應用案例

從大數據的資料預處理、AI 模型的訓練、一路最終至 AI 預測應用部署的複雜流程中，企業經常因不同階段所需的異質環境、多種運算架構、甚至跨部門的協作而困擾。透過 Gemini AI Management Console 打造出便利企業組織進行跨單位 AI 專案協作的 GPU 管理節點，協助企業更有效率地從海量資料挖掘出更好的商機。 雙子星的Gemini AI Console能夠幫助IT管理者在單一平台上管理數台至百台的GPU及CPU 伺服器的實體與虛擬資源，並可依據組織分工與AI專案管理需求來進行相關客製化開發，有效提升GPU資源的使用率，更大幅簡化企業導入AI的IT複雜度。資料科學家與AI開發人員可透過內建友善的使用者服務入口，便利地自助式快速開啟大量預載大數據與AI工具的運算叢集環境，將底層運算架構建置化繁為簡，只需透過網頁表單輕鬆點選，即可開啟各種所需的AI運算工具服務，研發人員進而能夠將時間與人力資源專注投入在核心演算法上，加速AI產品研發效率（Time to market）。

若水 AI 數據服務團隊致力於為企業提供大量、安全、高品質的標註數據，並針對電腦視覺相關的數據研發智慧標註平台，配建多元標註工具，設計完善的品管系統及回饋機制，提供整合性的數據處理服務，讓 AI 能精準學習。 我們的客戶類型已遍及兩岸三地及日本市場，涵蓋安防監控、電子商務、自動駕駛、工業 4.0、智慧醫療、人臉辨識以及語音和語意分析…等 AI 應用。我們的客戶來自台灣、日本，包括日商Incubit、Skydisc 、ASUS、工研院、中華電信、雅婷、新竹市政府、台灣智慧駕駛股份有限公司、台灣人工智慧實驗室、資策會...等。AI 應用涵蓋自駕車、橋梁公共安全、瑕疵檢測、電商、智慧農業及智慧醫療。

小柿自主研發AI DIP瑕疵檢查機。 適用於波峰銲完的PCBA外觀檢測 可搭載在客戶產線上，也可運用在獨立檢測機台 搭配線性掃描光學模組，完整覆蓋拍攝物之表面取像。 自主研發的小樣本學習瑕疵檢測技術，僅使用10~20張良品影像，即可快速建模、投入檢測，適用於少量多樣的場景，客戶使用小量良品，即可在5~10分快速建模，可自動標註元件節省客戶調整時間，即可立即投入產線檢測。自主研發的AI深度學習技術，可實現PCBA之外觀檢測，例如缺件、極反、錯件、偏移、破損等瑕疵檢出。

UNI-PIC AI 智慧服務機器人

BOTEE 是宏康智慧公司設計開發的人工智慧線上聊天機器人(Chatbot)， 商家可以使用它來幫助提供線上客服、行銷推廣，甚至販售商品的服務， 它能幫商家解決客戶問題、導入客流量以及提高客戶滿意度，是服務客戶與行銷自動化的線上工具。 使用BOTEE不僅能夠節省人力資源，並能依照客戶的需要提供客製化服務，增加觸及率，是商家在線上競爭必備的利器。 1. 7 x 24隨時與客戶在線上互動 2. 互動式引導找出客戶想要知道的資訊 3. 回答與解決客戶提出的問題，自動帶出客戶詢問的或判斷可能有興趣的公司產品或服務 4. 即時提供公司產品或服務資訊 5. 連結客戶至公司產品網站下單 6. 接受售後服務需求，啟動後續真人服務作業 7. 可以主動或應客戶要求連結至真人客服，真人客服可即時或待上班時接續之前的對話與客戶互動 8. 保存每一次與客戶互動紀錄，作為後續大數據統計分析與改進後台語料庫

建構於即時通訊App以及chatbot技術的Chat-App，為即時通訊App(FBMessenger/LINE@)中的數位會員系統，透過自動化系統，協助企業降低70%以上的日常重複性服務，以及蒐集數位會員名單以利再行銷、整合線上客服、社群行銷、導流導購、會員管理、數據分析並能串接廠商現有服務。目前成功導入連鎖餐飲業、連鎖手搖飲業、電商業、服飾業、媒體業、婚紗攝影業...等多家企業。

