2025 AI 新創地圖發布！垂直整合應用將是關鍵

人工智慧科技基金會（AIF）與台智雲 AI 超算加速器合作，發佈「2025 台灣 AI 新創地圖」（Taiwan's AI Startup Map 2025）。可以發現市面上出現不少僅是串接大模型 API 並優化介面的應用，儘管能讓企業主快速體驗 AI 工具的方便，但這類缺乏領域知識（Domain Know-how）的產品，往往無法與企業工作流深度整合，也就難以解決實際痛點。如何在熱潮中去偽存真，辨識出具備真實落地能力的技術，將是未來一年市場關注的焦點。

人工智慧科技基金會（AIF）與台智雲 AI 超算加速器合作，於12月8日發佈「2025 台灣 AI 新創地圖」（Taiwan's AI Startup Map 2025）。本次新創地圖主要列入成立八年內新創，並依據價值性、掌握度與重要性三大核心進行評選，從中梳理2025年台灣AI新創發展趨勢，同時也為企業尋找轉型夥伴提供指引。

除了挖掘潛力新秀，我們同樣重視產業的基石。台灣 AI 生態系發展至今，已擁有一群穩健發展的成熟企業，雖因收錄標準（如成立年限）未呈現於本次新創地圖中，但這群資深服務商的技術能量不容忽視。AIF 將持續整理相關名冊，確保企業在尋求轉型夥伴時，能擁有最全面的選擇。

（點我看詳細大圖）

2025 AI 新創發展趨勢：從專案邁向產品

自 2023 年起，生成式 AI 席捲全球，各類技術迭代與應用工具如雨後春筍般湧現。然而，供給端的熱鬧並未直接轉化為需求端的落地。根據《2025 台灣產業 AI 化調查》，約七成企業對 AI 仍停留在初步認知階段，顯示出技術演進速度遠快於企業的吸收能力。

儘管導入腳步緩慢，企業的「AI 焦慮」卻未曾停歇，這似乎也連帶影響了新創圈的發展走向。由於生成式 AI 大幅降低了開發門檻，使得缺乏核心技術底蘊的新創團隊也能快速進入市場。因而可以發現市面上出現不少僅是串接大模型 API 並優化介面的應用，儘管能讓企業主快速體驗 AI 工具的方便，但這類缺乏領域知識（Domain Know-how）的產品，往往無法與企業工作流深度整合，也就難以解決實際痛點。如何在熱潮中去偽存真，辨識出具備真實落地能力的技術，將是未來一年市場關注的焦點。

相較於過去新創多仰賴客製化專案服務企業，藉此累積產業經驗，近年來，我們觀察到顯著的轉型趨勢，更多團隊開始積極深耕垂直產業，並逐步將這些經驗轉化為標準化產品。而生成式 AI 的出現，則扮演了關鍵的溝通角色，透過對話式互動，有效解決非技術領域人員軟體操作障礙，大幅降低了企業的學習曲線與導入門檻。

值得注意的是，在這一次的名單中，我們觀察到兩大關鍵趨勢：

領域專家的優勢：

擁有深厚產業背景的創業者，往往更能精準掌握痛點。他們在工作流程的梳理上更為細膩，能清楚識別出哪些環節最適合 AI 介入，從而開發出更符合產業需求的產品。例如台灣農畜與食品產業龍頭的大成集團內部孕育出的餐飲AI服務品牌：達能資訊。以其在養殖、加工與餐飲等多端累積大量營運數據與現場經驗，透過 AI 系統逐步優化生產、配送與決策流程。企圖解決台灣中小企業與餐飲零售業，面對食材庫存管理、控管報廢、訂貨流程繁瑣等痛點。

既有資產的加乘：

而過往已有累積技術底蘊與數據資源的新創，在面對新的生成式技術浪潮時，展現了更強的適應力。他們可以更快將 GenAI 技術融入既有的成熟產品架構中，並利用長年累積的產業數據強化產品優勢，打造出競爭對手難以複製的技術護城河。

