「進入大AI時代，機器將協助人類化繁為簡、處理人力不可及之工作」，憑藉著長達20年文字探勘Text Mining的經驗，藍星球資訊公司總經理宋浩堅信，在「政府開放資料」Open Data的趨勢下，公開資料絕對是值得深究的寶藏。透過文字探勘與AI技術，藍星球運用「實告SigmaCOUT」構建出龐大企業網絡，協助銀行與招標單位充分了解客戶及供應鏈廠商、有效降低商業往來風險。 根據《2020年中小企業白皮書》統計，2019年臺灣中小企業家數為149萬1,420家，占全體企業9765，較2018年增加172，創下近年來最高紀錄。面對眾多的中小型、新創企業，無論是銀行要「認識客戶」 Know Your Customer，KYC，或是政府招標單位要遴選供應商，都是十分耗時耗力的工作。 「 銀行產出盡職報告平均需花費12小時 「實告」可縮短至1小時 藍星球資訊在針對多家銀行進行實地訪查後，發現以往一家銀行對單一客戶進行盡職調查時，需要先蒐集來自司法院、經濟部工商登記、國貿局、媒體新聞等數十個網站之相關資料，再進行整理與審閱，直到產出一份查核報告，總共需耗費約12小時的人力成本。然而，透過藍星球研發的「實告SigmaCOUT」商業履歷查詢系統，運用自動化技術，即能一鍵完成所有查核事項，毫無缺漏，並將一份報告完成時間從12小時收斂至1小時，省下超過80的時間成本。 藍星球團隊致力於為客戶節省科技能夠代勞的瑣碎工夫。 作為台灣大學正式技轉的資訊公司，藍星球前身為台大資工所研發團隊，自1996年起，為了保存年久珍貴的檔案，國家政府與台灣大學合作執行「數位典藏國家計畫」，透過文本分析技術，將各類存放在圖書館、博物館與美術館等地的館藏品數位化，這段時間的研究淬鍊，也奠定了藍星球紮實的技術根基。 「實告SigmaCOUT」收錄的公開發行資料，從小吃攤、工作室、中小企業、大型企業，甚至已經結束營運、完成清算的公司在內，共計超過300萬筆。加上司法院1,500萬筆裁判書，以及各式新聞、論壇、社群等資訊，總計超過上億筆數據存於資料庫中。 宋浩指出，由於藍星球是以中文文字探勘起家，除了結構化資料外，團隊更擅長非結構性資料，例如新聞報導、裁判書等，若要精準分析具有相當技術門檻，因此他們佔有競爭優勢，後進者要追趕上並不容易。尤其是法院的判決文書一旦涉及到企業、貿易往來，其中時常隱藏著龐大的商業脈絡，需要運用深度學習與AI演算法，將其化成結構化資料，才能進一步抽絲剝繭找出潛藏的關係鏈結。 商業風險無處不在 「實告」自動化AI演算大幅降低風險 「實告SigmaCOUT」的客群主要分為三類，一類為需要對客戶進行盡職調查與徵信調查的金融業；二類是時常對外招標的政府單位；三類則是一般民間企業的採購單位。宋浩表示，「商業上的合作風險無所不在，遇上中小企業時風險尤其大」，不管國內外，中小企業皆數量龐大、資訊又不易蒐集，再加上國際對於洗錢防制與打擊資恐AMLCFT要求均有一定規範，無論是融資、借貸，銀行便需透過像「實告」這樣的系統對往來客戶進行詳盡的查核。 透過獨家語意分析技術，萃取判決書的關鍵詞彙，揭露企業風險事項。 此外，政府採購部門一天的招標案可高達上百件；一般企業在挑選採購廠商時前置作業不勝枚舉，若要仰賴人工查核，可說是曠日費時。若能透過自動化系統，將投標、採購廠商的「身家」詳細調查一遍，將能降低未來承攬後未能履約、出工安意外等風險，更能加強提示是否為優良廠商或拒絕往來廠商。 運用AI智能演算法，藍星球獨家開發「商業網絡圖」及「股權結構表」，有助於揭開企業背後錯綜複雜的網絡面紗。宋浩進一步指出，以遠東集團為例，以往要做交叉持股分析，銀行盡職查核人員得徒手畫出200-300條關係路線，但藉由「實告」，只需短短幾秒，複雜的交叉持股網絡即可一目了然。 透過資料盤點、蒐集、清洗的正規化流程，從中提取關鍵資訊建構商業網絡。 再如證券市場上有許多投資標的，投資人若不了解企業，投資風險即相當高，透過「實告」的商業網絡圖，卻可嗅出商業上的蛛絲馬跡，如該企業是否為人頭復活的「空殼公司」，更甚，還能挖掘出關係企業背後隱藏的核心人物及最終受益人UBO。對於有時負責人、董監事出現同名同姓的情況，宋浩則表示，AI會根據企業活動期間、活動產業的相似性給予不同的權重，權重比例較高，判斷為同一人的可能性也會升高。 臺灣Open Data走在世界前沿 藍星球預計5年內開創新領域與市場 耕耘多年，藍星球資訊現階段可謂台灣文字探勘領域的翹楚。宋浩指出，在前行政院院長張善政擔任政務委員時期，大力推動「政府開放資料」，臺灣的Open Data也因此走在世界的前沿，與英國及日本相當。國內的Open Data資訊多半是文字，歐美國家則為PDF檔或是掃描檔，無法輕易文字化，更難以加值運用。因此，藍星球資訊把握機會，蒐集政府開放資料平臺的數據並加值應用，讓AI結合不同領域的大數據，預計在未來5年內開創新的領域與市場。 在拓展海外市場方面，宋浩透露，過去曾有某外商銀行前來接洽，表示其在全球有多處據點，希望能蒐集全球30個國家的企業資料，如此契機，也讓他起心動念，希望能將藍星球在臺灣的營運服務模式，複製到全球。因此，公司營運的下一階段，即是研究全球可以公開蒐集到的數據，進一步將服務模式推向海外市場，打造國際性的商業實績資料庫。。 自2013年成立以來，藍星球資訊不斷深耕技術，將實驗室的研發成果不斷往商業化路途邁進。宋浩表示，研究室出來的人通常對於研究有其想法與執著，但商業化之後不免必須要妥協於現實情況，他希望10年之後，能將藍星球推向公開發行上市IPO之路，帶領團隊成為技術領頭羊，達到成為軟體業「臺灣之光」的終極目標。 藍星球資訊總經理宋浩博士

