你知道小小一顆高爾夫球有高達28個瑕疵檢測嗎用人工一小時看500顆球，若用AI來檢測瑕疵，一小時可以檢測6,000顆球。慧穩科技所研發的AOI自動化光學檢測技術，可以達到01的漏檢率，高出人眼達10倍之多。除了高爾夫球產業外，慧穩科技AOI檢測也將導入紡織業等產業。 慧穩科技創辦人兼總經理林耿呈是鑽研人工智慧AI的專家，早在2013年間，就感受到深度學習Deep Learning，DL和AI影像辨識的未來性與爆發力。而AOI一直以來是製造業的強烈需求，主要能夠替業主提高產品的品質，讓交出貨的品質可以穩定，另外可以把AOI檢測的結果數據來改善製程，讓製程改善可以進入正循環，進一步節省成本。 由於人眼有疲憊與標準不一等不可控因素，導致檢測遭遇瓶頸，人眼經過訓練的漏檢率極限大約在12，且每下愈況，檢測情況會越來越差，AOI是一個穩定且可大量檢測的設備，慧穩科技可達到01的漏檢率，是人眼的10倍之多，相當於檢出率達999。當然，AOI也會造成5-10的過檢率，再透過人力針對過檢進行篩選既可。有AOI輔助，可減輕品檢的負擔，相對省下不少工時。 AOI檢測高爾夫球瑕疵 一小時檢測能量成長12倍 慧穩科技AOI技術第一個試金石是高爾夫球。高爾夫球球面凹凸不平，是高反光產品，過往仰賴人工一一檢測瑕疵，一顆小小的高爾夫球有高達28個瑕疵，一個小時能檢測500顆。國內高爾夫球大廠為了符合日本客戶的需求，在兩年前導入AOI檢測，透過AOI高速高精度光學影像檢測系統結合AI深度學習影像辨識技術，進行高爾夫球表面瑕疵檢測，進出料全面自動化，以取代人工辨識漏檢問題，並可即時記錄瑕疵狀況並回報，每年每台可檢測20萬打高爾夫球，大大提升客戶的滿意度。但是，這一步，慧穩科技足足走了兩年多helliphellip。 高爾夫球AOI辨識技術畫面 高爾夫球AOI辨識，28個球面瑕疵無所遁形 林耿呈表示，從資料評估與諮詢開始，接著是資料整理與標記、AI演算法挑選驗證及AI訓練服務，高爾夫球資料相當於從零開始一筆一筆累積下來，所幸，高爾夫球廠商全力配合，才終於開花結果。AOI檢測高爾夫球瑕疵，一般用人工一小時看500顆球，若用AI來檢測，一小時可以檢測6,000顆球，成效高達12倍之多。 跟其他公司不同，林耿呈認為AI需要深耕Domain把專業的資料給磨出來，唯有這些Domain的資料才能讓AI做得很好，所以公司是從專案接案開始走起，非一開始就設定一個AI的產品，因為，沒有好的資料或專注的領域，有再好的演算法都無法成就AI，慧穩科技這幾年將專案的經驗累積，漸漸發展出產品，除了專注在Domain資料外，慧穩也提供最新AI演算法給客戶，與客戶共同成長，因此，不同於對外募資，慧穩的投資人就是客戶或是合作夥伴，形成更緊密的合作關係。 評估期到正式上線 AI導入需要六大階段 慧穩科技承接的專案，都會分成幾個階段：1評估期、2前期驗證POC期、3收集資料期、4反覆驗證期、5AI正循環期、6正式上線。評估期是將需求端的Domain狀況先期的了解與評估，接下來會進行POC的驗證，經過POC後將會大量的收集資料，進入反覆的驗證階段，最後讓AI進入到正循環的階段，達到一定的效用後，即可正式上線。一般來說，一個案子需要磨個半年至一年的時間。但以比較熟悉的PCB AOI專案，則直接跳過前兩個階段，從收集資料開始做起，時間也相對縮短許多。 「無論這個案子或其他案子都會遇到的共同問題，客戶都會問說，資料要多少才夠，AI何時才會學會」面對諸如此類的問題，林耿呈指出，這些問題產生的原因是：1 深度學習技術上不可解釋，因為它是個黑盒子；2 AI技術上普遍客戶都沒有相對的概念。因此，公司必須耐心地去反覆驗證資料，找出AI所需要的資料，進行累積與測試，把所有的Domain狀況一一釐清與解決，這是非常需要時間與耐心。 在AI導入的過程中，客戶對於AI高度期待，認為只要結合AI服務，就可以立即取代人力，林耿呈指出，其實不然，實際上AI的價值是透過累積大量高品質資料後，轉換與分析並建立AI訓練與驗證模型，才能完整解決人工所產生的問題。 目前除了高爾夫球的檢測外，慧穩科技正針對紡織業的布料與鞋帶等等用品進行導入，亦有許多行業都有透過慧穩進行POC，如半導體業、PCB業與其他傳產等。 AOI布料瑕疵檢測，上圖為導入AOI檢測前，下圖為導入AOI檢測後 林耿呈指出，在創業的過程中，最困難的是人才的培育與客戶的認知，客戶通常比較講求快速看到成效，殊不知，AI的導入需要資料的累積與反覆驗證，這些過程沒有半年以上無法顯現成果。 受到新冠病毒肺炎衝擊，製造業供應鏈全球化、集中化的趨勢已經被打破，取代而起的是「短區域」的供應鏈，也就是說，小而美的工廠將遍地開花，是否也為AOI帶來新的商機林耿呈表示，高度自動化對於AI自動檢測的確帶來商機，然而，相對資本投入較高，包括自動化設備、主機、GPU及足夠的AI維運人才等，都非中小企業或小工廠負擔的起，需要靠政府資金、資源投入，才有辦法順利轉型。

