隨著智慧零售新風潮的崛起與不斷演進的AI科技與技術，聚典資訊乘此風浪推出生成式AI客服機器人Gen AI 客服機器人，為改寫消費體驗的傳統框架做足了準備，欲替場域、顧客與品牌方開創零售新應用 為了提升使用者體驗，聚典資訊攜手三創生活與西門商圈，共同推行全新的生成式AI智能客服系統。這一創新技術結合了高效的便利性、智能問答、自動推薦等功能，顧客們僅需拿起手機，掃描螢幕上的QR Code即可獲得所需資訊與推薦清單，不僅為他們帶來更加方便的購物體驗，場域方更能透過實體機台與後台分析協助，提升營運效益並掌握行銷流量密碼，達到商業洞見新應用的效果。 Gen AInbsp客服機器人 五大特點 【便利性提升】新的AI智能客服系統設置於驗證場域內，配備大螢幕顯示樓層導覽和分類介紹選單，操作簡便直觀。顧客可以掃描螢幕上的QR Code，客服資訊帶著走，隨時隨地查找需要的資訊，大大地提高了尋找商店與商品的效率。 【智能問答系統】聚典資訊開發的智能問答系統，使用自建語言模型，建立專屬語意資料庫。系統運用非關聯式資料庫和Vector Search技術，為每個使用情境量身定制智能問答解決方案。通過語意分析，系統能夠提供精準且人性化的回答，並經由不斷學習和更新資料庫，以提升服務品質。 【自然語言處理 NLP 技術】系統透過大規模語料庫訓練，具備深度語言結構和語意理解能力。不只能夠生成自然流暢的回答，也能通過分析不同用詞和標點符號的情緒語氣，提供適當的回應，使顧客感受到貼心的服務。 【全天候即時服務】該系統提供24小時不間斷的即時服務，確保無論何時何地，顧客都能獲得所需的幫助，其顧客滿意度高達90。 【多元應用場景】聚典資訊的生成式AI智能客服系統，除了智慧零售的應用外，還可以廣泛應用於藝文產業和行銷團隊等多個領域，提升各行業的運營效率和客戶體驗。 聚典資訊於西門商圈六號出口外之智慧顯示機台 生成式AI在商場 智慧顯示更加分搭載點擊與影像辨識的智慧顯示機台，協助使用者更能看見生成式AI，並達到完整的使用流程，避免單方面的資訊傳遞也能有效提高使用者體驗，更能依照場域需求增加模組，如小遊戲、拍貼機與智慧行銷模組，增添使用樂趣與傳遞品牌價值，建立人與人與商場的連結。 10,000以上雙月造訪人次：Gen AI配合搭載點擊與影像辨識的智慧顯示機台，更有效的引導使用者獲得重要資訊。 90以上的使用滿意度：透過完整的使用者旅程，我們也獲得90以上的使用滿意度，並持續為使用者創造美好體驗與回憶。 247全天候客服服務：透過雲端伺服器的運作，我們打造了24小時全年無休的智能客服，無時無刻幫助使用者解決各式難題。 智慧顯示Gen AI 完整零售實體場域的使用者旅程 nbsp 最懂你的智能客服 最多樣的解決方案 聚典資訊提供包含於雲端、地端或混和雲的AI解決方案，依據客戶需求進行導入，並為企業設計了專屬的問答介面，無論是使用者還是管理者，都能輕鬆上手。這套系統不僅美觀大方，還能大幅提升工作效率，讓企業在數位轉型過程中快速進入狀況。 地端部署的生成式AI解決方案能避免資料上傳至雲端，確保企業敏感資訊的安全，從資料輸入到AI模型訓練與推論的所有過程，均在地端主機進行，這樣的架構消除了資訊外洩的風險，特別適合對資料隱私有高度要求的企業，如大型零售業、製造業、科技業及政府部門等。 聚典資訊的專業團隊根據每個企業的特定需求，打造專屬的大語言模型LLM，企業只需提供相關的垂直領域資料，便能透過AI技術快速生成精準的內容，應用範圍廣泛，從文案創作、翻譯語言到客服系統等，幫助企業在不同業務領域中全面提升效能。此外亦能透過後台面板查看每次互動的完整問答紀錄，讓企業能夠檢視使用效益，並根據實際運作情況持續優化AI模型的表現，從而提供更精確、更人性化的服務。 聚典資安落地生成式AI介紹，提供多樣化的解決方案 AI for Good 「AI for good」 一直是聚典在推動技術創新的同時，也關注其在社會責任與ESG永續發展方面的角色，因此能不斷的創新並持續為使用者創造更佳的使用者體驗，也與合作企業一同推動更具效能、具社會意義的解決方案，希望能透過AI打造更智慧的城市並提供更優質的生活體驗。nbsp