隨著萬物聯網，AI演算法需求越趨龐大與複雜，可有效降低成本、提升安全性與執行效率的Edge AI運用將成為必然趨勢。 成立於2018年的滿拓科技 DeepMentor主要提供微型化AI演算法的SaaS服務。為市面上真正能將在雲端伺服器或GPU處理器上運行的千萬參數等級的AI演算法落地部署到Edge Device上的解決方案提供者，在大幅降低資料移動量與演算法複雜度的情況下，依舊能將精準度維持在99以上。其獨家創新的微型化電子設計自動化流程MAT，可縮短時間、降低成本，又能達到高於99的準確率，為雲端AI落地Edge Devices部署的關鍵技術。 十年磨一劍，滿拓科技微型化技術獲市場關注 滿拓科技十年磨一劍，獨家專利微型化電子設計自動化流程是創辦人吳昕益和團隊在實驗室「蹲」了十多年所研發的成果，期間發表了20多篇國際A級論文，研究成果也曾獲Best Paper Award最佳論文獎。 滿拓科技技術獲得市場肯定，近兩年來，連續獲得第八屆雲谷雲豹育成Demo Day「最具投資價值獎」及與中華電信同獲「最強體系創新獎」兩項大獎，2021年8月也在經濟部中小企業處所舉辦的第5屆「國際創新創業訓練營（G Camp）中獲得「2021 G Camp鏈結國際獎」與「YEZ國際加速器特別獎」。 滿拓科技獲得第八屆雲谷雲豹育成總決賽「最具投資價值獎」。圖左二為滿拓科技創辦人吳昕益。 AI演算法是相當龐大的數學模型，滿拓科技看準未來趨勢將由物聯網時代IOT進入智慧物聯網時代AIOT，各項終端產品將導入AI，提供更強大的功能，但許多AI演算法相對複雜龐大，無法導入現有的終端裝置，因此研發了獨家的微型化技術MAT將演算法優化，化繁為簡後的演算法能放入小型的嵌入式系統，更加方便與硬體設備對接。 究竟，現階段企業在部署Edge AI遭遇到哪些難題滿拓科技行銷總監楊育明說明，在硬體運算方面，GPU成本高，加上因為耗電易熱，不適合當邊緣運算裝置。軟體方面，市場上缺乏好的解決方案，多數應用僅能部署輕量級簡易AI模型tiny AI，其缺點是很容易受氣候或外在環境變化而大幅影響精準度。重要的是，包括國際大廠在其 2021年白皮書上提其在壓縮過程中準確度會立即減少5-15。滿拓科技提供AI邊緣運算完整解決方案， 擁有獨家強而有力的微型化技術，能將運算量和資料量減少90而精準度減少在1之內，可成功將多個複雜的專業的千萬參數AI演算法部署至邊緣裝置中。 滿拓科技的主要客群，瞄準想要將IoT升級成AIoT的系統廠商與Edge AI的軟硬體應用開發者，滿拓提供DeepLogMarker軟體平台，協助系統商與開發者迅速取得微型化AI演算法，透過簡易的訓練與部署，即可輕鬆將市售IoT設備轉為AIoT產品。 楊育明表示，公司將於2021年第四季推出SaaS軟體平台服務-DeepLogMarker，第一階段會提供最常使用的9種專業微型化AI演算法，例如物件辨識、姿態偵測、人臉識別，性別年齡等演算法，讓客戶可以隨選即用，也可依不同使用需求，自行組合 AI功能，平台上採用訂閱制的方式，提供給所有AI開發需求者，如工程師、新創團隊、設備商等下載使用。 SaaS平台服務 訂閱就能簡單使用AI演算法 具體作法是，客戶只須在DeepLogMarker上選取需要的演算法，幾個步驟即可將演算法部署到Edge AI的硬體平台。客戶不用花大筆資金和時間成本建置AI環境，即便初接觸AI的使用者，都可以直接到DeepLogMarker平台去取得所需要的AI的各種應用，滿拓科技提供已經微型化過的專業AI模型，讓新創業者及開發者只需訂閱微型化AI演算法及購買Edge AI box與其IoT系統對接，就能將IoT系統升級為AIoT系統。 滿拓科技致力於成為Edge AI領域的SaaS軟體公司，在2021年年底之前，將在網路平台上提供Edge AI各式各樣的解決方案及演算法，希望建構完善的DeepLogMaker Edge AI使用者生態圈，讓各行各業、雲端服務提供平台如亞馬遜AWS、微軟Azure，IC設計公司、新創公司，及IoT設備廠商都能使用滿拓科技的AI服務，在平台上激發各種創新應用、發揮AI價值、共創商機。 滿拓科技建構DeepLogMaker Edge AI使用者生態圈 同時，也歡迎具國際SaaS運營經驗的策略夥伴與滿拓科技攜手合作，下階段除了深耕台灣市場，滿拓科技的服務也將進軍東亞及美國、歐洲等國際市場。最終的期望是將Edge AI的部署成本大幅下降，協助AI落地應用更加的普及，並拓展Edge AI在智慧零售、智慧製造、智慧家電、智慧醫療等各種應用。 滿拓科技認為，目前是台灣廠商切入Edge AI 最佳時間點。現階段從晶片大廠 NVIDIA、Intel、Qualcomm、NXP，乃至雲端龍頭 AWS、Google、Microsoft 等皆積極投入該領域。台廠若要切入Edge AI 的市場，考量台灣中小型企業及產業製造優勢並政府資源挹注，具獨特價值的軟硬整合實力和技術仍是最好發揮的著力點，找到正確的切入點，滿拓科技希望成為串接起國際軟體大廠資源與台灣硬體優勢的關鍵樞紐。 滿拓科技的微型化演算法，可以讓Edge device發揮更強大的AI功能，在5G時代來臨，大家所期待的各種AI智能應用場景要能真正落地，目前的IoT產品要全面升級，「從系統整合解決問題，就是從根本解決問題」。 滿拓科技的軟硬體整合方案，包括各式AI 矽智財的授權與SaaS服務，預計2021年底至2022年年初就會正式面市，屆時，台灣AI應用發展將可望呈現不同的面貌。 滿拓科技創辦人吳昕益

