疫情正在加速台灣企業轉型！由人工智慧科技基金會（AIF）、工業局與資策會共同推動之「AI新創孵化結合傳產轉型實證輔導計畫」於 2021 年 10 月 27 日舉行企業創新轉型成果發表論壇，歷經層層篩選與評估，最終從 22 個解決方案挑選出 6 組新創團隊，與 6 家成熟企業進行媒合，提出 AI 轉型解決方案。

值得一提的是，參與本次計劃的六組專案，已經有三組新創團隊與成熟企業簽約，未來將繼續展開長久合作。

身處供應鏈特殊地位 AI助力產業升級

經濟部工業局電資組組長林俊秀提到，過去幾十年以來，傳統產業可以說是支撐起台灣經濟的重要支柱，孕育了許多產業王國，例如鞋業、家具等。然而，隨著產業版圖快速變遷、競爭愈來愈激烈，許多成熟企業甚至是中小企業都在尋找新出路，人工智慧在這波轉型浪潮中扮演重要角色。

台灣在全球產業鏈具有特殊地位與樣貌，這也成為中小企業導入 AI 的強大推手。人工智慧科技基金會執行長溫怡玲觀察，台灣很多企業都是國際大廠供應鏈的一員，通常會由這些大廠開始導入 AI，從資料整理、製程、物流等環節，都會促使中小企業感受到 AI 對於整個作業模式的重要性，成為轉型的一大助力。

另一方面，根據資策會統計，擁有 AI 創新技術的新創企業在台灣約有 300 家，這些技術確實有其獨特性，不過在真正落地的時候，還是會遇到一些問題。溫怡玲認為，新創不缺乏好的題材，缺的是讓技術落地的「場景」，這個場景提供新創團隊能夠在真實的環境中驗證技術，而非流於高深技術的空談。此外，以前也有不少 AI 新創跟成熟企業的合作，但是存在著雙方之間語言不同，或是目標不一致的情況發生。

因此，本次專案嘗試由 AIF 專家顧問團隊與執行團隊居中扮演橋樑的角色，結果發現只要有合適的界接，讓新創團隊了解成熟企業所面臨的問題，同時也讓成熟企業理解新創團隊可以提供什麼幫助，合作是可以快速有效率的展開。特別的是，本次計劃執行時間正好橫跨疫情最嚴峻的四個月，因此從籌備、訪談、媒合以及成果發表，都是透過線上進行，足以看到企業力爭轉型的決心。

以下針對本次計劃前三名團隊團案成果說明：

成果一：結合AR/VR解決工廠手寫辨識難題

雅匠科技為 AR/VR 技術整合服務商，協助各平台快速導入，提供整體解決方案的軟體應用，包含零售、工廠、智慧展演，協助軟體SI業者，可以快速佈建AR產品。

雅匠科技執行長蔡明勳發現，不同公司工廠的表單類別、格式、手寫的樣式都不太一樣，在這次場域來說，是國內很知名的工廠，我們希望協助解決的是，每次進出貨都需要手寫表單，這樣也佔用相關人員很多時間，希望透過導入AI，可以節省超過 50% 以上時間，這對他們來說可以有效提升進出貨管理效率。

與雅匠媒合的新創團隊慧穩科技，專注於智慧工廠AI影像辨識，從資料搜集、資料前處理、AI演算法的模型建模與驗證，提供一條龍的解決方案。

慧穩科技副總經理陳逸華提到，OCR（Optical Character Recognition, 光學字元辨識）並不是新技術，目前廣泛被應用，但是手寫辨識就有其難度，因為字跡百百種，如何用 AI 辨識出這麼多的手寫字跡，同時可以辨認數字或是英文字母，從 OCR 的角度來看，在訓練或是其他演算法上面不難，難是難在手寫資料的搜集。

陳逸華也表示，這次合作最讓他驚喜的是，有機會可以跟AR/VR解決方案做結合，因為目前這些應用愈來愈廣泛，例如遊樂場、製造業等不同場域，涵蓋物料管理、企業教育訓練、現場機具維修等，是一個很好的契機。

雙方目前也正在緊鑼密鼓規劃後續合作，尤其雅匠在日本有很多客戶開始展開合作，例如琉球電力、大阪百貨公司、NTT等。其中有一些影像辨識可以跟慧穩的 AI 解決方案整合在一起，未來可以一起打進日本的市場。

成果二：透過搜集客戶堆高機數據實現維護偵測與預警

勤工有限公司成立於1996年，主要業務為堆高機與配件生產。隨著時代推進，面臨轉型，2018 年創立自有品牌，希望透過數位科技協助客戶提升效率，並且打造更完整的智慧工廠，包含物聯網、無人堆高機等。

不過，轉型之路依然有許多挑戰需要克服。勤工有限公司執行長林少顗提到，勤工做 IoT 已經兩年，這期間搜集到很多數據，希望從這些數據挖掘有價值的資訊，了解機器發生什麼事情，進而可以預測與優化，不過初期只能用簡單的數學方法去推估，無法有效發揮數據的價值。

「很幸運這次可以遇到機智雲，我們的問題有了很明確的突破！」林少顗說。機智雲是以PHM（Prognostic and Health Management, 故障預測與健康管理）為核心技術的新創團隊，目前協助台灣中小企業在邁向工業 4.0 的過程中，有能力建立自己的預測維護系統。

機智雲執行長張淵仁表示，PHM 很看重領域知識，勤工在這方面著墨了兩三年，有很好的基礎，可以將他們累積的數據，搭配堆高機的專業技術加以配合，針對不同的故障、健康狀態，提取不同特徵建模。

這樣具針對性的模型建出來之後，即針對勤工所需要健康指標，評斷機台的健康程度，進而預測機台什麼時候會逐漸衰退，提前預警進行保養。對勤工而言，可以大幅降低維修人力；對客戶來說，則可以降低維護成本，對於勤工與其客戶都是雙贏。

展望未來，林少顗預計搜集更多有用資料，幫助客戶在既有設備下，不用為了數位化把運搬設備換掉，而是藉由產品與系統升級，可以擷取數據，讓產品延長壽命、優化。同時透過持續搜集數據，讓演算法愈來愈精準，客戶持續不斷成長，創造一個正向循環的商業模式。

成果三：利用No-Code技術打造鋼鐵業集塵灰造粒配方推薦系統

位於台灣中部某間從事循環經濟的鋼鐵廠，在將集塵灰搜集起來之後，需要在短時間內依照各家工廠的原料調配出高良率的集塵灰桶槽配方。於此同時要確保原料供應的穩定性，以免發生缺料而無法調配產品的情況發生。因此希望透過廠區過往的資料報表，建立集塵灰造粒配方的最佳解。

詠鋐智能致力於以破壞式創新技術，降低AI應用的建置門檻，提供企業級MLOps工具。經實地拜訪後，由執行長謝宗震所帶領的團隊提出以配方效果模擬器、配方效果評分機制+推薦模型儀表板的解決方案。

依照 41 種配方，含鋅量需要達到 20% 作為基本值，詠鋐智能認為可以透過基於過去的經驗進行調整，做出新配方，例如有些工廠送過來的廢料，含鋅量會有變動，在過程中透過微調參數，做出新的配方，並且達成更好的效果。

透過配方模型建立以及造粒配方效果評分，加上推薦模型儀表板進行校正與監控，把資料自動導入，自動更新整體資料，更加完善資料準確度。詠鋐智能將與鋼鐵廠進行更深度合作研究，協助工廠完整掌握配方參數，並依當前場景導入最佳配方，不僅提升產品良率與產量，同時擴大循序經濟的整體能量。