monitoring ）、 專 家 意 見 法 （ Expert Opinion ）、 趨 勢 分 析 法 （ Trend Extrapolation）、模式法（Modeling）、情境法（Scenarios）等五大類。茲將這 五大類彙整於表 1，而這個分法可謂是目前最典型的分類方式，被其他專家們引 用的情況最為普遍。Martino (1993)則是整理出 11 種方法包括德菲法、類推法、

成長曲線法等，並且依據應用的方式歸類於探索性方法以及規範性方法兩大類如 表 2。Martino (1993)亦提出任何預測均有四種基本方法，技術預測亦不例外，

這四種方法分為別：外推法、領先指標法(Leading indicators)、因果模式法 (Causal models)、及機率法。然而，這四大類與他自己所整理的 12 種方法之間 並沒有很好的對應關係。余序江等人 (1998)以模型分析、專家判斷、整體分析 等三種類別來區分達 30 種技術預測的方法，並將情境預測、趨勢外插、類比方 法、因果模型與專家意見技術預測工具進行比較如表 3。

表 1、 Porter et al. (1987)對技術預測的分類與內涵

監測法

簡述：掃瞄與預測主題有關的環境資訊之過程。此法不是一個真正的預 測技巧，而是獲取及組織資料的方法。預先判斷資訊來源，然後 蒐集、過濾、並整理出結構。

假設：可取得環境中對預測有用的資訊。

優點：能從廣大的資訊來源中蒐集大量有用的資訊。

缺點：過多的資訊可能導致毫無選擇性、且無從整理。

使用時機：想要對某一領域維持瞭解，或為了提供預測活動所需的基礎 資訊。

專家意見法

簡述：蒐集及分析某特殊領域中專家意見。

假設：對於世上的一些事，某些個體比其他人知道得更多，因此他們的 預測將更會好。如果使用了多位專家，則群體知識更優於個別專 家的知識。

優點：此法能勾勒出專家腦中高品質的模式，且這些模式原來是不會或 不能向外人道之的。

缺點：專家的認定很困難；專家的預測經常出錯；向專家們所提的問題 經常很空泛或定義不清，且過程的設計亦嫌粗略；若允許專家間 交互影響，則預測結果可能被社會及心理因素所左右。

使用時機：當一領域中專家的確存在；當資料缺乏；當模式化是不可能 或很困難。

趨勢分析法

簡述：應用數理及統計的技巧將時間序列的資料延伸到未來。

假設：過去的情況及趨勢將會持續到未來。

優點：提供具持續性、以資料為基礎的定量參數，且在短期預測特別精 確。

缺點：需要大量的好資料；結果只有定量的參數；在劇變及不連續時無 法發揮作用；長期的預測結果可能令人有非常大的誤解；趨勢分 析並不標榜因果的機制。

使用時機：為了投射定量性的參數；為了分析技術的採用及替代情形。

模式法

簡述：將真實世界中某些結構與動態簡單化，可透過觀察模式的動態變 化來預測被系統化的行為。

假設：世界的基本結構及過程能以簡單的形式加以詮釋。

優點：能僅僅因突顯出系統重要細節而展示出一個複雜系統的未來行 為；某些模式提供融合人類價值判斷的架構；模式的建構過程使 建構者對未來複雜的系統行為有更佳的視野。

缺點：複雜的分析技巧經常掩飾了錯誤的假設；對定量參數的喜好勝過 定性的參數，因此易忽略重要的因素；如果基礎資料不夠，則結 果可能導致誤解。

使用時機：為了將複雜的系統簡化為可管理的表示式。

情境分析法

J. (1991) Forecasting and Management of Technology, New York: John Wiley & Sons, Inc., pp. 94-97.

表 2、Martino(1993)對技術預測方法的分類

所屬類別 預測方法

資料來源：Martino, J. P. (1993) Technological Forecasting for Decision Making, 3rd ed., New York: McGraw-Hill, Inc.