在AI時代，無論是智慧製造或智慧零售等產業應用，最重要的第一步驟，就是蒐集資料，尤其是在工廠機台上，成千上萬的資訊流，哪些是有用的，哪些是無用的資訊垃圾，在蒐集時就必須清楚界定。如果能有簡單、輕量化、成本低廉的軟體，則有助於企業蒐集機台上的資料，進而加以分析、預測，以達到傳統企業數位轉型的目標。 AI商品化程度不足 企業主要考量成本效益 位於新北市新店的北爾電子亞太總部，是一家致力於工業自動化和高標準資料通訊的技術公司，主力產品為工業物聯網IoTGateway閘道器，可把兩種不同網絡系統連結在一起的裝置，它可將數據傳輸到其他具有相似功能但不同結構的網絡中、戰情室可視化軟體、HMI，核心技術為控制器通訊driver及可視化軟體。 曾任職於研華科技、新漢公司，熟悉工業40運作的北爾電子產品管理與支援部協理李立偉表示，企業在評估是否導入AI時，最重要的考量是成本與效益。據他多年觀察，目前的AI商品化程度仍十分不足，因為AI多屬客製化設計，無法大量複製，成本自然居高不下。除非AI走向垂直領域的應用，將產品單一化，如運用AOI進行瑕疵檢測、馬達或刀具的預知診斷等，這樣的AI才有可能商品化，成本合理化。 X2 pro提供各種高性能工業用人機介面 現階段工廠端遇到的數位轉型問題包括：一、數據蒐集不易；二、工廠設備需要更新，曠日廢時；三、成本過高。對於大企業而言，本身資金、人力資源充裕，有能力自行導入AI，進行數位轉型工程。至於中小企業，除了受限於資源以外，是否需要導入AI，成本效益的考量是一大關鍵，若現有的軟體可以協助蒐集資料，並提供可視化軟體進行決策判斷，應是比較符合現階段的實際需求，而當企業主從中得到實際效益後，才能進一步思考導入AI的需要及其誘因。 身為歐美人機介面專業廠商的北爾電子，其所提供的可視化軟體，可提供產線及生產機台上之控制器資料擷取以及IT資料之整合服務，而運用產能及品質管理最佳化AI技術，就可以解決資料擷取及整合問題。 例如，工廠戰情室以整面的螢幕牆顯示當天的工廠數據，甚至是即時財報數據 ，工廠決策者就可以利用整合過的資訊及已經可視化軟體轉換成的戰情分析進行生產、行銷、庫存管理、採購備料等決策的依據。 戰情室三大優點：成本低、維護容易、可大量複製 與一般工廠戰情室相較，北爾電子所提供的戰情室服務有三大優點：一、提供的是可視化的套裝軟體，成本低廉；二、不需要仰賴工程師維護；三、戰情室很容易商品化，可大量複製提供，也負擔的起未來從自動化到IoT的軟硬體設備擴充。 李立偉進一步解釋，AI主要是撈取資料進行判讀，和自動化要求實時real time反應不同，可容許抓取資料的速度慢一點，但也都在幾毫秒的範圍內，人機通訊不需要特殊的介面，因此，可以跟現有的控制器脫鉤，也無須更改程式，直接可以與目前產線上既有的硬體設備介接攫取資料，同時運用既有軟體來讀資料與分析，協助決策管理，進行工廠數位化升級。 至於北爾電子是否導入AI演算法技術，提供使用者除了蒐集數據、分析與預測等AI服務李立偉表示，北爾電子思考三個層面，一、導入AI，資料收集絕對是重中之重，同時，要在不增加成本、變更現場設備下蒐集數據，顧客接受度才會高，現階段利用人機介面即可直接蒐集數據；需要有人告訴你甚麼是有用的資料，不然收到的資料量再大，實質意義不大；三、想要AI解決甚麼問題，必須很明確。 北爾電子的客群是PLC可程式化邏輯控制器，programmable logic controller，簡稱PLC的業者，包括台達電、永鴻、盟立自動化、士林電機、國際大廠，如Siemens西門子 、Rock weld及MITSUBISHI等。然而，最終要服務的客戶是PLC的使用者，此一層面涵蓋除半導體外，包括石化、3C製造業、汽車製造業、發電、風控等各產業，所涉及的領域知識Domain Know-How包羅萬象，在資源有限的情況下，是否將服務往AI延伸，目前仍在思考中。不過，若能貫徹專業分工，北爾電子將規劃產業生態圈，引進策略夥伴，共同協助客戶朝AIoT目標前進。 北爾電子產品管理與支援部協理李立偉