新冠肺炎（COVID-19）疫情肆虐，面對消費者逐漸習慣的數位新常態，各大數位科技應用與線上融合線下服務逆勢崛起，也讓極力建構「MarTech」（行銷科技）生態圈的愛酷智能科技業績呈倍數成長。愛酷智能科技策略長吳健宇表示，該公司致力於成為MarTech 第一品牌，而同時行銷科技也是國內外投資人看好的新興領域，愛酷智能科技截至目前已獲得共計新台幣 135 億元的投資，將持續推進與投資人的連結性並佈局進軍海外市場。 事實上，自 2018 年 4 月成立以來，愛酷智能科技就是一家飛速成長的科技新創公司，員工人數從 17人擴增到 85 人，營收年年倍數成長。自詡為「行銷科技整合者」的愛酷智能科技，從成立的第一天，打的就是跟別的新創公司不一樣的仗。單打獨鬥的時代已經過去，愛酷智能科技要搭建「行銷」與「科技」的橋樑，建構起「MarTech」生態圈，透過打群架將科技行銷的市場做大，與聯盟夥伴建立起共存共榮的關係。 擔任行銷與科技橋樑 壯大 MarTech 生態圈 愛酷智能科技策略長吳健宇表示，MarTech 顧名思義，就是運用科技去解決行銷的問題。疫情加速企業數位轉型的壓力，而科技要運用在行銷上，需要很大資源的投入，同時要克服未知的心理障礙及內部整合等挑戰，對於品牌商、廣告代理商、媒體代理商及整合行銷顧問公司而言，常面臨不知如何選商的窘境，因為進入到科技時代的行銷方式，如圖像辨識、IoT、偵測系統、NLP、數據分析等，都有極高技術含量。同時，品牌業主往往需要一條龍的全方位行銷服務，從規劃、系統導入、行銷應用與成效檢視均需要專業協助，唯有整合才能創造最大效益。即便過程中有多套系統或廠商合作，透過愛酷智能科技的整合服務與 API 系統串接，即可高效整合，為品牌提供一條龍的服務。 愛酷智能科技策略長吳健宇表示，該公司致力於成為MarTech 第一品牌。 另一方面，愛酷智能科技也扮演行銷與科技介接的橋樑角色。MarTech 生態系包含服務型廠商、傳統整合行銷夥伴及 AI 新創公司等，具備技術共享、服務共享及聯合服務的多重功能。 MarTech 生態圈商業模式是「單一整合、專業分工」的概念，由具備技術整合或是品牌整合能力的聯盟夥伴統籌，其他夥伴進行配合，在整體架構下需要MarTech 系統、顧問服務的導入及程式開發人員的投入，才能順利進行整合。 生態圈夥伴各有專精的強項，亦可共同研發新的產品與服務，例如愛酷智能科技與知名的廣告科技供應商 OneAD 合作推出創新的對話式廣告，將廣告播放結合互動式對話，幫助品牌深度掌握消費者的需求與偏好。又或者與亞洲最大的短網址服務商PicSee 合作，將服務整合進顧客數據平台，協助企業解讀更多的消費者瀏覽行為。 愛酷智能顧客跨通路客戶數據平台，有助數據串接。 對話式商務應用強化數據分析，多元分眾應用 MarTech 生態圈發展要成功，關鍵有兩項，一是有人來協調與整合服務的內容，生態圈內的廠商有各自的解決方案，統籌者可以在聯盟中尋找可配合提供服務的夥伴；另一關鍵因素則是資源共享，經過 3 年的努力，MarTech 生態圈已吸引超過 50 家夥伴加入。 以商業驅動聯盟合作 業務持續成長並發揮市場影響力 為了佈局數據應用市場，2021 年初愛酷智能科技與關鍵評論網媒體集團（TNL Media Group），合資成立新的 AI 與數據應用公司 mdash DaEX 達思智能科技。這項合作案是雙方重要的戰略價值點，關鍵評論網思考如何將為數眾多的讀者數據做更有效的應用及變現，結合愛酷智能科技顧客數據平台及全通路行銷科技的強項，將能為品牌提供創新的媒體與數據整合應用。DaEX 將發展資料分析與數據變現，未來也預計成立媒體專用的數據平台及媒體交易市集。 談到創業以來一路的艱辛，吳健宇觀察到，行銷科技圈是「馬太效應」，強者恆強，許多公司都希望擔任建立平台的角色，愛酷智能科技成立的第一年，資源與影響力的能量都才剛起步，產品也尚在持續研發中，隨著一步一腳印拓展，至2020 年成立 MarTech 生態圈之後，規模越來越龐大，品牌主願意將媒體廣告投放預算投資在行銷科技，或全通路零售的應用，也帶動愛酷智能科技及 MarTech 生態圈的營收成長。現階段持續維持快速成長及發揮市場影響力是愛酷智能科技最大的挑戰。 而以「商業驅動」的角度來驅使聯盟成員能自主合作，藉此爭取更多訂單及持續成長的聲量，是重要的目標。 愛酷智能科技的商業模式受到投資人的高度青睞，這 3 年來，除了 2019 年新安東京產險公司與交大天使投資俱樂部參與投資，於 2020 年底亦獲得國發基金、日本廣告上市公司愛德威 Adways 集團支持，累計獲得 135 億元資金。疫情催化了各行各業的數位轉型，而愛酷智能科技身為 MarTech 推廣者的角色，更不斷積極拓展佈局，協助企業在激烈的競爭中搶得先機。