在眾聲喧嘩中，我們也挑選出了三家年度之星，分別代表了台灣AI新創的不同發展面向。

軟硬整合，打造技術護城河：瑞利光智能（Rayleigh Vision Intelligence, RVi）

瑞利光智能專注於以 AI 賦能 Micro LED 智能製造，是實現「AI 輔助大規模光學元件轉移」的關鍵實踐者。其團隊最大的特色在於「軟硬實力兼備」，創辦人結合學術創新與產業實務，團隊中軟體與硬體研發人員比例各半，為其技術落地提供了堅實基礎。

Micro LED 雖被視為下一代顯示技術霸主，但動輒數百萬顆微型晶片的「巨量轉移（Mass Transfer）」過程極具難度，傳統製程耗時且良率不穩，成為量產的最大瓶頸。RVi 利用獨家 AI 演算法，精準解決了「晶片缺陷篩選」、「巨量轉移過程損壞」與「轉移後晶片修補」三大難題。透過大幅提升製程良率與效率，期待加速 Micro LED 從實驗室走向大規模量產的進程。

運用科技帶來創新應用：陽光智能會計

陽光智能會計（iSunFA.com）是一個創新的雲端會計平台，致力於利用 AI 技術重塑企業財務流程。它不僅協助企業與個人自動化處理繁瑣的帳務，更是一個連接企業與專業記帳士、會計師的智慧媒合樞紐。

平台採用同態加密（Homomorphic Encryption）架構產出即時報表，並結合區塊鏈與零知識證明（Zero-Knowledge Proofs）技術，建立了一套具備隱私保護與不可竄改性的高信賴系統。透過此機制，審計工作可在不依賴第三方中介、不揭露原始資料內容的前提下完成，大幅提升審計效率、信任程度與防偽能力，為持續審計與智能合規奠定堅實基礎。

打破資訊孤島，搭建 AI 落地的關鍵橋樑：IsCoolLab 伊斯酷軟體

成立於 2018 年，專注於工業級機器人流程自動化（RPA），積極將AI技術融入其解決方案中，並推出整合人工智慧與電腦視覺專利技術的流程自動化平台 Robotiive。

許多企業在數位轉型時，常因內部流程繁瑣或老舊系統（Legacy Systems）堆疊，導致 AI 應用難以真正落地。Robotiive 平台具備「非侵入式部署」能力，無須更動原有程式碼，即可實現跨系統、跨裝置的數據整合與操作自動化。它協助企業快速串接既有系統，有效突破資訊孤島，成為製造、金融等產業實現自動化轉型與落實 AI 應用的重要技術夥伴。

同時，我們也觀察到幾個重點與趨勢，值得與企業及新創夥伴分享：

一、Agentic AI 的價值躍升與隱憂：

目前許多新創的 AI 應用仍停留在「RAG（檢索增強生成）+ Chat」的階段，充其量只能做到資料閱讀的功能。對於這類僅有 Chatbot 功能的產品而言，能否串接 API 讓 AI 實際「執行任務」，將是產品價值的關鍵分水嶺。而要達成此目標，核心在於開發團隊是否具備深厚的產業領域知識（Domain Knowledge），以精準梳理出可被自動化的工作流程。

另一方面，賦予 AI「行動力」與「自主權」是一把雙面刃。當前市場對 AI Agent 的過度炒作與認知模糊，正為企業帶來嚴峻的資安挑戰。許多企業在尚未釐清「自動化工具」與「自主智能體」的差異前便貿然導入，將可能引發過度授權、不可預測的自主行為及供應鏈攻擊的新破口等風險，例如當企業依賴「全能型」平台串接所有核心系統時，一旦平台遭入侵，攻擊者將能利用 Agent 已獲得的權限，長驅直入企業關鍵系統，形成難以防禦的攻擊。