小小一顆晶片，能夠驅動AI演算法速度近百倍，汎思數據團隊致力於軟硬體整合，提供包括金融產業、智慧醫療及智慧製造等領域以小成本、高效率方式導入AI，快速進行數位轉型。 這幾年，人工智慧喊得震天價響，然而，落地應用受限於高昂的成本，而「算力」的提升是AI應用瓶頸突破的關鍵，汎思數據客製化晶片設計與解決方案可以提升處理效能及有效降低成本，讓AI落地應用於金融、醫療及製造業等領域，變得容易而可行。 公司核心服務為高效能硬體加速平台（FPGA） 汎思數據成立於2018年10月，創始團隊來自於清大、交大與台北大學，現有員工11人，其中，晶片設計總監劉文凱來自於IC設計公司-慧榮科技，帶領5人IC設計團隊，耗費1年多時間研發高效能硬體加速平台（FPGA），成為公司核心服務。 汎思數據整合軟硬體研發高效能硬體加速平台（FPGA） 「AI要落地，面對的是成本與現實處理狀況的考量，若購買NIDIA GPU的標準組合，價格不斐，若能透過客製化做硬體調校，產生符合使用的專屬組合，成本將可獲得大幅度的降低。」汎思數據總經理廖彥欽表示，更進一步指出，現階段的AI新創大多僅有軟體工程師，缺乏硬體工程師，汎思數據擅長處理數據及軟硬體整合，有優秀的團隊，可有效率處理數據問題，並針對客戶的需求開發軟硬體解決方案。 金融市場詭譎多變，以此次新冠病毒（COVID-19）肺炎為例，造成全球股災，並受到程式交易影響，美股史無前例出現10年內實施四次鎔斷，也讓投資人的風險意識大幅提升。 嫻熟金融交易的汎思數據共同創辦人鄭宗宜表示，在股票、期貨、權證等金融市場，「速度」往往是決勝的關鍵，也就是說，在市場上賺錢或賠錢，往往決勝點在於速度。一般傳統的股票交易流程為金融交易資料從網路流到主機，透過搓合軟體進行運算，這種方式是以毫米級計算，平均20毫秒（ms，10-3 秒））完成一筆交易。系統處理交易速度則是以奈秒等級（ns，10-9秒）計算，透過高效能硬體加速平台（FPGA），每筆金融搓合交易只需千奈秒時間即可完成，差異是相當巨大的，這些微的秒差，可能造成數以億計的交易損益，也是券商自營商最大的競爭力之所在。 汎思數據在金融領域的服務對象分別是證券商的自營部門、新種金融商品的交易部門及高頻交易者（或散戶交易大戶）。在證券市場上，行情震盪是大量數據下的結果。如果系統是奈秒等級的速度，讓你迅速看到交易資訊，比別人多了01秒，在別人還沒有看到交易行情時做了交易決策。 服務領域鎖定金融科技與智慧製造 銀行信用卡的風險控制系統一樣可以運用AI整合加速，這比較像是監管科技的領域。建立一套AI模型，可以有效識別信用卡的風險交易，在很短時間給予回應，就能提升網路交易的安全性及流暢度。 在AI信用卡的風控系統運用AI加速，也透過軟體整合加速。交易盛行，詐騙多，比較像是監理科技的領域。透過建立一套AI模型，可以有效識別信用卡的風險交易，在很短時間給予回應，就能提升網路交易的安全性及流暢度。包括金融交易、信用卡風險識別，都是透過晶片將交易資料分析與風險控管系統直接加速運算的結果。 金融交易資訊加速方案 現階段許多金融業者均有自行設置的IT部門，其中不乏資料科學家、大數據分析人員及AI演算法工程師等，汎思數據在金融領域的優勢何在鄭宗宜指出，金融業的IT部門多屬於「用」IT的人，而非「開發」IT的人，況且，懂IC設計的專業人員成本很高，金融業不需要自己養IC設計團隊，專業分工十分明確，汎思只要開發模型供金融業界接即可。 基於個人隱私及資安考量，金融資料比較敏感，往往不輕易取得相關資料，汎思數據藉由進駐金融科技創新園區（FinTechSpace），在資策會的協助下，申請數位沙盒所提供的即時交易資料及企業歷年財報資訊、歷年交易資料，藉此將資料分群，進行分析、建模、回測，對異常交易及風險控管等提出AI風險預警等解決方案。 除了金融科技外，汎思數據也專注在智慧製造的AI應用，如以影像辨識方式研發智慧影像讀表，可以協助業者降低更換設備成本，精準度也相對較高。 在客製化晶片設計、數據分析及軟硬體整合的過程中，汎思數位遭到到數據及人才取得不易的問題，在數據方面，現階段藉由介接數位沙盒的方式，透過金融科技創新園區所提供的資源，來建立AI模型；在人才方面，則建立精實的核心團隊，不斷累積經驗，並建立堅實的創業文化，以迎戰需求不斷成長的市場。 圖由左至右分別為：共同創辦人鄭宗宜、總經理廖彥欽及晶片設計總監劉文凱

