周世恩

一個工程問題如何長成職業

周世恩的技術形成，有一個比「熱愛大數據」具體得多的起點。2015 年，他在臺大工程科學及海洋工程學研究所完成碩士論文，指導教授是黃乾綱。研究處理的是社群資料採集：內容一直變動，網路存取與運算資源有限，哪些訊息值得更頻繁地回頭觀察？⁴

論文摘要提出以使用者過去行為預測內容熱門度，調整爬蟲採集順序，試著保留較有觀察價值的變化。⁵

這種訓練提供了理解他後來工作的線索：資料的價值從來和取得它的成本分不開。更多資料並不自動意味著更好的工作；還得知道何時取得、多久更新，以及它與眼前問題有什麼關係。

2016 年的資料科學年會簡報，也保留了他跨領域的研究背景。他自述曾處理奈米、天文物理與海洋工程資料。更有意思的是，面對技術聽眾，他先談需求者與工程師如何合作，再進入爬蟲架構：工程師要確認來源穩定，專案端要判斷資料用途，雙方還得相信對方的專業。⁶

因此，從工程轉向社會資料，並不只是換了一批被分析的東西。海量訊息進入公司後，研究對象會提出回應，顧客會改變要求，平台也會改寫規則。他必須把對機器資源的安排，延伸成對人與組織的安排。

先有朋友的需要，才有公司的需要

QSearch 的早期故事不是一人獨自完成的。2013 年 INSIDE 訪問團隊成員 Alex 時，列出的起初成員是周世恩（Elliot）與 Alex，分別處理開發、行銷公關；來自 Cooliris 的行銷工作者天羽後來加入，協助整理產品定位。工具先在朋友圈流通，之後才逐漸學會面對不認識的使用者。⁷

2013 年的 flyingV 募資頁，留下了很小、卻很實際的經濟現場。團隊希望募集兩萬元支付伺服器，最後由 39 位支持者募得新臺幣 25,280 元。計畫特別說明，募款用於設備服務，而非開發者薪水；當時構想的收入之一，是售價 3.99 美元的一次付費進階版本。⁸

這些數字讓早期創業不必只剩下熱情。願意投入時間的人，仍然需要讓系統留在線上；工具有人使用，也不代表使用者已經願意負擔它的全部成本。早期的產品還接近個人資訊整理與記憶搜尋，後來企業付費的社群觀測服務，並不是它一開始就已確定的終點。

臺大的系友介紹把 2014 年標為他在碩士班期間成立創業團隊的年份。周世恩後來在《百工日記》訪談裡，則把公司成立說得很務實：參加創業與行銷活動時，發現有人需要粉絲分析與廣告應用，有了付費工作，才遇到開發票的需要。^{9, 10}

工具的使用者從朋友走向組織，周世恩也需要更了解採用資料的人。

商業教育發生在走出去之後

2014 年 Jeffrey Ling 的訪談，已經把個人搜尋和企業工具並列：一邊是找回 Facebook 內容，一邊是辨認受眾、追蹤話題與尋找有影響力的粉絲。報導將周世恩介紹為創辦人兼執行長，也記下 Roger Do 在團隊中的指導角色。¹¹

這不是單純增加幾個功能。當購買者變成企業或組織，軟體的說明方式就得改變。顧客不一定在意工程師如何取得訊息，更在意這些訊息會讓自己少花什麼成本、多看見什麼機會。

同年新加坡 Echelon 創業活動，成為團隊的重要學習場合。Roger Do 在兩年後回顧，五人團隊第一次參加這種會議，把簡報印在 T 恤背上，一面介紹、一面接廣告服務訂單；展後持續聯繫的人脈，逐漸變成客戶與合作夥伴。¹²

跨國工作由此有了相當具體的形式：先讓別人理解自己能做什麼，再讓一次相遇延長成反覆工作。英文、提案與客戶聯繫，都是技術能力要進入生計時必須補上的部分。周世恩的專業不是在公司內部完成之後才被帶出去販售；走出去的過程，本身也會改變專業。