2021年5月，位於台中市的泰安國小校園，兩台無人機快速升空，消毒噴霧飛灑下來，花一天時間完成整體校園緊急防疫消毒工作。進行這場無人機科技防疫的公司正是位於台南的佐翼科技，而這項科技防疫工作的執行，佐翼科技已默默做了超過半年。 事實上，2018年成立的佐翼科技，團隊技術成員來自於航太科技工程專家，本身也是第20屆APICTA AWARS競賽台灣代表隊成員之一的佐翼科技總經理謝承翰表示，佐翼科技在航太領域中以無人機技術深化與應用，作為公司發展主軸，致力透過無人機為載具突破現有技術框架，在農業、工業檢測等，以高效率且客製化的的無人機，打破現有作業模式，解決產業缺工與作業危險等問題。 佐翼科技運用無人機進行台中市泰安國小校園防疫消毒工作。 全球商業無人機市場 預估2025年增長至87億美元 根據富士Chimera總研統計，隨著無人機單機價格下降，無人機逐漸普及化，從最初針對一般消費者的空拍功能，延伸至農用、量測、物流等商用產品。無人機市場規模方面，2019年全球無人機出貨量為390萬台，預估2020全年出貨量達418萬台。 而日商環球訊息有限公司所出版的報告也指出，商業無人機的服務如：拍攝、娛樂、測繪與空中作業、勘救災、預警系統、資料蒐集與分析、環境監測等，具有可觀的獲利機會，預測在2025年將增長到每年87億美元。 佐翼科技的無人機商用市場鎖定在農業植保機與工業測量兩方面，其中，農用植保機，取代人力農藥噴灑及施肥，噴灑五分地只需要六分鐘，預估農藥量可減少50，防治效果高達95。 此外，無人機運用AI光譜NDVI影像辨識技術，進行水稻田等農作物生長歷程狀態辨識，建立農情系統。工業檢測用無人機，則運用在離岸風機、橋梁等，360度無死角拍攝及雲端大數據分析。 農用無人機肩負噴灑藥物及蒐集農情資訊的重責大任，是農民的好幫手。 謝承翰表示，以全球市場觀察，農用無人機噴灑藥物是基本需求，但後端的農情分析才是重要指標，如果可以將數據平台建立起來，對於農業發展及病蟲害防治的助益相當大。此外，運用農業影像嵌合多光譜影像配合水稻土壤及肥份的分析，對於水稻生長監測有具體成效。 以在高雄美濃水稻場域實證的結果發現，傳統農民噴灑農藥的藥量超標兩倍，透過數據的分析，讓農民了解到，噴灑藥量不需要太多，也不會影響品質與收成。 具體作法是，將植物生長指標紀錄下來，配合分析去導入後台系統，藉由後端大數據的處理與分析，監控植物生長情況，同時運用紅外線影像分析判斷是蟲害還是病害，根據數據顯示做不同藥量施灑的動作。 「以前，農民是靠天吃飯，現在是讓數據說話」，謝承翰認為，協助農民精準掌握農作物的生長情況，並做正確決策，是無人機協助蒐集農情進行分析最重要的貢獻。 鎖定農業植保機與工業檢測 佐異科技整合軟硬體將進軍國際市場 在工業測量方面，傳統工業檢測有三個缺點，一、人為作業危險；二、人為檢測作業時間過長；三、缺乏第三方檢核工具。無人機克服以上三大缺點，佐翼科技將無人機運用在橋樑及風機檢測。首先，在橋樑方面，傳統的檢測需要吊掛、檢核時間過長，因風場大，人工作業容易導致危險。導入無人機檢測，隨時可以起飛拍攝，導入3D影像辨識之後做3D建模，包括鏽蝕、裂紋等，監測無死角。 無人機操作螢幕畫面。 至於位於離岸的風機檢測，也面臨到人為作業攀爬吊掛、風場強勁等風險，以無人機代替工程師進行檢測工作，安全、有效又方便。 佐翼科技以專注無人機的技術為核心主軸，謝承翰表示，短期的目標仍以農業植保機為主，並輔以蒐集農情資訊進行大數據分析，提供更完整的農情資訊給農業單位，進行農改之依據；中期的目標則是持續精進飛行控制系統，加強控制系統在場域的應用性，如自動降落、自動追蹤、啟動任務排程等；長期則努力成為一家自動化公司，專精於設計自動化載具或自動化監控設備。 舉例來說，目前無人機噴藥車都是在大型戶外場所，但農作物溫網室的需求也大，以植栽面積五分地的溫網室，也需要噴灑農藥及採收，由於溫網室在室內，整體無人機導航系統干擾會比較多，透過控制系統加強之後，將自走車或自動化設計導入室內或溫網室，載具從將無人機轉為無人車，就能夠解決農民的困擾。 由於台灣農用無人機市場胃納量有限，每年約200台左右，佐翼科技也計畫向海外市場發展，初期選定東南亞及南美洲，以馬來西亞的棕櫚樹而言，屬於高經濟價值作物，種植面積廣，導入無人植保機的機會大，同時，為協助改善種植環境，佐翼科技也將建立農情紀錄平台，將軟硬整合的設備及系統輸出海外市場。 佐翼科技總經理謝承翰是無人機專家。

新冠肺炎COVID-19疫情加快中小企業數位轉型的腳步，然而， 如何透過製作優美的商品設計，迅速將產品上架，是轉型的第一步。運用AI影像視覺技術，選優科技挑選出電商「爆品」款設計，為零售電商打造電商AI工作站，自動物件偵測，去背、美化背景，以一家產品約500-800個品項的小型電商而言，約可節省90的時間。為中小型零售商從線下實體通路轉線上虛擬通路銷售的絕佳利器。 「選優」兩個字的涵義就是：「為客戶選擇最好的科技體驗」，選優科技創辦人暨執行長劉憶涵希望憑藉著自身影像工程的專業，協助對科技有障礙的中小企業店家，能夠「一鍵直入」，不需要學習一大堆科技工具，就能完成將商品上架至電商平台的夢想。 運用AI影像視覺技術，可以將照片自動去背，節省美化照片時間。 電商AI工具站，從素材設計到電商上架，一「鍵」搞定，快速又方便。 