導入「AI醫療影像識別系統」，協助放射科醫生能方便快速完成影像識別的工作，降低放射科醫生的工作負擔。 非侵入式的不同選擇 醫學影像辨識是放射科醫生的重要工作，醫生必須根據病患的檢查資料，提供專業的判斷。當發現某個腫瘤時，必須判斷是否為癌症。可行的方式包括非侵入式的醫學影像以及侵入式的切片檢查二種。侵入式的切片雖然準確率高，但對於病患身心均造成不小的壓力。 目前透過影像辨識用來判斷腫瘤的僅能判斷有無腫瘤，尚未能檢測出良惡性腫瘤的區別。判斷乳癌的良性或惡性腫瘤，大同世界科技公司協助財團法人彰化基督教醫院影像醫學部，為全台第一家醫院導入「AI醫療影像識別系統」，將人工智慧乳房X光攝影良惡性判斷正確率提升達85，可經由影像判讀從原本良惡性二分法轉變為機率表現之BI-RADS分級。 AI醫療影像識別系統 提升乳癌判斷正確率達85 AI醫療影像辨識系統可以輔助放射科醫生做快速的判讀。初期將以乳房x光攝影為專案標的。由於發現腫瘤時，判斷是否為癌症必須藉由病理切片檢查或乳房x光攝影。病理切片為侵入性檢查，雖然正確性較高但相對所付出有形與無形的成本也較高。 同時，有助於提升乳房x光攝影判讀的效率與正確性，再加上結合優化乳房x光攝影判讀流程，將有助於降低放射科醫師的工作量與降低病患等待檢查報告的時間。另一方面，透過人工智慧的輔助，亦有助於降低放射科醫生主觀判斷的差異並避免人為疏失，協助院方建立共同標準，增進不同科別醫生兼協同合作之效率。 CNN Convolutional Neural Network模型 輔助醫生做快速判讀外，彙整導入AI醫療影像識別系統之效益： 一、提供人工智慧乳房x光攝影以BIRADS分級，輔助放射科醫生判讀。 二、優化醫療影像辨識流程，提升現有流程自動化程度。 三、使用國人醫學影像為樣本重新訓練模型。 四、採用較佳之CNN模型提升正確性與模型穩定度。 五、定義BI-RADS分級與AI良惡性判讀之關聯性；從原本之二方法（良惡性）轉變為機率表現之BI-RADS分級。 人工智慧之所以能應用於醫療輔助判斷，先決條件是正確率必須高於85，如此對於放射科醫師才有參考價值。透過人工智慧的輔助，放射科醫師判讀單張x光乳房攝影影像，並給予BI-RADS分級之整體判斷時間，本計畫實施後將降低為原本之50，從原本10分鐘左右降低至5分鐘以內，提供具有效率且正確性的AI輔助效果。 大同世界科技股份有限公司董事長沈柏延

新冠肺炎Convid-19，又稱武漢肺炎掀起Uber Eats、Foodpanda等外送平台的熱潮，而外送平台又催化出智慧調度的急迫需求，試想，若司機能從手機或網路平台上了解哪裡不塞車哪條路段紅燈最少AI直接幫你規劃出最適合的排程，將可大大提升物流效率，減少過勞情況。 隨著商業活動的興盛，提供人員貨物移動服務的「物流業」，卻缺乏更智慧的調度。根據國際研界機構Gartner研究指出，全球有97物流產業沒有使用最佳化軟體做有效的規劃。 智慧調度解決利害關係人痛點 我們先來了解，在物流產業鏈的利害關係人中，他們的痛點各在哪裡 老闆的觀點：因應各種不同型態的遞送服務，尤其是新型態的食物快遞，如何不增加車隊規模的同時，又能提昇業績 師傅的觀點：排車非常困難，老闆又要求提升效率，沒有電腦很難做到。 司機觀點：師傅排的不好，物品送不完，或者塞車不順，常常要加班，甚至可能會不小心闖紅燈、吃紅單。 針對上述痛點，專注於智慧調度技術的奇點無限創辦人兼執行長衷嵐焜表示，「這些問題全都是經典的數學問題」，奇點無限的AIR智慧調度派遣雲端服務是一個解決最後一哩運送last-mile delivery調度與路順問題的雲端軟體服務，能夠解決業者每天對於貨物、車輛及運送路順的難題，讓業者用最少的車隊接更多訂單。 智慧調度系統排程 本身專長在於運用資料科學在民生上的解決方案，曾任逢甲大學地理資訊系統研究中心研究副教授的衷嵐焜，於2015年創立奇點無限，主要希望以數學、統計與軟體技術解決智慧移動Smart Mobility問題，公司所研發的AIRouting最佳化技術演算技術，可以提供即時交通資料及動態規劃，目的是協助業者做更有效率的派遣工作。 奇點無限整合即時的交通資訊和號誌資訊，還能做高頻率的非典型物流業態，例如美食快遞、電動機車換電策略。以電動機車換電為例，奇點無限在資策會AI HUB平台的媒合協助下，與台灣三大電動機車共享平台營運商WeMo合作。現行的做法是，電動機車每騎50公里之後必須更換電池，如果沒電了，騎士會將車子放在路旁，電動機車營運商必須尋找到沒電的車子，並自行更換電池，為了維持有效營運，營運商必須維持電動機車稼動率產能利用率在80-90的水準。以雙北市1萬輛電動機車為例，要維持每個時段有8,000輛以上車子在路上，但缺乏智慧調度系統無法維持高稼動率，WeMo在2019年系統導入之後，稼動率大大提升75左右。 AIR智慧調度派遣雲端服務導入成效 AIR智慧調度派遣雲端服務有效提升稼動率75 另外，在食材配送物流方面，也有不錯的成效。傳統食材運送商，每天要到果菜市場、農產運銷公司，甚至是魚貨市場提貨，將新鮮食材送到餐廳，一天需要高達25輛貨車運送，導入AIR智慧調度派遣雲端服務之後，每日送貨貨車最高可降至12輛，足足減少了一半以上的貨車成本。 