表 3、余序江等人（1998）技術預測方法之比較

法 得。 定，於是可結

表 4、各種技術預測方法應用的限制

限 制 應 用 技 術

參加者的選擇與偏差。 訪談、審察、專家意見、名目小組。

省略外部力量及缺乏起因理論，造成不 正確。

趨勢外推、時間序列、成長曲線。

必須知道未來變動原因的資料；

省略外部力量。

迴歸模型。

未能精確的描述複雜性，特別是長期。 計量經濟學、動態系統、模擬。

需要廣大的相關資料。 歷史類推、資料輸入/輸出。

資料落伍及不完整。 專利與文獻分析。

資料來源：吳顯東，MIC（2003）

2.1.1 技術發展的 S 曲線

若將技術績效當作縱軸，時間當作橫軸，其所顯現出來的結果如同一個 S 的形狀，即稱為 S 曲線。而技術進步的成果便是依循著這個 S 曲線發展，其中 表示技術績效的參數可以用任何一種特性，例如在電子產業中以密度(單位面積 下電晶體個數)來表示技術的成果，或以客機每小時的飛行速度。如圖 1 所示，

技術發展是經過技術生命週期(Technology Life Cycle)中三個階段：(1)新發明階 段，也稱為萌芽期；(2)技術發展階段，也稱為成長期；(3)技術成熟階段。當一 個新的或是績效更好的技術出現時，舊有的技術將被取代或是淘汰消失。技術的 成長速度在新發明階段較為緩慢，人們由初步接觸、瞭解至接受須經一段時間，

在新技術能力逐漸為人們知道的過程中，必須經過一段混亂與震動的不穩定時 期，使得市場佔有率無法攀升。而到了成長期，由於技術使用對象多已由初歩知 道而跨入實際使用階段，技術的發展持續並快速成長。現有市場的豐厚利潤導致 新競爭者加入市場，加以原有技術會逐漸過時淘汰，技術市場佔有率呈現一段穩 定飽和，而後衰退遞減，當技術成長的速度變慢，便進入技術成熟階段，在此時 期，技術已達發展的極限。當技術到達其自然的限制時，它將成為一個容易被取 代和衰退的成熟技術(Khalil，2000；余序江等人，1998)。

S 曲線所呈現的資訊主要分為兩個方向，過去歷史所呈現的績效動態與未來 預測的變動與走向，並找出發展的極限值。因此 S 曲線可實際應用的範圍大致分 為四個部分(余序江等人，1998)：

(1)新產品市場滲透率分析、探究其市場佔有率的增減變化。

(2)比較兩項競爭性技術的市場佔有率消長變化。

(3)分析該產品使用新技術的技術擴散情形，以探究技術替代的實質內涵。

(4)分析該技術的功能與績效特性，以探究技術能力的擴散情況。

自然限制

_衰退期

飽和期 技術成 熟階段

萌芽期 成長期

技術發 展階段 新發明

階段

技術績效參數

時 間

圖 1、技術發展的 S 曲線 資料來源：Khalil(2000), p. 81.

2.1.2 多重世代的技術發展

技術如同其他所有系統一樣，都有階級層次的架構。系統可以由許多子系統 組成，每一個系統都擁有許多構成要素。技術不是由一個單一要素組成或是從單 一創新所衍生出來的，而是可以由許多種類型的技術組成和從不同創新種類來產 生。例如個人電腦是一種技術並擁有其技術生命週期，然而其中也包含了許多子 系統。其中一個子系統便是微處理器，微處理器也可以視為一種技術，且同樣擁 有其生命週期。而微處理器擁有許多種類型態的技術或者子系統。舉例來說，微 處理器的技術是由 Intel 等公司所發展，並持續不斷地改善而產生了不同的產品 層級(從 8088、286、386、486 到 Pentium)。而這些創新的層級每一個都幫助微 處理得以延長它的技術生命週期，反過來說，個人電腦亦是如此，如圖 2 所示 (Khalil，2000)。

日本科學技術廳技術預測調查概要(1993)，指出日本從 1971 年開始，每 5 年進行一次大規模技術預測調查。日本政府組織的技術預測是從長期出發，調查 社會經濟需求，重視基礎性、先導性和萌芽技術，以及未來可能出現的技術突破，

其預測時間跨度 30 年，在具體實施中，對應用技術開發類項目，側重於中、短 期預測分析，並按產業歸類，這樣有利於技術預測結果在企業中的應用。同時，

對網路技術和資訊技術等發展很快的領域，進行更具體分類，更詳細調查，