:::

【109年 解決方案】 以晶片驅動AI,汎思數據以小成本提升算力百倍

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)

▲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0.1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

▲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

▲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

推薦案例

這是一張圖片。 This is a picture.
AI智慧健康預防計畫

赫紀有限公司到「台灣兒童發展早期療育協會台東辦事處」舉辦一場AI故事繪本的互動教學,讓兒童、老師、家長一起進入沉浸式體驗教學。 AI生成兒童繪本教材 AI學習平台 nbsp 近年來台灣社會結構的改變,加上在醫院急診的經驗中,我們常常忽略了青少年所表現出的憂鬱症狀,導致孩子們出現自傷甚至是自殺的悲劇。孩子們憂鬱的產生往往很大部分都來自於學業上的表現,家長擔心孩子未來沒有競爭力,因此給予很多壓力在學業表現不佳的孩子身上。 nbspnbsp 一個家庭兩個孩子,有著相同的基因來源,提供相同的成長資源;我們發現第二個小孩通常在課業上的表現都不盡理想,成績不好,上課無法專心,就連看漫畫、打電玩也都無法有耐心與毅力完成,到底差異點在哪裡,我們一直在探索問題是如何發生helliphellip結果發現原因是幼兒時期對學習力出現障礙而沒有發覺。因後天環境因素導致學習力出現遲緩的孩子,八成以上的家長不會承認,也沒有意願帶孩子診療,主要擔心孩子會被貼上遲緩兒的標籤,因此孩子的學習力從幼兒時期就被迫遲遲了,進入國小國中後課業加重,落後幅度更大,家長生氣,孩子力不從心,家庭爭吵增加了,家長擔心孩子學業跟不上,便開始要求孩子要去補習,如果成效不好,花錢得不到好效果,則再次發生家庭革命,這些事件的不良循環都逐漸造成許多孩子在成長過程中累積了很多負面情緒進而影響健康的種種因子。 其實孩子考不好、學不會、不喜歡學習新事物,甚至產生影響健康的心理病症,背後很大的原因其實是幼兒時期學習遲緩累積造成的。六歲前是學習遲緩治療的黃金時期,若能在黃金時期可以發現與協助輔導,孩子們的學習能力將有機會可以被改善與得到10倍成效目前產業的痛點為以下 1缺乏學習力檢測方式市場缺乏樣本數據庫比對 2傳統家長思維迷思輕中度怕被貼標籤延誤治療 3缺乏治療教材教具治療行繪本和系列課程圈乏 本計畫將研發一個國家人才發展的生根輔助系統,利用 AI 技術發展出影響人一生健康的幼兒學習力檢測系統,陪家長共同守護孩子的「健康從學習力檢測」開始,早期發現、早期治療。在未來,台灣所有的孩子,不論出身,都能在幼兒時期將一生健康扎好根,長大後,孩子都能成為台灣國家發展的有用人才。 nbsp 2、nbsp 計畫內提出之AI應用技術與說明: 「兒童語言能力AI分析模型」。用以對「兒童表達一件事情」的「國語使用狀況」的「量化分析」。 情境:幼教師引導孩童敘述繪本內容。AI工具解析孩童描述繪本內容所使用的語句,並透過統計演算法量化分析孩童使用的語句。 分析指標:以「句型」及「語詞」為分析指標。分析內容包括:句型正確性、語詞多樣性、語詞使用數量、語詞使用正確性。 應用:單一孩童與同儕間語言能力分布的比較分析,可提供幼教師對不同孩子提供更細緻的語言能力教學。 使用技術:中文斷詞(中文分詞)技術、中文詞性標記技術、中文句法規則分析演算法、量化分析演算法。 使用工具:中文斷詞工具、中文詞性標記工具。 nbsp 3、nbsp 預期達成之產業價值: nbsp成立學習力檢測與輔助系統,透過治療型繪本與課程與幼兒園合辦學習力養成基地,讓孩子別停留在起跑點,陪家長守護孩子健康,從檢測學習力開始為目標,以強大樣本數據庫為後盾,提供家長早期發現孩子在學習上的延緩,協助孩子找回學習力。 nbsp 4、nbsp 預期達成之產業效益(經濟效益及未來擴散性、帶動性): 透過本計畫,只要協助遲緩孩子學習力能大幅提升,孩子是國家的主人翁,自然可以幫助國家在人才發展上得到看不到但非常實際的潛在影響力。同時,學習力養成基地的目的,就是要幫孩子找回家長,以增加孩子與家長互動的時間,讓孩子可以拋去單純 3C 的單面向互動變成與家長雙面向互動。這將潛在影響被環境耽誤有潛在能力的孩子再次得到機會發揮。