奇點無限公司內部集結數學統計、交通運輸、AI技術等專家，所介接的交通資訊訊息是OpenStreetMap，再搭配全省即時交通流量數據，了解各時段交通擁塞情況。此外，未來也將運用號誌秒差資料，即統計出哪些路段的紅燈最少、秒數最短，以規劃出最佳行駛路段，減輕物流業者及司機的負擔。 奇點無限公司團隊，圖右三為奇點無限創辦人兼執行長衷嵐焜 除了物流及運輸業，AIR智慧調度派遣雲端服務還能運用在貨櫃場的堆疊、工廠機器排程，工程專案管理、醫院病床配置或手術房安排及航班機門指派等領域。 奇點無限的商業模式採取兩種模式，一為為客戶客製化專屬的調度系統，每月每年訂閱付費，採取隨需付費的方式；另一種為導入系統之後，與客戶進行分潤。基本上是由奇點無限提供API進行介接，由營運商自行開發APP或以網站形式提供服務。 在創業的過程中，最困難之處在哪裡衷嵐焜認為，創業就是不間斷的選擇題，如何將無數的選擇題簡化成少數的選擇題，再簡化每一題裡的選項如何選擇對的答案。過去誤以為「技術可以解決問題」，但最後發現，不能貿然完全靠數學解決「效率問題」，因為世界不是這樣運作的。在這個生態系中，『誰』會因為『誰的意見』而停止導入 例如，在物流業中，運送貨物最重要的是司機，但司機是人，他需要休息，如果將系統導入，排程完全透明化，司機沒有休息的時間，導入方式不對，系統就會成為壓榨的工具，因此，系統要考慮人性，將休息時間放入數學模型中，才能得到司機的支持。或是，預先知道司機的家住在火車站附近，在排程中，最後一站排在車站附近，讓司機送完貨就可以就近回家，以上種種例子，都能夠提升司機的接受度，大大提高專案導入的成功率。 衷嵐焜最後指出，資料搜集對傳統產業是未來能否成功數位轉型的關鍵，沒有資料，就沒有資料科學，就沒有AI。奇點無限擁有自動化搜集與記錄的專利，可以降低資料收集的成本，同時，收集、儲存的資料可用性高，將能作為未來智慧物流重要的基礎。

在「你不理財，財不理你」的時代，如何規避投資市場的風險與掌握投資收益，成為投資人最大的企盼。為克服貪婪及恐懼的人性弱點，透過AI演算法因運而生的理財機器人，能夠協助投資人趨吉避凶，在詭譎多變的金融市場，享受豐碩的獲利成果。 2020年3月17日，受到新型冠狀病毒肺炎COVID-19，又稱武漢肺炎全球延燒影響，美股開盤後持續重挫，觸發美國股市啟動第三次熔斷，這也是史上第四次熔斷，證券市場投資人哀鴻遍野，連逃命都來不及逃，在此之前，理財機器人已建議調整股債比重，降低風險高的股票比重，提高相對安全性高的債券比重，同時加入避險性高的黃金等組合，使得投資人可有效降低投資風險，減少損失。 機器人理財分B2B及B2C兩種服務模式 由立鼎資訊科技公司所提供的機器人理財服務，為投資人提供一項穩健的理財工具。立鼎資訊科技共同創辦人暨執行長彭瀚生表示，立鼎資訊科技現階段提供兩種服務模式，第一種為台灣 B2B模式，即與國內金融機構合作，以雲端方式提供機器人理財演算法引擎、人工智慧市場預測引擎，共同推出機器人理財服務；另一種為美國B2C模式，瞄準服務美國華人客戶，自行開發智能理財APP Growin，運用AI與量化模型提供在ETF、個股上的客製化投資理財服務。 其中，受限於法規，立鼎在台灣所推出的B2B理財機器人，係與國內金融業，包括銀行、保險等進行合作，目前立鼎的合作對象包括一家投顧投信業者、一家壽險公司及兩家銀行，提供客戶理財機器人作為消費者可倚賴的交易工具。 此外，台灣資訊服務業龍頭-精誠資訊為金融機構提供提供多元化的金融資訊服務，立鼎也透過在精誠資訊系統串接API的方式，提供投資人智能理財的投資組合建議。 智能理財APP Growin，運用AI與量化模型提供在ETF、個股上的客製化投資理財服務 美國的金融相關法規相對成熟，允許企業設立線上投資顧問公司，立鼎透過API方式與美國券商系統串接，合作的對象是美國規模最大、排名第一的盈透證券Interactive Broker，直接提供消費者服務，盈透證券的客戶可以透過APP直接下單，享受理財機器人的服務，目前提供iOS版本供下載使用。而機器人理財平台每年收取投資金額05-1的管理手續費，共有10個投資組合供消費者選擇，投資報酬率高的股票，管理手續費較高，選擇相對穩健的ETF，手續費則較低廉。 立鼎理財機器人的服務，以中長期投資為主，以美國為例，投資標的包括美國市場5,000檔股票、2,000檔ETF，其中，根據不同風險投資組合的投資報酬率平均為45-18左右，ETF則為45-9之間。將AI演算法導入投資理財，不僅可大幅降低人為情緒帶來的影響，更能有紀律的執行每一投資決策、更有效的預測市場，並對其走勢做出即時反應。 