賽局理論(Game Theory)「競爭者在想什麼?我們該如何回應?」
- 賽局理論基本架構與納許均衡(Nash Equilibrium) 了解賽局的要素(參與者、策略、支付矩陣)、同時賽局與序貫賽局,以及納許均衡的概念——即「沒有人想單獨改變策略」的穩定狀態。 對您的應用:分析公有雲三大巨頭(AWS、Azure、Google Cloud)的定價與服務策略,用納許均衡預測他們不會輕易降價或改變合約條款,幫助您在機房CapEx vs 雲端OpEx的決策中,找出「穩定均衡」的混合雲配置,避免被單方面綁死。
- 囚徒困境(Prisoner’s Dilemma)與競合策略(Co-opetition) 彭朱如教授專長領域:經典囚徒困境說明「理性個體各自追求最大利益,反而導致共同最差結果」,進而導入競合策略——競爭中找合作、把餅做大再分。 對您的應用:與公有雲供應商的關係正是典型囚徒困境(大家都想壓低價格、獨占資料),您可運用競合思維設計「策略聯盟」(例如共同開發AI基礎設施或共享資安標準),讓雙方從零和對抗轉為正和合作,提升偉創的議價力與供應鏈韌性。
- 重複賽局(Repeated Games)與針鋒相對策略(Tit-for-Tat) 課程會討論有限次 vs 無限次重複賽局,以及Axelrod的「一報還一報」策略——長期互動下合作更容易出現。 對您的應用:雲端合約通常是多年期重複賽局,您可運用Tit-for-Tat原則設計「績效掛鉤條款」(上季合作好,下季給更好條件),同時在機房擴建或私有雲建置時,預測供應商的長期回應,避免一次性大單導致被壓價或服務品質下滑。
- 改變賽局規則(Changing the Game)與PARTS架構 結合Brandenburger & Nalebuff的Value Net與PARTS(Players, Added-value, Rules, Tactics, Scope),教您如何主動重新定義賽局,而非被動參與。 對您的應用:在全球AI伺服器供應鏈中,您可透過「增加新玩家」(引入台灣在地雲端或混合雲方案)或「改變規則」(要求供應商開放API與偉創自有機房無縫整合),把原本被動的雲端維運轉為主導的生態系合作,提升IT部門在公司策略中的地位。
飯店停車場管理案例
這是課程中經典的賽局理論應用案例,以一家飯店停車場委外經營為背景,討論D公司與T公司兩家潛在投標廠商在「對抗」與「合作」之間的策略選擇。案例核心是:飯店要不要把停車場委外?如何設計投標機制?廠商該如何出價?是否該暗中合作?教授用這個案例帶出投標賽局(Bidding Game)、資訊不對稱、贏家的詛咒(Winner’s Curse)與競合策略(Co-opetition),讓學生從實務角度練習賽局思維。
對您身為IT主管、負責機房基礎建設、公有雲與私有雲維運的角色,這案例極具參考價值——雲端合約、機房委外、供應商招標,本質上就是一場「IT基礎設施的投標賽局」。
- 投標賽局的基本結構與出價策略(First-Price vs Second-Price Sealed Bid) 分析兩家廠商在資訊不對稱下的同時出價賽局,以及飯店(委託方)該如何設計投標規則來降低自身風險。 對您的應用:下次進行公有雲長約招標或機房維運委外時,能預先判斷供應商的出價心理,避免自己「出價過高」而被綁死在不利的合約條款;同時設計合理的評標機制(例如總擁有成本TCO而非單純最低價),讓偉創獲得最有利條件。
- 贏家的詛咒(Winner’s Curse)與資訊估計 課程強調:贏得標案的廠商往往因為高估停車場收益而事後後悔(過度樂觀導致低利潤或虧損)。 對您的應用:在雲端遷移或私有雲建置招標時,避免「贏得合約卻虧本」的陷阱——事前做好細緻的成本與需求預測(FinOps數據),並在合約中加入績效掛鉤條款與調整機制,保護長期維運利潤與機房穩定性。
- 囚徒困境與廠商間的對抗 vs 合作(Co-opetition) 兩家投標廠商面臨「各自殺價搶單」還是「默契合作抬價」的選擇。 對您的應用:與公有雲供應商(AWS/Azure等)或機房代維廠商的關係,正是典型的囚徒困境。您可運用競合思維,設計「策略聯盟」條款(例如共同開發AI基礎設施、共享資安標準),讓雙方從價格戰轉向價值共創,提升議價力與合約穩定性。
- 改變賽局規則(Changing the Game)與長期合約設計 飯店可透過改變投標規則(增加玩家、設定最低權利金、加入績效條款)來主動塑造更有利的賽局。 對您的應用:在機房擴建或混合雲合約談判時,主動提出「PARTS架構」(Players、Rules、Tactics、Scope),例如要求供應商開放API與偉創自有系統無縫整合,或加入「重複賽局」的績效激勵機制,讓IT投資從被動採購變成主導的長期策略合作。
信任的演化(小遊戲可以學習,交易市需要信任,投機要付出代價)