機器學習自動產生50種商品推薦 一鍵直入上架電商平台 2018年5月成立以來，選優科技運用機器學習演算法，在社群網站IG、美國最大手作市集Etsy等網站上，蒐集幾百萬張的產品設計後，以機器自動學習產出50萬種商品設計推薦，客戶只要將商品拍照，並將素材上傳到電商AI工具站上，就自動進行去背、加入背景等圖片編輯，較以往店家必須找商業攝影師協助拍攝，再找美編進行編排設計，才能上架到電商平台的傳統做法，省時省錢又省力。 根據統計，一件商品從拍攝、版面編排、美編設計等，平均要花費2,000-3,000元不等的金額，若商品數量達1,000件，所耗費的金錢和時間，恐非中小型電商所能負擔。 選優科技自Amazon、Shopity等大型電商平台銷售排行榜上的產品類型，選定：時尚衣飾、餐飲食品、居家小物、蔬果生鮮、運動用品、營養保健時尚、等六類，作為AI自動學習重要的設計品項，其中，大型電商的時尚衣飾銷售比重高達56，是選優平台上設計推薦的最大宗。 此外，由於防疫期間，消費者大多採取外帶或叫UberEats、foodpanda外送平台，也使得餐飲食品類逆勢崛起，也成為平台上重要的設計推薦之一。而平台上運用超過50萬張照片訓練AI模型，則以居家與服飾類辨識力最強。 選優科技團隊，圖右二為選優科技創辦人暨執行長劉憶涵。 劉憶涵指出，在疫情之後，WFHWork From Home，居家上班帶動另一波外送食物及居家小物的銷售熱潮，未來，也將視電商平台的銷售排行榜動態調整數據庫中的產品圖像、美圖背景等情境圖。 力助中小企業電商轉型 提供第一個月免費快速上架服務 選優科技的營運方式採取SaaS B2B 的商業模式，即按照照片上傳張數計價，以月結方式，分為個人店家、中小型客戶及企業型客戶等三類。疫情以來，線下的零售商機積極要轉型做線上銷售，經濟部工業局提供中小企業數位轉型方案，透過補助的方式協助中小零售業者轉型，選優科技現階段提供第一個月免費提供中小型店家快速上架的服務，同時運用Google表單等線上工具團購訂單，最後串接到蝦皮Shopee、Shopity等電商平台，節省上架時間，讓店家只需專心做好商品，美化及行銷通路的工作就交給選優科技協助搞定。 至於客群的分布，劉憶涵分析指出，選優的客戶群分為兩類型，第一類為是電商使用經驗是「零」的實體零售業者，剛要入門的電商對於產品照片的需求就是快速去背，自動打光及去除陰影，多選擇純白、單純背景的照片；另外一種是中大型企業品牌電商，對於產品照片的要求較高，上架的照片不僅漂亮，還要依不同節日的情境進行個人化的設計，例如，粉紅色小物就適合七夕情人節的應景商品，在架上呈現出來的效果，非常真實，也的確有機會成為「爆品」。 「商品照片優化技術並不是問題，最難的是如何適合產品及轉換率高的情境照片。」劉憶涵表示，資料蒐集與訓練均採用自動化流程，在AI技術上已經十分成熟，困難之處在於，電商種類及產品百百種，如何有效率蒐集具備好看、高轉換率等不同情境的資料作為機器學習的數據，就必須不斷透過動態掘取各大電商平台銷售排行榜上的類型，餵取資料作為機器學習的基準。 對於選優未來的營運布局，劉憶涵表示，公司經營的短期目標，是協助實體店家做數位轉型，由於新冠肺炎疫情爆發之後，許多中小企業重創，實體店家生意受到影響，透過線上販售，可以讓中小企業降低疫情衝擊。 至於中長期目標，受到海外市場疫情嚴峻影響，選優先服務好台灣客戶，待疫情進一步趨緩之後，再進一步拓展到美國及東南亞市場。 劉憶涵參加2020MarTech行銷論壇進行與談。

AI協助工廠更加自動化乃無庸置疑，然而，一般AI專案時間多達3個月之久，有沒有一種解決方案，可以快速部署AI技術，以提升瑕疵準確率答案是：有的。 客戶包括友達、奇美、台積電、聯發科、旺宏等電子大廠，堪稱台灣「護國神山群」最佳幫手的奕瑞科技，其所推出的「AI 服務模組化」，將各種AI技術模組化，就像點菜機一樣，客戶需要哪幾樣就挑選哪幾樣，可以協助客戶快速部署AI，達到提升AI專案快速且兼顧準確度的目標。 2004年成立的奕瑞科技，從販售防毒軟體巴卡斯基起家，是專業的資安與安防公司，2015年切入AI領域，研發AI Vision智慧影像辨識系統，2018年之後，專注於工廠端的智慧影像辨識應用，包括車牌辨識、槽車辨識、人員裝備檢查、智慧物流、智慧化作業機台及智慧無人工廠等，均累積相當多的經驗，客戶遍及友達、奇美、台積電、聯發科技、旺宏、台塑、亞泥、遠東新世紀等龍頭企業。 奕瑞科技智慧工廠各種AI落地應用 奕瑞科技專業技術 擄獲國際大廠的青睞 「奕瑞的每一個案子都不輕鬆，也就是因為與大廠的合作經驗，讓我們的技術更強大」，奕瑞科技副總經理周詩涵信心滿滿地說，以奇美實業而言，瑕疵檢測的準確率要求高達995以上。 由於奕瑞科技自2018年成立AI 部門以來，已經陸續服務過數十家工廠，客戶中不乏希望能快速上線，並且能夠將AI技術部分轉回公司內部，讓內部員工能順利銜接。 針對此一趨勢，奕瑞科技推出兩項服務，一個是完整的AI產品CIC攝影機妥善率偵測系統，幫助客戶在攝影機發生異常（包含斷線、黑畫面、攝影機移位、遮蔽等等的畫面異常狀況），第一時間便能發出告警，另一項推出的就是AI 服務模組化。 CIC攝影機妥善率偵測系統能夠協助廠區一次監控數千台的攝影機，這些攝影機過去都是由廠內負責監視器相關事務的員工定期用手動肉眼檢查攝影機畫面，不僅曠日廢時，也常常因為負責人身兼數職，檢查監視器的工作就未徹底執行，AI 的最大價值就是取代人力去執行這樣簡單且重複的工作。