機器人理財鎖定退休族，著重中長期投資 以受到新冠肺炎衝擊，引發全球股災為例，理財機器人原本投資組合中，股票及債券比例分別為7比3，在全球股災發生不久，自動反轉調整為3比7，即提高債券比例，降低股票比重，以規避投資高風險。彭瀚生表示，理財機器人運用AI技術模型，匯集全球18個重要市場指標及未來1-3個月的經濟趨勢預測，能在市場即將大幅下跌時給予反轉建議，規避高的投資風險，因此，在此波全球股市大幅下挫之際，損失相對輕微。但相對地，在4月份全球股市紛紛大幅上揚之際，理財機器人的漲幅也相對較小，適合追求長期績效的穩健理財投資人。 彭瀚生表示，透過AI演算法的投資人理財，可以克服一般投資人容易受到情緒、消息面或不理性的殺盤所造成的投資失誤影響，同時，以一籃子投資組合的方式，也能有效分散風險，降低投資損失。 集成學習概念可達到動態資產配置效果 立鼎透過「集成學習Ensemble Learning」的概念，收集大量金融與經濟數據，再利用「多重機器學習演算法」，對各國股市進行預測，達到動態資產配置的效果，進而提升整體投資報酬率。所謂的「集成學習」是透過建立幾個模型組合來解決單一預測問題，其工作原理是在數據集上構建多個分類器模型，各自獨立學習和做出預測，這些預測最後結合成單預測，因此優於任何一個單分類器做出的預測。 此外，採用「非監督式」的訓練學習方法，也就是所謂「漸層式分群法Hierarchical Clustering」，系統會在每個月自動將標的範圍內的投資標的分門別類，讓機器學習財報資訊，進行價值投資，進而提高操作績效。 選擇機器人理財作為創業主題，主要跟彭瀚生的財務工程背景有關，畢業於清華大學財務金融學系的他，後來赴哥倫比亞大學攻讀財務數學研究所，畢業後進入華爾街從事量化交易2-3年時間。在三年前，眼見股票市場暴起暴落，投資人非理性的追高殺低，造成投資失利的情況，彭瀚生決定將所學貢獻給台灣社會，創立立鼎資訊科技公司，專攻機器人理財服務，期望透過以AI驅動的新智慧理財方式，協助投資人趨吉避凶，穩健理財。 推廣AI理財最困難之處在於，根據統計，在理財機器人提出投資組合建議時，有高達4成的投資人並不會照著做，無法克服人性的弱點，最後的結果是虧損部位越來越大。此外，在B2B的機器人理財市場，銀行及保險業的業務邏輯與理財機器人不同，如銀行專攻於財富理財，高端客戶通常喜歡理財專員直接服務，不喜歡跟機器互動，因此，銀行業推廣不易，未來，將鎖定銀行理專或證券交易員，讓理財機器人成為理專及股票交易員的投資建議輔助工具。 立鼎資訊科技共同創辦人暨執行長彭瀚生

農民在田間辛苦工作，產出最新鮮、營養、好吃的農作物，若缺乏好的冷鏈運輸系統，不僅讓農民的辛苦付諸流水，農企業因為冷藏商品失溫損壞所造成的損失，也成為一大痛點，透過AI冷鏈運輸斷鏈預警系統，能協助降低成本，提升蔬果運送保鮮效率。 成立於2017年的仲闐科技，致力於運用物聯網技術發展智慧農業，除了取得智慧城市創新應用獎等多項獎項外，也協助興農集團、農試所等公民營機構建置智慧農業軟硬體設備。 冷鏈全程監控溫度 必須仰賴AI技術協助 仲闐科技首席顧問，同時也是嶺東科大資訊學院教授陳志明表示，全國擁有200多家肥料供應中心的興農集團，旗下玉美研究公司擁有台灣最高端溫室，其產品包括牛番茄等作物，供應台塑牛排、麥當勞、COSTCO及五星級飯店等，玉美研究本身擁有3輛冷藏車、12個冷藏室。然而，蔬菜、水果、生鮮食品等食物運輸需要保持在低溫環境下，運輸途中的環境溫度、濕度、二氧化碳、位置以及運輸箱的開閉等狀態，對於業主而言都需要即時進行監控，以掌握冷藏食品之儲存及運送過程品質是否受到溫度變化之影響，這部分是無法用人力監控來做，必須要仰賴AI技術的協助。 農業40簡易之APP操作介面 目前一般的冷鏈設備業者作法係採用將無線溫度記錄裝置放置於冷藏品中一起運送，以記錄整體運送過程中是否因溫度變化而影響品質，也有少部分冷藏車使用4G網絡來傳遞車內冷藏空間之溫度資訊，提供冷鏈於移動過程中之溫度變化監視。 但上述兩種方式都只能在最後到貨時間得知商品品質是否受到溫度變化之影響，並無法針對產品儲存及運送過程中可能產生的各種狀況提供分析及預警，來確保冷藏商品運送過程中的品質保證及資訊即時回饋。 仲闐科技所研發的「AI冷鏈運輸斷鏈預警系統」現已提供興農集團旗下子公司-國興資訊進行維運工作，即運用AI演算法針對物聯網所蒐集到的貨物溫度、濕度、CO2等參數，透過NBIoT通訊技術，將訊息傳回控制伺服器儲存，並提供AI演算法進行即時分析貨物之儲存及輸送狀態，讓管理者或貨主能得知貨物的即時資訊。 ICTIoT技術於農業之合作示意圖 一旦貨物狀態異常或即將發生異常時，AI系統能立即執行警示通知，可減少環境變化所造成斷鏈的損失。