2017 年，他被列入 Forbes 亞洲三十歲以下青年名單。這種能見度容易讓一段仍在摸索的工作史，突然看起來像一條理所當然的成功路線。¹³

但同年《數位時代》的訪談，呈現出比較沉重的另一面：他記得學生時期每月主機費約十萬元，正式創業後固定支出又增加；資料必須長時間累積、持續驗證，價值卻未必立刻出現。¹⁴

對學生創業者，費用與成果不同時出現：先承擔支出，才可能知道資料能否被使用。得獎不會消除這個時間差。

他真正熟悉的，是漂亮圖表以前的工作

周世恩 2016 年署名的技術文章，談的是雲端爬蟲的具體取捨：某種服務可以快速擴充，資料傳輸卻昂貴；另一種比較有彈性，但啟動較慢。排程要隨資料回傳量與互動變化調整，失敗的請求要重新安排，失控的流量還可能讓來源網站把系統擋下來。¹⁵

這種文字很能說明他的工作氣質。外界看到的是趨勢圖，工程師看到的是許多不能任其自行發生的細節。每一個看似平滑的更新，都倚賴成本、速度與失敗處理的協調。

Google Cloud 的歷史客戶案例，也把周世恩的判斷放在商業與工程交界：租用雲端能力，讓小團隊不必先購置完整基礎設施，便能測試服務；但系統仍須回應顧客對速度、穩定與費用的要求。這是供應商與客戶共同敘述的經驗，並不是獨立效能測試。¹⁶

這份職業能力因此包含一種不醒目的節制：知道哪些部分值得自己做，哪些交給既有基礎設施，以及什麼樣的承諾會讓公司付不起代價。

他也沒有把產業理解視為寫程式以外的裝飾。《數位時代》記錄他談到新同事趙維孝的經濟學與媒體研究經驗，認為這有助於理解媒體、公益組織的需求。他對準備創業的資料工作者提出的建議，是先進入某個產業，認識那裡真正需要解決的問題。¹⁷

產業經驗因此會參與技術決定：哪些資料值得取得，哪些比較才有意義。這個判斷不能只由程式完成。

小公司如何讓不同的人一起工作

2019 年《百工日記》的訪談記錄，讓人看到周世恩管理的並非一支背景整齊的工程師隊伍。當時成員橫跨資訊、化學、戲劇、經濟、傳播與法律；遠端工作配上固定週會、同儕批評與會議紀錄，招聘則看實作、除錯和作品細節。¹⁸

共同創辦人蔡汶成承接了另一部分工作。2021 年臺灣工商心理學學會的介紹，將他列為商務總監，說明他如何協助企業運用社群資料理解市場。¹⁹ 這個分工讓周世恩的經營史更具體：工程能力需要商務夥伴，顧客的問題也需要有人持續翻譯，才能成為團隊共同處理的事情。

他的辦公室回憶，比任何團隊合照更能表現這種成長。TeSA 轉載的喬遷貼文中，他描述最初遠端工作、在咖啡店碰面，之後才有商務中心小房間與開放式辦公室。舊空間不適合接待，名片甚至不印地址；換到較大、有隔間的地方後，終於能邀人來坐。²⁰

辦公空間的變化，也改變接待客戶與夥伴的方式。這份生計依靠運算，同樣依靠能把問題說清楚的談話。

周世恩當時也強調，創業五年半沒有引入外部投資人。這描述的是他對股權融資的選擇，不能擴張成完全沒有外部資源。²¹

早期群眾募資已提供伺服器經費；2018 年文化部也核定當時公司多利曼的電影社群數據計畫補助 422 萬元，核定金額並不等於實際撥付。^{22, 23}

比較準確的獨立，是在不同資源之間維持經營選擇。它可能包含客戶付款、合作者知識、公共補助與基礎設施供應者，並不要求把周圍所有支持都從故事裡刪掉。

一直在場的工程師

經營工作增加，並沒有使周世恩完全退出技術製作。2018 年申請、2019 年獲准的「特徵預測系統及特徵預測方法」專利，把他與李宗翰列為共同發明人。方法利用少量特徵已知的帳號，以及不同群體間的行為重疊，推估其他帳號的特徵分布。²⁴