只需要一台CIC 主機，放置於內網，即可設定週期，針對攝影機的各項健康妥善狀況來做檢查，並且自動產生報表，以提供相關人員查驗，大幅提高工作效率 而另一個服務AI服務模組化的概念是，將AI技術套裝軟體化，一個可落地應用AI方案的上線執行，通常會歸納出幾個階段： 一、 客戶需求確認；二、訓練資料收集；三、訓練資料前處理；四、資料送訓練；五、演算法撰寫；六、使用者介面撰寫；七、資料庫串接；八、後續資料補足。 以這八個階段為例，除了演算法的撰寫工程師需要長時間的培養之外，其餘可以由企業自己做或交由奕瑞執行。簡單的基本模組包括車牌辨識、工安裝備等，做成標準化的模組，至於槽車、工序、或是槽車上的化學品名稱等，都可以依客戶需求規劃一個個齊全的模組，由客戶自行採買「菜單」，若是客戶端希望自行上線，奕瑞科技在一個月內就能完成可上線的版本，加快客戶進行AI部署進程。 奕瑞科技AIVISION智慧影像分析系統深受國際大廠青睞 奕瑞科技現階段有32位員工，其中AI工程師就多達近20位。不同於市面上AI廠商僅能做出簡單的AI視覺辨識，奕瑞科技手握過去大量的訓練資料、豐富的專案導入經驗、以及多樣的辨識方法，百分百台灣製造，在地服務，比一般辨識率更高更準確。同時，隨著客戶的需求彈性調整，可用性更高。 傳統光學檢測錯殺率高 AIAOI大幅提升良率及產線效率 對奕瑞科技來說，AIAOI也是其中一個模組，奕瑞的工程師只要給一點點訓練資料，約莫一個月就有辦法達到80的準確率，幫助企業在AI上線的時程上變成非常短。 除了現有的製造廠外，奕瑞科技也切入到光學領域，與小馬光學合作共同研發具有先進物理光學量測方法及光學模組設計。目前大部分廠商會導入產線瑕疵檢查AOI的系統，但大多採用OCR光學字元辨識，是指對文字資料的圖像檔案進行分析辨識處理，取得文字及版面資訊的過程技術，需要達到百分之百的精確度，沒有任何容錯的空間，導致誤殺的情況時常發生。 此次奕瑞科技與小馬光學合作，將奕瑞的AI系統搭載在小馬光學研發的光學檢測儀器，在光學檢測瑕疵上加入AI演算法，根據客戶提供的資料與需求，訓練AI模型辨識對於瑕疵的判定，可大幅提升判別的準確度，提生良率，並增加產線效率。 奕瑞科技執行長張義淵 「就光學領域的AIAOI技術，對於奕瑞而言，光學檢測的環境複雜因素較低，只要客戶對於瑕疵的定義訂得明確，給的資料越精確、越詳盡，瑕疵檢測辨識率往往可達98以上，作業時間也能相對縮短」，周詩涵接著說，對於奕瑞比較困難的兩部分，第一部分是公司目前人力，無法一次接太多AI專案，主要是工程師自我要求比較高，每個案子都需要精雕細琢；第二部分則是大客戶採購時間通常考慮地比較久。這也是奕瑞科技將AI專案的商業模式改成AI服務模組及專案資訊顧問的原因。可以依據客戶的需求，販售模組或是半成品的方式，快速結案，以維持公司正常營運。 除了台灣的市場外，奕瑞科技也將觸角伸到國際，現階段有數個專案正在泰國展開中，其中一項是泰國皇家拉瑪醫院，奕瑞負責院內病人的人臉辨識與行為監測，以預防病患跌倒等。另一個有趣的案子是泰國河道垃圾船的打撈物品分類辨識，以及汽車零件大廠的AI 辨識專案等，奕瑞科技的AI影像識別技術已經漸漸被海外市場所肯定、接受。 展望未來，奕瑞科技希望將在AI視覺辨識技術上的經驗，從2D擴展到3D，甚至於延伸至影音辨識的技術服務，讓奕瑞科技成為全方位的AI專業服務公司。

一次家中電鍍廠汙水處理稽核事件，成為臥龍智慧環境公司總經理謝文彬決定投入環境工程領域，而一份想為台灣與下一代創造更好環境的初心，讓他毅然決然離開人人稱羨的台積電主任工程師職務，走入創業旅程。極端氣候造成時而乾旱、時而洪水，水的供給越來越不穩定，為了追求環境永續發展，謝文彬運用人工智慧AI技術，成為水資源保護的急先鋒。 根據過去半世紀台灣降雨的趨勢觀察，由於氣候變遷加劇，台灣的乾旱週期，已經從早期的17年、縮短為3年至5年。2021年4月，更遇上台灣半個多世紀以來最大水荒。之後，台灣中南部又遭遇到暴雨洪水成災，水資源的保護，已成為當今社會重要的議題。 謝文彬曾任職台積電廠務水處理的主任工程師，在2015年水利署及竹科辦理的節水活動中，台積電均獲得第一名的佳績。他在財團法人環境與發展基金會任職時，承接經濟部工業局產業用水效能提升計畫，共計輔導台灣300家以上廠商。 AI導入水資源應用 可達預警與預測目標 臥龍智慧環境公司成立迄今不到半年，即鎖定政府專案及中小企業汙水及廢水處理的IoT建置或是AI智能化的導入，希望汙水、廢水的處理能達到預警及決策的目標，提升水資源效能。 智慧AIoT應用有三大主題：包括預測與決策水處理系統、水處理操作程序管理最佳化及智慧水處理管理平台。這也是臥龍智慧的核心業務。 AIpoint水處理AI智慧系統的服務範疇與效益 謝文彬表示，經濟部工業局管轄的工業區共有66家污水處理廠，加上數萬家列管的廢水處理廠，其共通性的問題為化學混凝系統常因為人為控藥與後饋式加藥判斷不準確與不及時，造成水質不穩定，大量使用非合理藥劑量PAC與Polymer 同時產生大量污泥。現有的檢測判定具有誤差值，需建立更完善的AI檢測數據資料庫來佐證及輔助判定加藥標準。而透過大數據導入AI專利模型，有助於廢水污防系統處理效能提升與精準調控系統。 