整體冷鏈監控範圍從物流運輸，延伸到卸貨、轉運及儲存等環節，藉此建構完善的冷鏈監控系統。 AI技術導入冷鏈系統 商品受損率降75 陳志明表示，系統建立後，冷藏商品因溫度變化品質受損的比例可降低75；同時，透過AI智慧判斷及統計分析演算法，提供各儲存空間、運送車輛甚至棧板之即時使用狀況，可提供智慧調度及數據分析提升整體冷鏈系統之使用率達20，成效不錯。 玉美研究公司旗下台灣楓康超市在全省新竹以北有48家門市，產品種類多，擁有100台冷藏車，現階段正由國興資訊規劃中，希望將AI冷鏈運輸斷鏈預警系統導入全省楓康超市，讓大都會的消費者享受更優質的冷藏生鮮蔬果與食品。 除了AI冷鏈運輸斷鏈預警系統解決「從產地到超市」全程保鮮問題外，農企業還有一個痛點，委外廠商可能在運送過程中為了省電，將車上冷氣關掉，換言之，在運送2-4小時的過程中，可能在前半小時及後半小時有開冷氣，其他時間可能面臨無冷氣的狀態，此一狀況也能運用裝置藍芽資料蒐集器在棧板內，每五分鐘蒐集溫度資料，以確保運送過程中貨物能全程保鮮。 冷藏溫度趨勢變化 溫室溫溼度變化趨勢圖 陳志明表示，興農集團是台灣首屈一指的農企業，旗下國興資訊可透過農業領域知識建立強大的AI專家系統，從溫室、物流車、倉庫、分倉到超市，可全程蒐集及掌握冷藏車資訊。而對於一般小農而言，資源並不豐富，未來仲闐科技將與中華電信合作，以月租費方式，提供手機APP推播，以協助農民即時監測種植時所需的環境溫濕度、風速向、日照及雨量等資訊，以利農民及早因應，且可以同時操控多個場域，將可大大降低人力的需求，達到智慧種植的目的。 仲闐科技首席顧問陳志明

深耕AI深度學習、動態人臉辨識、影像追蹤及分析的富萱科技，此次在政府對抗新冠肺炎俗稱武漢肺炎的關鍵時刻，提供AI體溫快篩技術，發揮關鍵性的作用，成為防疫的好幫手。 隨著疫情升溫，在大眾運輸系統都必須戴上口罩，測量體溫，然而，在有千人以上的廠區，或是台鐵等大眾運輸系統，要一一測量體溫，在技術層面上不容易達到，也容易掛一漏萬。 AI熱像儀 體溫快篩有一套 因應新冠肺炎、流感疾病急速大爆發，富萱科技整合AI人臉偵測辨識與熱像儀溫測技術，推出 AI智慧體溫快篩系統與RTC自主健康管理系統，實現體溫快篩自動化與異常即時通報告警，同時結合AI人臉辨識提供員工體溫追蹤與紀錄等E化系統，大幅降低人工監控負擔與排隊等候時間。 富萱科技總經理洪昆裕表示，現有的熱像儀只能辨識場域中溫度最高的熱源，缺乏影像辨識功能，屬於工業用溫度檢測儀器，例如在車站內，熱像儀偵測到咖啡、便當等超過警戒溫度的物品，便會發出警報聲，產生誤判的情況。在人潮擁擠的場域，也無法一一辨識出人的影像，及時偵測出發燒的民眾。 可視化的設計，讓體溫數值呈現在民眾身上，一目了然 運用動態人臉辨識，能讀取感應相對人臉的位置，同時鎖定額頭的部位進行自動化額溫量測，不僅能解決誤報情況，也能蒐集長期、穩定的數據，進行健康管理，更重要的一點是，可將溫度異常的民眾圖像擷取，對應溫度數據、日期、時間等，回溯追蹤其接觸史，可有效防杜疫情破口。 運用熱像儀可能產生誤報情況 目前富萱科技在台鐵西部幹線，從北到南21個火車站，架設多人多點體溫快篩熱像儀，超過2,000人的非接觸式測量額溫，成效良好，交通部長林佳龍也前往現場實際體驗。 交通部長林佳龍前往體驗AI智慧體溫快篩系統 AI熱像儀體溫快篩除了攝影機之外，在軟體方面分為兩大系統，一為RTC快速溫度檢查，將取得的體溫加以數據化、可視化，改善誤報及體溫異常的告警；另一系統為PTM人員體溫管理，在人群聚集之處，運用人臉辨識數據可確認人員身份、體溫變化等，一旦發生異常情況，可回溯追蹤接觸史，追蹤感染源，可快速控制疫情。 蒐集民眾體溫測量數據進行分析與管理 富萱安全監控解決方案 運用範圍廣泛 隨著新冠肺炎的流行化，可能像流感一樣成為常態，企業對員工體溫的管理更形重要。洪昆裕表示，人員體溫管理系統PTM在新冠肺炎疫情結束之後，也能結合企業的差勤管理系統，將員工的體溫管理自動化，防患於未然。 事實上，富萱基於AI深度學習所發展出的人形辨識與行為分析技術研究與應用，已深耕2-3年，解決方案包括，一、工地人員安全防護辨識，例如工地帽、護目鏡是否依規定穿戴；二、周界入侵偵測，可判斷警戒區域內的人員闖入、異常逗留、遺留物等，並可排除樹葉、動物、光線、下雨等異常環境因素干擾；三、火警與煙霧偵測，以AI技術克服紅黃顏色、煙雨氣候等誤報因素。 其中，富萱動態人臉辨識核心技術，即透過CNN卷積類神經網路運算所訓練出的AI辨識模型，以GPU為運算核心加快辨識速度，其臉部辨識速度僅需0025秒，臉部辨識角度則可達左右75度、上下45度的範圍，並克服光線、姿態、表情等影響因素，將辨識率大幅提升到9951。可用於工廠安全周界防護、銀行門禁管理、刷臉支付、車牌辨識等，達到預警與即時處置的智慧化影像監控。 富萱科技總經理洪昆裕