對於大多數的高爾夫球場而言，場務的營運及管理是一個令人頭疼的問題。「球場就是在賣草皮，場地一定要顧好」，一位高球場負責人不諱言指出。面臨球場場務人力短缺、老年化及成本高昂的市場痛點，導入AI無人機進行農藥噴灑及防蟲害，將可節省球場一半以上的人力成本，並大幅提升整體營運效率。 初夏晌午，位於桃園的台北高爾夫俱樂部，AI智慧無人機緩緩升空，其主要的任務是進行高爾夫球場AI 智慧無人機施肥噴藥的測試。事實上，執行此項任務的佐翼科技，其無人機普遍使用於稻田、香蕉、茶樹等農作物，來從事施肥施藥及防治病蟲害的工作，對於動輒數十到上百公頃的高爾夫球草坪，要運用AI無人機協助草皮維護作業，現階段將進行資料蒐集、建立施藥AI模型及多光譜影像分析測試等，未來將進一步進行大規模的技術落地驗證，為無人機導入高爾夫球場域建立典範。 透過AI無人機施肥灑藥 可節省一半人力 傳統高爾夫球場維護草坪的作業方式，是以人工揹著藥桶，或是駕駛施藥車逐一分區進行噴灑。「國內高爾夫球場於2001年起開始種植超矮性百慕達草種品系，此一草種喜好涼爽的氣候，台灣高溫潮濕的天氣型態並不適宜」，佐翼科技執行長進一步指出，為避免草皮遭受病蟲害，就必須進行農藥噴灑工作，以18洞球場而言，相當於每周要噴灑一次殺菌劑，T台及球道每兩個月噴藥一次。對於高爾夫球場而言，噴灑農藥耗時費力，重要的是，大規模噴灑將增加人員中毒與農藥量增加的風險。 農用無人機在高爾夫球場應用之效益 根據佐翼科技研究，高爾夫球場的蟲害包括夜盜蟲、斜紋夜盜蛾等，其生活習性是傍晚會出來覓食，因此，噴藥的工作必須傍晚施作。依據傳統作業方式，每次施藥估計需要兩台車三個人力，共耗費45小時的時間。若透過AI無人機施肥灑藥，操作人力僅需1人，20分鐘可以噴灑08公頃土地，約可節省三分之二的人力，也可減少營運成本30左右。 高爾夫球場草坪透過AI無人機施肥灑藥，約可節省一半人力 啟用農用無人機應用於高爾夫球場的草皮維護，除了顯著的效益顯現外，佐翼科技也特別導入AI多光譜影像辨識建立NDVI標準化植被指數分析，「所謂的多光譜是將不同的波長波段光線打在草坪的植株上，蒐集反射回來的影像進行分析」，佐翼科技劉姓執行長接著解釋，因為不同光譜，每一種植物在光的波長吸收程度不一，透過多光譜可以掌握草種生長狀況。同時再結合AI影像辨識，可以精準偵測病蟲害分布情況，據此決定施藥量的多寡。 跨領域協作 建立無人機草坪多源影像資料庫 運用AI多光譜影像辨識技術，佐翼科技將蒐集包括可見光譜、多光譜、熱影像和高光譜影像等，建立無人機草坪多源影像資料庫，完整掌握百慕達草種生長週期。 佐翼科技累積豐富的農業AI無人機噴灑藥劑經驗，但要將AI解決方案導入大面積的高爾夫球場仍有諸多問題需要克服。例如需要建立全新施藥模型及測試飛行方式，尤其是多光譜影像辨識運用，概念驗證並不困難，但實際執行則需要更多的測試實證，反覆推論，並與植物專家建立協同作業才能完成，這部分則須仰賴資策會等法人單位跨域整合，集結更多場域投入實證，建立典範，才能在高爾夫球場場域擴散。 智慧無人機導入高爾夫球場的國際案例文獻並不多，在驗證的過程中，能否快速複製至下一個球場尚未可知，但佐翼科技劉姓執行長認為，透過跨領域協作的方式，將問題定義清楚，一一臚列，供需雙方取得共識，針對每一個問題提出可以解決的方案，並找尋內外部的資源合作，才能逐步完成高爾夫球場智慧化的目標，順利協助產業轉型。 佐翼科技執行長劉峻麟

