應用案例

AIoT的影像辨識促銷系統SSP主打造虛實數據整合的數位店員，硬體的SSP Edge運用邊緣運算與模型加速技術，讓AI辨識模型縮小體積並保持精準度，以達到輕、薄、短、小的硬體需求，體積不佔空間，適用於鑲嵌智廣告面板後側為數位推播加值。軟體部分，結合AI辨識、邊緣技術與推薦系統，提供實體場景消費者輪廓描繪，追蹤消費者點擊項目與時間，預測並推薦商品給使用者，隨使用次數增加與數據累積，提升推薦精準度，並優化品牌服務。 產品亮點為AI互動掌握年齡與性別辨識，協助品牌進行三階段的導購數位化。第一，招客，當偵測到消費者時，介面釋出對應的行銷語，以達到賓至如歸的吸睛感。第二，推薦，針對不同輪廓的消費者，給予差異化的商品推薦，增加目的性曝光與選擇新奇感。第三階段，數據策略化，經過一段時間的使用與數據累積，根據消費紀錄釋出指定的商品訊息、優惠，品牌行銷將更具風格。 目前顧客為數位化的連鎖、單店品牌、百貨零售、觀光工廠。運用SSP重新改造場域資訊的曝光流程，透過打招呼、資訊重新排版、數據商品推薦來延伸訪客的使用旅程。對於使用品牌而言，依據數據的資訊，能變換更多的行銷手法，快速更動曝光素材，創造零時差的行銷互動新體驗。

在企業雲端治理與數據分析需求持續增加的趨勢下，卡洛地股份有限公司為知名建設集團導入CRP（Cloud Resource Planning）雲管平台，整合AI異常偵測與預算預測模型，實現跨雲資源的自動化監控與預測分析。平台具備AI驅動的費用監控、異常警示與自動化報告功能，協助企業精準掌握用量與支出，並藉由Transformer與Graph Attention Network等模型提升預測準確度與決策效率。

AI布料花色檢索系統透過數位留樣系統拍照，以AI分類識別，定義不同布料材質、顏色與圖樣款式，在將數種物理特性轉化為數位化資料保存下，開發出數位化織品色彩及花色管理平台，這樣的概念類似於搜索引擎，紡織廠可以透過平台快速檢核庫存及過往記錄中最接近的色樣，以顏色及花紋識別，結合光照系統及色彩管理技術，制定紡織產業在庫存管理、數位資料庫、及產品 QC 的檢核標準，減少在打樣及確認上的時間及人力成本，同時減少人因誤差。

根據會員資料或標籤屬性串聯ChatGPT自動生成行銷文案。

鑑識人員在現場採集「可疑指紋」跡證後，必須進行「關係人」或「被害人」指紋排除，避免比中無辜關係人，造成鑑定資源浪費。 本團隊採用最新人工智慧AI 建模協助「關係人指紋」的現場指紋排除，從原本的人工作業變成自動化。

啟雲科技將技術模組化，加強AI底層技術訓練與導入，利用AI影像辨識與即時影像生成訓練模型，並導入自研發AIot之「PICBOT AI Hub 智慧互動機」，優化應用服務並提供科技行銷之不同消費者體驗。「霹靂盛典 - 無極化身」運用5G高傳輸、低延遲特性，以雲端算力結合AI生成技術，將自己化身為霹靂角色與動畫。 世界首創的「PICBOT」匯集AI影像辨識、擴增實境、體感偵測、程式化3D 內容及藝術創意，提供即時互動、顯示投影、拍錄、列印與智慧零售等功能。結合自有專利Edge AI辨識技術及AI生成技術，透過顯示器偵測用戶行為與機台互動，用戶可即時穿戴虛擬物件並與虛擬影像互動，系統可生成各式風格主題或動畫內容，拍錄XR創意影像並實現虛擬購物需求，透過PICBOT AI Hub虛實內容完美融合、實現UGC內容共創體驗。

(一). 計畫緣起 A. 廠方面臨問題： 1.製程日益精密、客戶要求全檢、量測產能已達上限 2.製程不穩定無法進行有效控制 3.首批需要投Dummy片驗證，需耗時半天 4.Layer量測難度大(破壞性檢驗)，無法全檢。 B. 執行步驟： 執行與整合步驟為： Step1. 建立AVM系統：完成100%全檢目標 Step2. 整合SPC系統：將AVM預測結果整合廠內SPC系統 Step3. 整合Alarm系統：將AVM預測結果依廠內Alarm 原則整合廠內Alarm系統 Step4. 整合Scheduler系統：建立智慧化抽檢機制 Step5. 整合當站製程：進行Feedback Control Step6. 整合後站製程：進行Feedforward Control 。 其中，Step4. 整合Scheduler系統：建立智慧化抽檢機制，需考量9項實務整合因素如下： 1.抽樣比例 2.機台穩定性 3.機台資料異常 4.AVM 模型狀態 5.預測精度水準 6.量測異常 7.產線排程穩定性 8.狀態改變: 調機或清機等。