這是一張圖片。 This is a picture.
AI缺陷智能化檢測-降低製程耗能智慧監控解決方案

AI缺陷智能化檢測-降低製程耗能智慧監控解決方案 當一片貼片陶瓷基板上有超過2萬顆貼片電阻,應該要如何快速檢測答案是用AI來檢測。 在當前科技迅速發展的時代,雷科自豪地宣布其雷射加工技術的顯著進步,這一突破得益於人工智慧AI領域的創新應用,雷科致力於將先進的AI技術整合至雷射加工機中,於2019年與合作廠商共同開發出全球第一台結合AI技術的雷射加工機,並以此為基礎上進一步在2023年打造了首台結合AOIAILASER的陶瓷載板檢測機。 智慧陶瓷載板檢測機 藉由AI與機器學習的導入,加上樣本大數據的累積,在系統愈變愈聰明的狀況下,使產品良率在一年內提升5、將檢測速度由原本2分鐘片大幅降低至20秒片、大幅降低了檢測成本、在前段有效率檢出與雷射標示後,可降低後段製程上的浪費,減少整體場域碳排、並可自動產出詳細檢驗報告,以進行數據分析與優化,有助於提升設備產能、降低人為疏漏,使雷科的設備產品更具價值、強化我國電機電子產業之國際競爭優勢。 雷科股份有限公司Laser Tek成立於1988年,並於2002年正式掛牌成為上櫃公司,成立迄今已成為具指標性之SMD電子包裝材料、SMT檢測設備、雷射設備等全球性銷售通路服務及設計製造商之一。 雷科總經理擁有20多年雷射整合經驗,他觀察到被動元件客戶每個月產能可超過10億顆SMD元件,但伴隨著SMD元件尺寸持續微型化發展,其生產製造時之瑕疵檢測作業變得更加困難,一片陶瓷基板上動輒上千上萬顆元件,元件尺寸越小,印刷雷射加工位置更加微小,檢測難度就越大,而更容易出現偏差,因此生產檢查成為相當重要的一環。 R-SMD生產檢查流程 AOI良率過殺問題,靠AI來把關 而AOI檢查機是普遍且成熟的機種,但市面上的高精度AOI運作方式是以單次拍攝小圖移動拼接成大圖,精度雖高但檢查時間較久,小尺寸SMD元件更易受環境干擾,如:光照和振動等容易造成誤判;因此AOI僅能以抽檢方式估算良率,且抽檢良率差的元件也並非單獨去除,而是連同良品整個剔除;人力複檢不但成本提高,每個人的檢查標準又無法統一,最終導致的結果,是平均會發生約2-5的產品未被檢出不良品而流入後段製程,即約每月至少2,000萬顆不良品之SMD元件,因未能在初期被檢測出,而造成後續各段製程中,不良品上依然會有印刷、加工檢查等流程,無論是油墨耗材及能源的浪費,增添了成本負擔,更因此加速設備磨損、使設備運作壽命簡短,而每一階段的浪費,皆會增加場域製程的碳排放量,不利於企業的碳足跡盤查。 0402修阻後樣品照片範例 傳統AOI 自動光學檢查的高誤判率也是業者面臨的一大生產痛點,在被動元件產業對於良率「寧可錯殺一百,不可放過一人」的高標準要求,往往會把 AOI 參數設定極高規格,導致設備異常敏感。當數據參數設定過於嚴苛時,易造成高誤判率。例如:當被動元件的汙染髒汙與印刷層顏色相近時,AOI 過篩誤判率可能高達 7 成。 汙染髒汙與印刷層顏色相近AOI易誤判 雷科有別於其他AOI供應商,捨棄了小圖拼接或線掃描方式,有效避免圖像處理時硬體或環境造成的資料遺失與斷差,採用超大面陣感光相機搭配訂製高解析度鏡頭,透過特殊影像進行合成處理。合成的過程中,感光元件的每個像素位置上都包含了從多個不同位置捕捉到的光線資訊。通過將這些資訊結合起來,影像的解析度和細節得以提高,達到億萬級別的分辨率,配合多重自動調整光源,單次拍攝可處理涵蓋7070mm,影像解析度可高達5um,取得清晰影像,再透過Smart-AI技術進行分析篩選。 三大妙法打造快速檢測Smart -AI 雷科總經理分享,快速將AI技術導入並減少檢查運算時間,並開發Smart-AI有三大方法: 方法一、先以AOI方式快速將良品與含爭議的缺陷品進行二分法區隔,將檢測重心放在少數不良的辨識上。 方法二、自動標註平台簡化訓練問題:運用攝影機蒐集機台的資料,用自動標註取代人工標註,逐步訓練以拉高精度,問題越簡單,訓練所需資料越少。 方法三、AOI與AI雙軌並進:在智慧製造流程中,僅僅單靠AOI或AI無法畢其功於一役,必須由AOI先行,將特徵值標出,同時區分是良品或是瑕疵部分,再以AI方式進行標註與訓練。接著利用可重複串聯的加疊效應,其檢測效益更大,隨著訓練資料累積越多,AOI比例降低,AI比例逐漸提高。 修阻後物件偵測與訓練 透過三大方法逐步構建系統信賴度,並將資料進行缺陷整理分類,最終將AI判斷結果回傳到主機,以雷射加工方式在製程前端控管將真正的不良品剔除,減少不良品流入其他站別,造成重複檢測或重複加工的損耗。 智慧雷射設備第一,選擇LASERTEK就對了 由臺灣品牌雷科持續打造結合AI智慧檢測與雷射加工設備,以逐步建構由原材料、產品、檢測、雷射設備等相互相加疊而成的智慧化監控解決方案,以降低生產製程之耗能為目標,落實發展半導體 載板及元件加工等領域,產出能在低碳條件下仍可滿足終端使用者需求之設備產品,以快速且優質的產品與服務來拓展國內、外需求市場,增加本土Made in TaiwanMIT設備之全球競爭力。