2017年，iPhone X的亮相讓提供 Face ID人臉解鎖的3D感測技術成為大熱門，也帶動了3D感測模組中的核心零元件VCSEL的發展。而VCSEL封裝元件入料瑕疵檢測，若透過AI推論模型可解決良率偏低產業難題，提升可靠度達95。 VCSEL技術現階段可被運用於諸多用途和各類終端消費市場，包括機器人、移動設備、監控、無人機，以及ARVR等。VCSEL在需求高速調製功能的應用（例如照相機和生物計量）中堪稱為不錯的解決方案。 VCSEL技術應用層面廣，也可應用於無人機。圖為佐翼科技農用無人機 VCSEL技術應用層面廣 AI技術助攻瑕疵檢測 赫銳特科技表示，VCSEL封裝元件市場也面臨到商業對手強力的削價競爭，需要進一步降低成本提升、產品競爭力，其中一個關鍵的難題就是將玻璃透鏡更換為環氧樹脂型透鏡。傳統玻璃透鏡的生產良率高，但成本較環氧樹脂透鏡高，因環氧樹脂經切割製程，側壁切割道上容易會有毛邊，造成尺寸過大，容易在打件時因為受熱而產生的應力釋放，將會直接導致光學透鏡破裂。 赫銳特科技指出，VCSEL環氧樹脂透鏡的入料檢測十分重要，在封裝空間的限制下，封裝與光學透鏡貼合的空間有限，且此光學透鏡會被侷限於一金屬框架內，若是沒有控管好尺寸公差，很容易在打件時因為受熱而產生的應力釋放會直接導致光學透鏡破裂，造成VCSEL封裝可靠度驗證良率損失最高達到10，造成生產成本增加。 為解決上述問題，赫銳特科技希望在VCSEL環氧樹脂透鏡的入料階段，可以藉由AI影像監控環氧樹脂元件的尺寸及外觀瑕疵，確認其尺寸是否合乎規格、切割邊緣是否平整、外觀是否瑕疵等。由於傳統的入料檢測，經通過大略的人眼目檢分辨好壞，為順利收集影像數據，首先需要解決影像蒐集的問題。 因此，赫銳特科技首先建立自動光學檢測裝置Automated Optical Inspection，AOI，自動光學檢測裝置包含X、Y、Z三軸動及高解析相機，及相關控制軟體自動記錄影像。蒐集完成後的影像資料，經opencv將測試影像Test與一標準正常影像Normal，進行影像對位後取出Test與Normal影像的差異部分，並可經由Pixel Mapping計算影像的像素面積進行比較完成初步篩檢。 承上之影像分類，進行手動標籤標示包含：正常、外觀瑕疵或形狀特徵差異之樣品，後進行演算法訓練與驗證，使用深度殘差網絡Residual neural network ResNet或其他相關演算法進行深度學習，以辨識出透鏡的優劣情形。 導入AOI檢測 提升產能效率達20以上 比較導入AI影像檢測的前後差異，導入前的VCSEL入料透鏡檢測，僅透過簡易的人工外觀檢測，將透鏡封裝在已固晶的VCSEL封裝體上，通過一般點亮檢測後，最後進行可靠度測試高溫回焊，失效樣品進再入重工流程。 但在導入AOI檢測之後，可提前將有問題的透鏡篩選出來，除了可以降低後續物料投入的成本，亦可減少失效情形降低重工的需要，因而提升可靠度驗證良率達95以上，預期可協助場域業者降低生產成本達10，提高產能效率達20以上。 導入AI影像檢測的前後之差異 赫銳特科技指出，這項技術是基於微小影像開發的AI應用技術，透過深度學習演算法辨識影像瑕疵，用來辨識瑕疵影像。而訓練後的網路來自動分類對應於預定類別的影像數據。透過參考影像就能辨識缺陷類別，因此不再需要繁瑣的編程。 而在工業機器視覺環境中，深度學習主要用於應用中的分類任務，例如在工業產品的檢驗或零件的辨識，未來隨著IOT穿戴裝置的發展，符合節能省電的潮流議題，光電元件尺寸將不斷的縮小，本技術未來也可應用在其他微小光電元件的外觀瑕疵檢測。