透過人工智慧演算法來實現 (1) 工程師的調校經驗系統化及 (2) 調校結果的量化分析，幫助專業工程師在更短時間找出更佳的參數組合。此工具初期是以人機協作的方式運行，隨著智慧系統在過程中不斷自動學習最終可達到產品模型參數的全自動調校。

現今品牌往往需要花大量時間了解社群上的熱門議題與追蹤時事來製作行銷文案、廣告企劃等行銷策略。本服務使用進階社群爬蟲，從社群廣大的資料中透過人工智慧技術抽取知識點，並運用知識圖譜技術視覺化關聯度，能協助客戶迅速的了解議題的擴散軌跡、熱門話題間的關聯、話題與帳號間的討論關聯等資訊。

於平台資料庫中，客戶可以找到產品的用料需求、輸入關鍵字進行搜尋，並可在關鍵字中，讓其依照布料組織、成份、重量等數值讓其依序排列，進而找到想要的布料圖像資料，也可用以圖搜圖的方式，找到類似紋理，圖案的布片。

BIODND 是一款專為生命科學產業經理人、商務開發專家及投資人設計的 AI 智能數據庫。該平臺集成來自亞洲、歐洲及北美的企業資訊，透過自然語言處理與機器學習技術，自動解析並整合產業數據，以提升交易機會發掘與市場評估的效率。未來將擴展至學術機構的研究團隊數據，以促進產業與學研界的合作。 BIODND 具備即時數據更新、自動標籤分類、關聯性分析及生成式 AI 報告功能，讓用戶能快速掌握市場趨勢、尋找潛在合作夥伴，並做出精準的投資決策。

滿拓科技提供客製化的 LLM 演算法落地訓練服務及企業資料庫串接， 協助您領先市場推出最具競爭力之專有領域生成式對話 AI 服務， 抑或是實現內部 AI 資料化訓練，滿拓獨家 LLM 自動化訓練流程， 可在高度自動化程序下，用最短時間協助您推出新型態 AI 服務 ，提供從雲端到地端落地部署一站式整合服務，整合了 AI 專家顧問、 AIHPC 技術環境資源、大型語言模型 LLM 開發服務，並且能夠支援在地服務， 滿拓科技願與您攜手合作，協助貴司擁有最符合企業需求及 使用效益之 LLM 產品，搶佔市場領先地位

智能即時派車配送系統包含三大核心： 1 需求預測： 可利用過續運送的大數據資訊，猜測未來的運送需求 ，預測在不同時間點、不同產業別、不同地點、... 等等不同情境下，會產生怎樣不同的配送需求。 2. 供給引導： 利用業者過去的大數據，建立初步的智能車輛調派模型，搭配智能需求預測模型，引導車隊往需求多的方向集中與散佈。 (3) 媒合最佳化： 利用業者過去的大數據，建立初步的智能供需媒和模型，配發工作給接單騎士。

本計畫針對各種異常狀況使用不同的方法偵測，其中異常狀況有：壅塞、事故狀況、異常物件及逆向行駛，透過追蹤模組判斷是否發生異常事件。首先探討壅塞，壅塞發生在車流量大導致車速緩慢的狀況，針對此現象可以透過追蹤模組取得車速，若平均時速低於高速公路的60km/h 最低速限，則判斷壅塞。第二點事故狀況，由於在道路上行駛時須保持安全距離，若兩車距離過近，則會提高碰撞的機率，在事故發生前透過軌跡判斷兩車是否在前方會有交集點，並在兩車發生重疊時則判斷兩車相撞。第三點是否有異常物件，將一般道路上禁止出現的物件加入訓練樣本，以高速公路為例，正常情況下不會有機車出現，若畫面中辨識出異常物件則進行追蹤。最後一點逆向行駛，在路上行駛方向與其他車有所不同，在追蹤時軌跡會與正常情況下有異，判斷軌跡方向異常時發出警示將團隊所使用的 Smart AVI 與目前最常被使用的影像辨識技術之一的 YOLO 相比。雖然 YOLO 可以辨識的種類較多(屬於通用解決方案)，但要運用在交通方面則是Smart AVI 較具備優勢，因架構與設計屬於特定領域的解決方案，其訓練所需要的樣本數較低，演算速度也更快，最重要的是具備追蹤物件的功能。

於桃園國際機場官網導入ChatGPT模型的官網智慧客服「桃園國際機場官方智慧客服」，協助來到官網的旅客能夠快速找到資訊並掌握重點。