文件把未知、已知與預測狀態分開，這個區分非常重要。資料分析看起來像在揭露一個人的本質，實際上可能是在特定假設下推估機率。能用來協助安排廣告，不表示已經完整理解了被分類的人。

另一件 2022 年申請、2023 年獲准的文字辨識專利，則列出周世恩與楊雅汝。它處理影音畫面裡的文字辨識，讓難以直接搜尋的視覺材料，能被轉成可處理的資訊。²⁵

這兩件具名工作，讓他的技術參與不必只靠「創辦人懂技術」這種形象來支撐，也提醒人不要把所有成果收攏到他一人身上：發明是共同完成，權利登記在公司，實際部署與商業效果又是另外的問題。

從論文的採集排序，到行為特徵推估，再到影音文字，連續的工程關注是如何把原本難以掌握的訊息，變成可以被檢索、比較與使用的材料。但每一次轉換也會失去東西：語境、例外、沉默，以及一個人沒有在公開平台說出的部分。

政治給他的機會，也給他的負擔

2014 年柯文哲選戰，是周世恩早期取得公共能見度的重要場合。它也讓一種技術服務迅速被媒體人格化：複雜團隊中的分析工作，被濃縮成「軍師」。²⁶ 這個稱呼很容易讓顧問、工程師、文宣與候選人的不同責任混在一起。

周世恩在《報導者》訪談裡，曾以當年的動物保護政見為例，說明如何依照使用者對相關內容的互動辨認受眾，再測試不同訊息的反應。可以確定的是，他把選舉當成資料分析的實作場域；廣告互動成效並不能單獨證明誰造成了勝選。²⁷

政治關係也可能在服務之外產生後果。2015 年，媒體報導市長室專員邱昱凱向兵役局詢問，能否協助友人周世恩到北市府服替代役。市府發言人表示這種關切不適當，邱隨後請辭；當時市府也表示，分發有中央規定的程序，柯文哲事前不知情。^{28, 29}

這些報導並未足以確認周世恩最後的分發結果，也不能據此認定他曾要求違法處理。事件對人物理解的重要性，在於他已身處技術、私人交往與政治機構交疊的位置；一旦進入這個位置，公眾就不會只用程式是否有效來看待他。

他的專業往往在幫人增加行動能力。當委託者是政治人物時，增加的是影響公眾的能力，所需承擔的責任，也會超過一項一般軟體功能。

當平台改變了規則

對周世恩而言，Facebook 既是機會來源，也是公司無法單方面控制的工作環境。2018 年平台收緊資料介面後，他在次年的訪談中直接說，關閉 API 對公司造成了不小的經濟損失。³⁰

這使創業自主性的另一個限制變得清楚。即使沒有引入外部投資人，也不代表可以自己決定全部命運；資料取得的規則、雲端的計價方式、使用者移往哪裡，都可能迫使經營者重新安排工作。

QSearch 後來在 2020 年推出 Trend+，公司回顧說，自 2018 年起逐步加入不同社群、論壇與新聞資料，經過與夥伴討論、測試，再整合成新的介面。這個轉變同時面對受眾分散與平台變動，不能只歸因於單一事件。³¹

對分析者而言，跨平台也不只是增加資料量。例如，同一商品的討論可能是在抱怨，也可能是在刊登轉售；數字相似，工作的意義卻不同。這正如 Trend+ 示範中的 Switch 討論，需要回到貼文分辨聲量增加的原因。³²

Cloud Ace 的 2022 年客戶案例記下一次更平凡的教訓：團隊擴展分析時，因未充分理解 BigQuery 計費與缺乏警示，收到超出預期的帳單，之後補上訓練與成本控管。案例中周世恩強調的，也是分析價值與費用之間的衡量。³³