【解決方案】瑕疵辨識率達百分百 耐銳利科技獲面板大廠青睞
瑕疵辨識率達百分百 耐銳利科技獲面板大廠青睞

工具機生產線上,組裝的第一步有些微差池,累積公差將造成組裝工作要重來,耗時又費力,導致出貨延遲的情況將衝擊企業聲譽。耐銳利科技公司聚焦智慧製造領域,提供各式AI解決方案,運用機器學習模型傳承老師傅的經驗,在CNC加工機組裝及鑄造過程,利用AI分析產線數據,精準調校各式數據,提升生產精準度 25。 這套AI產線數據分析系統,被耐銳利科技董事長黃常定稱為「師傅40」,就是師傅加上人工智慧的最進化版,用在工具機加工廠,成效斐然。此外,耐銳利科技運用AI瑕疵檢測技術,參加經濟部工業局2021年AI新銳選拔賽活動,協助友達進行面板進階影像瑕疵檢測,正確率達百分之百,引此也榮獲大獎。 協助面板大廠友達解題 瑕疵檢測正確率達百分百 黃常定進一步說明,一般面板在生產時,邊邊角角可能會有缺陷,雖然缺陷肉眼可見,但AOI卻往往難以辨識,導致檢測錯誤率常常超過30,因此,一定要搭配人力進行複檢,才能提高正確率。然而,因應少量多樣的產品需求,在人力不足的情況下,運用AI檢測確實是一個好方法。 成立於2018年的耐銳利科技,在短短三年期間,AI技術就能獲得面板大廠的青睞,實則在CNC工具機領域磨練已久。耐銳利科技總經理唐國維指出,台灣前三大CNC工具機廠希望將AI導入組裝及鑄造兩條產線,其中,在組裝產線上,為保持組裝的準確性,設計組件的每一個零件均會設計公差,在組裝時,每個元件都在公差內,但累績公差最後品檢仍無法通過,必須拆掉重新組裝,不僅耗時耗力,也造成浪費。 「進入產線之後,才知道有些師傅累積很多經驗,很會調校,經過他調校之後,正確率提高不少,速度又快。」反之,新來的工程師沒有經驗,調校時間比較久,也未必能通過品質檢測。 師傅40系統 良率從70大幅提升至95 唐國維接著表示,原本師傅在組裝時所設定的尺寸資料都記錄在紙本上,資料寫完之後就存入倉庫封存,沒有人去研究尺寸之間的關係。耐銳利協助客戶設計師傅40系統,透過人機面板,讓師傅在組裝時直接輸入所測量的尺寸及相關數據。蒐集不同師傅的數據之後,再運用AI演算法分析數據間的關係,做出AI模型,AI模型自動通知作業員要調整到甚麼樣的尺寸,品質檢測就一定會過,如此一來,良率從70大幅提升至95以上。 耐銳利科技公司聚焦於智慧製造領域,提供各式AI解決方案 唐國維補充,組裝一台CNC加工機的主軸要耗費四小時,第一步驟機器量測錯誤,包括震動、溫度,速度等超過範圍,都要拆掉重裝,又花了四小時。拆掉要如何調整,是憑藉師傅的經驗,可能一開始師傅憑經驗做了最好的組法,但錯檢率也達30,組裝又耗了好幾天。