「音樂產業為何需要AIAI可以解決甚麼問題」這是安譜人工智能有限公司創辦人暨執行長曾志中不斷在詢問自己的問題。2018年創立公司，曾志中就很清楚了解市場定位及客戶所在，安譜要運用AI作曲搶攻全球環境音樂的公播市場，系統上線一個多月以來，AI已創作出超過一萬首音樂，客戶遍布咖啡廳、車輛展售中心、餐廳、髮廊等產業，「合法、免費」的公播解決方案，成為商店的首選。 曾志中是一位擁有網際網路與音樂複合背景的連續創業家，曾擔任過太合音樂集團總經理、微軟及諾基亞亞太區音樂服務總監，創立過AR公司愛米蒂亞科技和網絡直播公司天利達科技，現階段仍營運一家名為奧斯特音樂的影視配樂公司。 擁有科技與音樂雙重背景 AI音樂解決版權困境 具有科技與音樂雙重背景，讓曾志中對科技的嗅覺十分敏銳，尤其是AI熱潮不斷，讓他不斷思考，如何讓AI作曲成為一門好生意曾志中研究，包括擁有1億付費會員的美國Spotify、100萬付費會員的台灣KK BOX及在美國上市的中國大陸QQ音樂，均處於虧損狀態，最大的問題在於這些平台均未持有音樂的版權，雖然提供會員付費聆聽音樂，但相對也要付出部分版權費給唱片公司及創作者，以至於「做得越大、虧得越多」。 兼具科技與音樂背景的曾志中，希望為AI音樂創出一片天 在音樂領域，分為環境音樂背景音樂， BGM及流行音樂，其中，流行音樂產業鏈長，從作詞、作曲、編曲、唱、和聲、混聲到成曲等，製作成本高，投資風險相對較大，而環境音樂則是在商場、百貨、咖啡廳、餐廳等可公播得音樂，由於現行的規定，音樂公播權在各國的音樂相關產業協會手中，取得不易，要耗費龐大成本與時間，然而，只要音樂內容自製，就可解決版權問題，因此，運用AI作曲，將版權掌握在自己手中，成為致勝的關鍵。 根據國際唱片業協會（IFPI）報告顯示，2018年全球音樂市場收入同比增長97，達到191億美元，高於2017年的174億美元。 其中，流媒體音樂市場營收達到89億美元，占全球營收47，接近一半。而公播音樂占10-15，也是相當驚人的市場。 確認市場潛力無窮，緊接著就要評估AI音樂的技術能量，曾志中坦言，「AI絕非萬能」，以演唱會或暢銷排行榜上的流行音樂，就必須由作詞作曲家來創作才能達到效果，AI作曲在技術上就是簡單、不複雜的曲調。 集結音樂大數據庫搭配獨家專利AI演算法 快速產出音樂 安譜音樂的AI作曲系統所參考及採用的算法包括Markov chain、類神經網絡、深度學習法，並結合安譜公司獨家專利的演算技術MDN Music Deeplearning Network，其演算技術符合樂理的獨特演算法，因此能突破傳統流行音樂的架構及曲式，創作出更貼近市場的音樂作品。而數據庫集結了大量市場百大音樂排行榜、世界名曲等樂譜資料，先透過數據分析膾炙人口優質音樂的特色、旋律等特質加以歸納，再透過深度學習的方式，使得AI作曲能達到快又好的境界。 BGMRADIO公播平台上集結上萬首AI音樂 安譜為複雜的音樂版權環境提供清晰的AI解決辦法，平台的素材庫擁有大量完整清楚的版權，共有超過萬首音樂，50種曲風，用戶可以在其中任意挑選合適的音樂欣賞。而安譜目前的營運模式分為兩種，一種為提供網頁版，共萬首免費AI音樂供使用者上線聆聽，若用戶需要客製化的音樂，安譜則提供付費服務，此外，因應唱片業及歌手的打歌宣傳需求，也提供廣告播放收取廣告費的模式；另一種營利模式，則是由用戶租用音樂播放器，收取每年租用費的方式來營利。曾志中表示，除了公播平台上的100自製音樂外，安譜在作詞、作曲及編曲方面，也會協助唱片製作公司進行接案。 BGMRADIO公播平台與其他公播平台之比較 曾志中表示，「音樂不分國界，好音樂也不會分是人還是AI做的」，現階段AI演算法及相關技術相當成熟，運用AI製作音樂不是一件難事，重要的是，找到市場痛點，就有商機。安譜的市場遍及台灣、日本、韓國、新加坡等，未來將持續進軍華人最大市場-中國大陸。 曾在中國大陸創業20年的曾志中，回來創業主要原因是台灣的人才濟濟，尤其是跨域人才，不同於一般AI公司或音樂公司，安譜需要大量具撰寫程式與音樂專才的兩棲人才。公司分為研發及製作兩大部門，研發部門大多來自清大、交大的電機電子、應用音樂等相關學系，另一為音樂製作部門，在研發部門運用AI演算法快速製作出曲子之後，再由音樂專業素養高的製作部，利用人類對音樂的敏感度，將AI音樂譜成絕佳聆聽體驗的優質音樂。 安譜團隊大多是科技與音樂兼具的跨域人才