這不是一個每次都靠遠見提前布局的創辦人故事。有些能力是在損失之後才被做進組織裡：把個人知道的注意事項，變成其他人也能遵循的流程，才可能讓公司不必反覆付同一種學費。

他如何替自己的工作辯護

2019 年，周世恩在公司部落格署名長文，回應《個資風暴》與劍橋分析爭議。同頁的公司導言表明需要道德與法律規範；周世恩在署名正文中，則把部分反彈理解為尚未掌握工具者對新效率的不安，也坦率提到對劍橋分析商業收費能力的羨慕。³⁴

他對籠統的污名化不耐；可是「工具有效」，無法回答人是否知道自己被分析，以及誰有權利用分析影響他。

同一篇署名文章裡，周世恩又反對用單一時間點猜中選舉，就宣稱自己精準預測；他主張把社群變化與民調趨勢相互比較。³⁵ 這表明，他對數據既有強烈信心，也知道分析不能脫離時間與對照。

讓資料回到公眾面前

周世恩的公共參與也有另一種方向。2020 年，QSearch、Re-lab 與臺北市青年事務委員會共同參與《素顏臺北｜數言臺北》城市數據展。市府的論壇介紹將他列為青創組召集人，記錄他希望公部門練習把資料攤開，讓民眾與政府有更好的對話。³⁶

2021 年第七屆青年事務委員會名單，再次列他為專家委員。³⁷ 這些身分使他不只是在外部出售觀測工具，也進入公共機構討論資料如何被使用的場合。

市府介紹的論壇設計，讓市民看到高齡化、貧窮與治安等數據後，以移動位置表達判斷，觀察自己與別人的差異，再討論各自的在乎。³⁸ 這個安排使數字成為談話的起點：資料可以相同，人對好壞的理解卻未必一致。對提供分析的人而言，這要求他為異議保留位置。

劉致昕在 2021 年《真相製造》書摘中，引述周世恩對公部門社群工作的觀察：網路反應進入決策核心之後，政治組織也更積極創造聲量。³⁹ 他因而同時站在兩個位置，既協助組織看見社會，也觀察組織如何為了被看見而改變自己。

這正是他的工作無法被理解成中性的儀表板維護。衡量會影響被衡量的人；當聲量成為成績，產生聲量就可能變成目的。資料服務的公共價值，必須從這種回饋關係裡判斷。

2022 年俄羅斯全面入侵烏克蘭後，QSearch 與 AutoPolitic 宣布提供免費社群分析工具與培訓。公告引述周世恩，希望協助機構理解公眾感受、傳遞訊息並對抗不實資訊；他也將這次行動連到先前的疫情資料支援。⁴⁰

在這裡，他替技術選擇了明確的公共目的，而不只是等待一位付款的顧客。但支持的方向仍須透過實際工作來檢驗：訊息被更有效地傳開，是否同時讓人更有能力判斷它？這個問題並不會因為用途善意就消失。

教別人問問題，也重新學習客戶

教學不是他取得成功以後才附加的活動。從 2016 年技術簡報，到後來的大學與產業課程，他反覆把資料處理放回某種工作情境。這些場合也讓他面對不同的提問者：研究者、行銷人、企業主管與準備進職場的學生。

2022 年，他與布爾喬亞的倪瑞陽共同參與米食品牌 EATMI 的策略討論。活動紀錄把流程放在理解生意、借助相近產業經驗、形成受眾假設與測試之間，也提醒討論量並不保證正面商業效果。這是共同討論的內容，不能把每一句回答都算成周世恩的獨有方法。⁴¹

在這種場合裡，他的角色接近一名翻譯者，但被翻譯的不只是術語。品牌需要的可能是一個新客群，資料能給的卻是一組有限的行為線索；中間必須有人說清楚，兩者如何接得上，還有哪些步驟要由人去做。