導入AIpoint精準加藥系統 可達到減排及系統延壽功能 導入臥龍智慧研發的AIpoint精準加藥智能系統，可以達到以下效益： bull 減少操作人力 bull 減少化學品加藥量 bull 減少污泥產生量 bull 減少碳排放節能 bull 延長系統壽命 bull 系統自動預防與維護 bull 降低導電度 AI導入水資源服務模式與流程 事實上，汙水及廢水廠的數位化程度不一，因此，謝文彬將客群進行分群，針對尚未數位化的廠家，進行IoT設備及軟硬體系統的建置；已經有IoT的廠家，則導入AI技術，針對痛點解決問題，提升整體汙廢水處理效能。「有些客戶的問題不一定要靠AI解決，絕不會為了AI而AI」，謝文彬會按照客戶的實際需求進行評估與導入。 謝文彬累積了水處理豐富的經驗，加上AI專家的加入，工廠只需要提供水質數據，即可做AI預測與決策。 在實際作法上，有些工廠資安的要求比較嚴謹，AIpoint智慧雲平台可將蒐集數據的硬體直接連接到廠端，資料傳回來不會放在雲端。而系統會自動分類，自動篩選演算模型，得到最適模型，再連接到系統端，產生預測與決策的結果。此外，雲平台有區塊鏈的加密，數據嫁接上來，廠端也是照一樣的步驟，快速介接。 另外，在後台監控系統上，可以幫助水處理或水回收系統做預警，包含sensor故障預防、自動防護、後台模型的再訓練等。專案進行時間大約3個月到半年，之後需要按系統的狀況做模型的調整，這部分是訂閱制的服務，與售後服務做整合。 臥龍智慧環境公司也訂定短中長期的目標，短期希望秉持誠信、正直原則，做好品牌定位；中期是與跟硬體等合作方建立生態鏈，集體打群架，共同拓展市場；終極目標則希望能將服務跨域輸出到國際市場。在財務規劃方面，謝文彬期望積極爭取天使輪募資，以新台幣2,000萬元為目標，希望達到公司永續經營之目的。nbsp 臥龍智慧環境公司創辦人兼總經理謝文彬

新冠肺炎病毒COVID-19疫情之後，加速各行各業運用數位工具進行數位轉型的腳步，然而，對於企業主而言，不免要問：到底值不值得導入AI導入之後對於企業本身產生多大的效益事實上，現階段有許多自動化機器學習AutoML的平台，均可以協助企業加速導入AI化、建立AI模型，讓企業導入AI變得簡單化。 企業導入AI面臨挑戰大，自動化機器學習平台提供解方 嘉衡科技總經理梁百鋒表示，企業導入AI，面臨了人才難找、資料處理、建模時效、生產結合、技術掌握及成本效率等種種問題，然而，不是每一個環節或流程都需要導入AI技術，企業需要的是滿足業務需求的人工智慧客製化解決方案，因此AutoML是企業應用人工智慧技術的核心工具。 以往要建立100個AI模型，需要100個建模專家，運用AutoML，建100個模型，只需要幾個資料科學家。AI模型建立之後，加入企業生產流程，使得複雜的應用場景，透過高度客製化建模，就能滿足客戶的需求。 在企業導入AI的過程中，以往都高度倚賴人工智慧專家，未來則由產業專家驅動，以解決企業實際業務場景應用為成功關鍵。梁百鋒認為，有四大關鍵階段： 一、 場景選擇：判斷機器學習對於解決問題是否為正確的方式。 二、 數據準備：資料只是材料，如何選擇「對」及「有效」的資料才是關鍵。 三、 模型建立：注意模型的設計效率，多模型組合才能解決問題。 四、 生產整合：模型滿足生產的限制條件，同時基於生產條件的調適彈性。 要解決傳統人工智慧模型設計所面臨到的業務場景多、落地門檻高、落地周期長、成本高等問題，就必須利用AutoML技術打造一個自動化平台，就能有效解決人工智慧發展與落地的問題。 DarwinML 四大核心技術，協助企業從「零」開始設計模型 嘉衡科技所開發的DarwinML 是以基因演化理論為基礎的人工智慧機器學習模型自動化設計AutoML平台 ，DarwinML以演化的方式進行機器學習與深度學習模型的自動設計和優化，具備極佳模型生成與模型超參數優化能力，可從「零」開始自動設計模型。 DarwinML 四大核心技術分述如下： 一、模型基因庫：收入大量的演算法和基礎模組，可應用於深度學習Deep Learning、機器學習 Machine Learning、及數據特徵提取 Feature Extraction。 二、自動演化算法：採用了遺傳學演算法Evolutionary Algorithm、模型解釋性統計法和強化學習技術，在不斷的模型演化過程中，提高模型的品質。 三、完整的模型生命周期管理：利用 DarwinML 及 Darwin Inference 建立完成封閉系統的模型產生、使用、再優化的過程。 四、多節點並行運算：可基於CPU或GPU運行多節點加速運算，並可部署在企業的私有雲，保障資料安全與模型的機敏性。 DarwinML大幅縮短建模時間，效率顯著提升 傳統模型設計流程中，原本從資料特徵提取、模型設計、模型訓練到參數調整，由AI工程師手工建模需要耗費3-6個月時間，但運用DarwinML自動建模，可以縮短至3-7天，時間大幅縮短，效率顯著提升。 DarwinML可以全自動目標導向生成模型與規則集，模組具備自我進化能力，其核心技術包括機器深度學習模型基因庫、模型演化設計演算法、大資料並行計算技術等，所產生的效益包括： 一、資料整理、資料標籤、數據清洗半自動化，標籤工作量和資料量依賴降低40。nbsp 二、機器學習建模縮短至分鐘級，建模能力高於傳統建模5-10。nbsp 三、深度學習建模縮短至小時級，建模水準與業界最優模型一致，但模型更簡單、更快速。 本文源自於「AI Engineering線上小聚」內容精選整理