二、軟硬體整合，發展垂直產業應用（e.g.機器人）

軟體與硬體將會更緊密的整合，且著重於垂直產業應用的發展。例如，近期備受討論的機器人技術就是一個極具發展空間的領域。其應用場景已從傳統工廠延伸至多元場域，例如用於自動化食品加工的切肉機器人、應用於醫療領域的高精密手術輔助的手術機器人，到走入家庭的家用機器人。由於這類應用涉及感測、運算與機械控制的複雜連動，由於涉及的層面十分複雜，不僅是技術挑戰，更需要產官學界跨領域合作，共同構建軟硬整合的發展藍圖。

對於台灣新創而言，在純軟體與通用大模型的賽道上，台灣團隊難以與矽谷巨頭（如 OpenAI、Google）抗衡。但我們擁有許多「懂 AI 軟體 + 懂垂直場域流程（Domain Know-how）+ 能整合 Edge 硬體」的人才與硬體關鍵，這是台灣的獨家優勢。

面對亞洲大量中小企業與製造業工廠，客戶普遍存在「數據不願上雲」的資安顧慮，以及偏好「一次性買斷」而非長期訂閱（SaaS）的採購習慣。因此，開發具備獨家數據處理能力、且能以 Edge 形式「離線運行」的 AI 應用，將是台灣新創的突圍路徑。

三、雲端與地端整合的需求愈發明顯，邊緣運算愈加重要

雲端與地端（Edge Computing）整合的需求日益明顯，這使得邊緣運算對台灣產業而言變得更加重要。而Edge AI（邊緣運算）與小型語言模型（SLM）的成熟，正巧能為台灣產業帶來新的機會。設備端的晶片和 AI 不僅能即時進行預測與反應，同時也在擷取數據（data capture）。從垂直產業的角度來看，邊緣運算將有助於稍微彌補台灣在數據量上較為稀缺的問題。

由於台灣製造業與醫療業對資安與低延遲有著剛性需求，許多企業對於「地端部署（On-premise）」有著強力需求。隨著許多小模型（SLM）日益逼近 GPT-3.5 等級，企業在本地端運行高智慧 AI 的硬體門檻與成本已大幅降低。

未來的市場贏家，將不再是追求通用全能的大模型廠商，而是能結合台灣強大的硬體供應鏈，推出「軟硬整合」解決方案的業者。例如內建 AI 的「瑕疵檢測盒」或「離線版法律/醫療助理」。這種「離線可用」的模式，比起無止盡的純軟體訂閱（SaaS），更能打動台灣傳統產業與中小企業的心，解決其對雲端資安與長期訂閱費用的疑慮。

四、開源與閉源模型雙軌並進，LLM 與 SLM 的綜效

儘管超大型語言模型（LLM）的核心技術話語權目前主要掌握在美國科技巨頭手中，但在垂直產業的實際落地中，小型語言模型（SLM）正展現出巨大的突圍潛力。相較於通用大模型，SLM 能針對特定工作流程提供即時、精準的處置，成為企業解決具體問題的務實選擇。

然而，要極大化此綜效，企業不能僅關注模型本身，更需重新思考基礎架構，以整合雲端算力與地端邊緣（Edge）的混合架構，以期在成本、效能與隱私間取得最佳平衡。

五、AI 應用需有場景，以城市做為場域的生態協作

AI 應用需有場景方能落地。未來的發展趨勢將從泛用型技術，收斂至聚焦的垂直場域，其中，城市將成為檢驗生態系協作的最佳試驗場。透過 AI City 的具體場景，軟硬體的整合將不再漫無目的，而是能精準解決真實問題，加速技術的實質落地。這股『以城市為場域』的生態協作浪潮，正是明年 AI Map 將重點關注的核心趨勢。

這些趨勢的共同核心是更強調應用和垂直整合。此外，擁有深厚產業背景的領域專家和累積技術底蘊的新創，能將新技術融入既有產品架構，利用長年累積的產業數據與知識，建立難以複製的「護城河」，在快速變化的 AI 時代擁有更強的整合能力。

備註：