透過AI師傅協助,組裝時間只需半天,良率達95以上,省下許多時間及人力。 「運用機器學習的AI模型,綜合所有師傅的經驗蒐集在一起,提供給AI學習。第一步要數位化、第二步則是知識化,這是企業邁入轉型的重要關鍵」,黃常定認為,耐銳利科技是傳統製造業從自動化生產走向邁向數位轉型的重要夥伴。 此外,耐銳利科技另一個聚焦的產業是電梯廠領導品牌的智慧派車系統。所謂派車指的是電梯車廂,即兩部電梯以上就需要群管理。過往派車依據固定法則,如哪一台距離叫車比較近,就自動派那台電梯,一方面沒有考慮到電梯被叫太多次的派車,可能會讓其他人等待更久;另一方面過往的派車模式並無考慮大樓使用特性,造成許多浪費。例如辦公大樓,早上上班、中午休息及下午下班時段各有尖峰時間,透過AI智慧派車可以依據離峰及尖峰時段進行彈性調整,讓派車效率增加、降低等待時間,同時減少電力虛耗。 導入電梯智慧派車 提升運輸效率兼具環保功能 黃常定補充說明,就好比之前的路口紅綠燈號誌,系統已將主幹道、副幹道及小街道的停留及通過秒數寫死,現在則運用智慧紅綠燈,彈性調整等待時間,讓容易壅塞的路段更加順暢。透過AI學習使用情境,在電梯中導入智慧派車系統,會讓輸送效率提升,也更加環保。 除了導入電梯智慧派車外,耐銳利也將AI導入電梯廠的生產出貨智慧排程系統 。電梯廠常常無法準確預估客戶的電梯交期,例如,辦公大樓或賣場等必須完工到一定程度,電梯才能進工地安裝。若受到客戶工期延遲等非預期因素影響,往往造成電梯廠產閒置或是排程不易安排的窘境。 唐國維指出,一般了解客戶端工程進展者可能是業務或工務,但整體而言,出貨正確率大概只有六成左右,也就是說有四成不會如期出貨。因此,若能準確預估出貨時程,就能將產線空出來以因應急單或是其他產品生產需求。AI智慧排程系統將分析過去出貨的資料,氣候、工廠及施工端兩地距離位置、客戶信用等約20-30個參數,放入AI演算法中,可以精準預估到底能不能如期出貨。 黃常定也特別說明,耐銳利科技的機器學習非一般的機器學習,更加入傳統影像處理技術、統計學等各種運算方式,要對領域知識十分熟稔,才能作出好的AI模型,這也是公司競爭力之所在。他強調,一般SaaS平台能處理的資料十分有限,正確率頂多從7成提升至7成5,耐銳利的強項在於AI演算法及機器學習,必須再加上深厚的產業領域知識才能產出好的AI模型。 耐銳利科技從AI專案開始,逐漸深化技術,選擇從困難度高的做起,並累積經驗法則,預計在今2022年開發出SaaS服務,以客戶的需求為出發點,逐步站穩腳跟、成為智慧製造的重要夥伴。 圖左為耐銳利科技總經理唐國維及董事長黃常定右