甚麼是AutoML自動化機器學習，與ML傳統數據分析有何不同需要先來進一步釐清。 傳統的機器學習必須經過資料清理、資料前處理、特徵工程、特徵選擇、演算法選擇、模型建立、模型訓練、參數調整，再到評估結果，產出模型應用。過程中，一但參數有問題，必須從新選擇演算法、重新建立模型等，來來回回重複上百次。若萬一有了新的資料，所有的步驟都要重走一遍。 透過自動化機器學習，模型應用的產出過程只需要經過資料清理、特徵工程、數據建模及模型評估等四大步驟的自動化，即可達到模型應用，即使需要蒐集新資料，也能透過自動化機器學習達成，省時又省力。 ML與AutoML之比較 資料來源：行動貝果有限公司 AutoML是一種能夠讓機器學習模型開發中耗時的反覆工作自動化的程序，這讓相對缺乏AI人才的中小型企業，也能自己打造客製化的機器學習模型。近年來，國際大廠紛紛搶入這塊市場，包括Google於2018年發表的Cloud AutoML，以及雲端運算龍頭AWS在2019年推出AutoPilot，AutoML已然成為主流學習服務的標準配備，從網頁化介面、免程式開發及工作流程視覺化管理等，服務發展面向越來越多元。 行動貝果（MoBagel ）是一群由頂尖資料科學家、工程師、產品專案管理師組成的專業團隊，團員來自各地名校，包括美國史丹佛、柏克萊、牛津、台灣大學等，同時也曾獲選參與矽谷知名加速器500 Startup、獲選參加日本SoftBank Innovation Program、也在Nokia的Open Innovation Challenge中得名。 行動貝果Decanter AI平台，讓分析專案從兩個月縮短至兩天 行動貝果專攻資料科學和機器學習技術，在2016年研發自動化機器學習分析工具Decanter AI，迄今已幫助超過100家的企業將AI導入重要的決策中，分析專案從兩個月縮短到兩天。服務過的領域包含零售、電信、製造、金融等產業。 行動貝果有限公司副總經理林昱申表示，Decanter AI讓AI像Excel一樣簡單高效，可以提升企業數據分析生產力。使用者不需要先具備深厚的專業知識與經驗，透過簡單的超作介面，就能進行自動化機器學習來作資料分析與預測。 使用Decanter AI有簡單三步驟： 步驟一、將數據整理成csv格式 ；步驟二、上傳至DecanterAI設定預測目標 步驟；三、Decanter AI自動建模，獲得預測成果 。部署方式可以在公有雲，也可落地到企業端的私有雲，內部資料上傳之後，即可建模使用。nbsp DecanterAI使用三步驟，簡單又方便 AutoML的優點是能夠自動化訓練大量模型、調整參數、產出最佳模型，快速部署、快速導入，在新冠肺炎病毒COVID-19疫情之後，各行各業面臨新的市場變局，必須透過快速、便捷的數位工具進行數位轉型。 行動貝果近年來，持續推動DecanterAI平台的優化與建立產業資料建模分析能力，並產生實質效果。如中華電信運用平台針對攜碼客戶進行盲測，並進行數據分析，有效降低用戶的離網率並提高客戶留存率。國內龍頭食品大廠，由於飲品有效期，加上冷鏈的生產與銷量情況必須完全整握，才能降低庫存與損耗等問題，在導入DecanterAI平台之後，除了可精準預測市場需求量，根據效期數據分析生產及配銷數量，也有助於降低倉儲物流成本。 AutoML產業應用多元廣泛 未來發展潛力大 行動貝果認為，AutoML在產業應用十分廣泛多元，包括製造業所困擾的員工離職預測、生產需量預測及營收績效預測；智慧零售業的門市客流預測、商品補貨預測、會員促銷預測；電信業的客戶流失預測、潛客名單預測；金融業的理財精準行銷、信用卡盜刷偵測及保險申辦快審，甚至於房地實價預測、停電災損預測等，都有助於解決產業的經營困境，創造新的商業模式。 AutoML產業應用多元，涵蓋製造、零售、金融等產業 資料來源：行動貝果有限公司 AutoML導入期需要花費多少時間與準備林昱伸表示，在實際做法上，自動化機器學習企業導入進程包括四大期間： 一、 準備期：協同企業討論聚焦商業痛點，協助定義分析命題，並提供資料科學專業建議與最適解決方案，為期兩周左右時間。 二、 驗證期：以小範圍試點專案快速驗證分析成效，確保命題設定、數據品質、分析流程、預測技術等面向，作為後續實務應用與放大之基礎。需要花費三周時間。 三、 導入期：依企業需求支援雲端或本地端產品部署。提供操作與維運教學、Help Center、數據分析顧問諮詢、企業培訓課程等產品導入服務，需時一個月以上。 四、 應用期：分析數據團隊可透過產品通用介面執行各項AI專案，快速落地。並可透過API串接預測引擎，依實務場景開發應用模組，此一為應用最後階段，耗費時間較多，需時長達數月之久。 然而，行動貝果與SI夥伴進行系統整合專案流程，由SI夥伴進行商業命題討論，及提供資料集，隨後進行資料健檢與Baseline模型，據此，行動貝果提供資料診斷報告，確認試點專案命題之後產出需求規劃書，就進入專案執行階段，模型建立、優化及提供分析報告。與SI業者進行系統整合，一方面優化處理模組開發，另一方面使用API串接數據源與輸出預測結果，導入企業的場域，有效解決企業在面臨數位轉型中的命題。 展望未來，Decanter AI平台上將持續開發各項AI創新應用服務，與產業上中下游如企業資源規劃ERP、顧客關係管理CRM、商業分析BI與電子商務平台EC等夥伴，以共創、共享與利他的方式極大化生態圈效益。 本文源自於「AI Engineering線上小聚」內容精選整理