2024 年 Threads 發布活動中，周世恩與「只要有人」執行長陳思傑同台。陳從品牌實際參與社群的經驗說明情境，周示範如何查看話題、帳號與內容的變化。⁴² 工具因此與另一種專業並排出現：知道人們在說什麼，仍需要搭配知道品牌如何進入談話。

同年，中國生產力中心邀他談新創人才。他把 AI 視為協助思考的工具，關心的是如何培養能整合不同能力、對問題提出解法的人。⁴³

從早期自己把功能做出來，到教同事與客戶如何使用資訊，他的工作重心逐漸擴大。這種改變不必被寫成工程師升級為管理者的階梯；更像是原來的技術，只能透過越來越多別人的判斷，才能發揮作用。

AI 之後，仍然要有人承接結果

周世恩在 2025 年訪談摘要裡，把公司的方向描述成結合軟體、行銷服務與策略顧問，讓資料進入不同部門的決策。⁴⁴ 這是一個經營者對未來位置的表述，也是一種對收入的安排：顧客付費購買的不只是一個搜尋框，還可能是持續觀測、研究與協助使用的服務。

目前公開方案包含分級訂閱、企業客製儀表板與另購報告。^{45, 46} 這使他的生計有一個可辨認的組織基礎，但不足以推算他的個人收入。公司持續營運，需要付出的仍然是工程、分析、商務與客戶支援的時間。

而公司的新技術，也不能全部歸到創辦人身上。2024 年 Google Summit 的案例介紹，明確由技術長林士凱說明 AI 搜尋與內容分類。⁴⁷ 這樣的具名分工，有助於看清周世恩領導的是一個會繼續產生他人專業的組織。

2025 年的消費者輿情報告流程尤其能說明此點：客戶先提出主題，由客戶成功分析人員判斷可行性，之後才進入 AI 分析與報告交付。討論太少、題目太廣，都可能使分析無法成立。⁴⁸

這個人工判斷的關口很重要。它承認，自動化不能自行保證問題值得回答，也不能使原本不存在的材料憑空出現。創辦者長期強調的產業理解，在新的工具底下並未消失，而是被安排到另一個位置。

平台的時間差也仍然存在。QSearch 的 2026 年技術文件列出不同來源的更新週期，例如 Facebook 為一至十二小時，Threads 為二十四小時；另有更快的企業警示方案。⁴⁹ 使用者看到的社會圖像，總有採集範圍與更新時點，不能直接當成此刻全部正在發生的事情。

留在變動之中的職業

周世恩的軌跡，始終帶著一種規模不對稱：一個相對小的團隊，試著理解龐大、快速、由別人控制規則的資訊世界。早期需要解決伺服器費用，後來需要解決跨專業協作、客戶期待、平台政策與技術更替。每向外走一步，原本的能力就必須接受新的條件。

他的形成也不是只有大學與公司兩個場所。朋友讓最早的工具有了用途；開發者社群與創業活動讓他遇到新問題；顧客與合作專業者教他產業知識；研究與專利讓技術可以被明確表述；公共機構與課堂，則要求他說明資料為什麼值得被相信。

這份職業最有力量的部分，是願意進入那些不漂亮、不能直接展示的中間工作。資料要先被取得、整理、更新，別人才可能從中做出判斷。這也是它的風險所在：當採集者、分析者與付費者掌握了不同的資訊，被描繪的人未必有同等機會提出修正。

2026 年那次政大課堂，提供了一個仍然開放的結尾。當周世恩告訴學生，AI 時代更需要查證，這項提醒也提供了衡量他自己工作的標準：讓解釋可以回到來源，讓結論容許被檢查，讓工具的使用者知道它的邊界。⁵⁰

從替朋友尋回貼文開始，他學會了替組織安排看見世界的方法。往後要維持的，除了公司與技術的運作，還包括讓這些方法能夠被別人重新考慮的條件。

註釋與來源

部分連結使用短題，以便辨識。