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。

台灣大哥大旗下的線上音樂與影視串流平台 (myMusic & myVideo)，利用個人化影音推薦技術解決內容與用戶數不斷成長所導致的媒合效率偏低問題。 提供技術的工研院巨資中心透過巨量資料分析平台處理大量內外部異質性影音內涵資料、中繼資料、用戶行為資料；結合用戶偏好分析、內容導向推薦、協同過濾推薦以及多種統計與機器學習方法，建構可滿足個人化推薦運算之複合式推薦系統，同時改善過去由PM人為決定推薦內容的作法。

AI在視覺任務上已可達到超越人類的水準，透過專家標記的少量資料訓練視覺任務AI，可大幅度降低人力需求及人工失誤。 榮光科技研發的關係人指紋排除系統即是一例：指紋是刑案現場勘察的重要證物之一，當某一案件發生，鑑識人員採集到數枚案發現場指紋後，必須先排除關係人（如被害人等等非嫌犯）指紋，避免後續比對追查嫌犯之鑑定資源浪費。然而現場蒐集到的指紋通常是不完整、破碎的指紋，因此無法直接採用現已大量使用的手機或安控系統的指紋辨識系統來進行排除關係人指紋的工作。所以全台各刑事鑑識中心仍需靠鑑識人員人工目視比對，不僅耗時，也有人員比對品質不一的問題。 榮光科技的關係人指紋排除系統使用針對指紋影像處理而設計的 deep convolutional network，能夠從複雜的背景中辨識出指紋特徵點。系統在完全沒有假比中false positive的情況下，於警方實際測試資料中達到7成5以上之準確率。系統協助警方大幅降低工作人力成本並達到極低失誤率。

1. 文字編輯就能做配音！大幅降低配音的門檻 2. 提供100種語言、400位配音員 栩栩如生的真人語音品質，可手動變化各種聲音風格 3. 支援加入背景音效、背景音，多種模版供參考 4. 大幅降低真人錄音及後製成本

開心AI 客服機器人，透過與客戶對話，引導顧客留下資料(需求)，讓人工客服可快速接手，解決問題。機器人可判斷說話者的意圖，取得對話中的重要訊息，執行對應動作。並根據訊息應對邏輯、語意資料庫，自動學習應答。開心AI已串接facebook、LINE，將訊息整合到統一窗口管理，可多人同時線上客服， 整合AI與真人，既有效率又有溫度。

利用安裝於工廠產線或各種戶外嚴苛環境的工業等級的 ToF 與stereoscopy 3D相機擷取大量2D與3D影像，經由立普思團隊特殊的AI機器學習演算法與大數據整合，可有效識別並重建各式物體在3D空間中的相關位置資訊，配合立普思獨家的硬體加速與平行處理功能，可實現高禎率即時物件與人形識別，可廣泛應用於工業4.0、智慧零售、智慧農業、健康照護、安全監控等各種不同領域。 立普思的製鞋自動化方案同時整合了2D與3D機器視覺、手臂控制、電漿噴塗、與機台控制等，能有效取代傳統製鞋業的人工步驟，同時藉由單隻或多隻 2D/3D攝影機，透過影像拼接 (image stitch)方式，將物件全方位掃描結果搭配AI深度學習的自動路徑規劃，直接控制機器手臂帶動電漿噴頭，以精準的法向量覆蓋鞋底全表面進行噴塗，相較目前大多數使用線雷射掃描的方案有更快的整體反應速度，同時也更具價格競爭力。立普思的VGR (Vision Guided Robotic) 方案目前已成功導入製鞋生產，此技術同時也可應用在各種相關產業，或是搭配立普思的其他AI應用如人臉辨識 (Facial Recognition)、人流計數 (People Counting) 、身形辨識 (Pose Estimation)等。

(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。

於營業場所之開放式廁所建置Sensor蒐集使用人次、使用時間、異味濃度偵測與空氣溫、溼度等數據，回傳至品質監控平台進行AI數據分析，建立智慧廁所品質監控平台供管理單位使用，了解廁所即時使用時間、人次與環境髒亂程度，提供警示提醒派遣人力清潔、檢視廁所情況與做出因應措施部分，協助管理人員進行環境品質監控與髒污預警派工，透由歷史數據分析各時段使用人次進行廁所動態人力預測性的調配建議，有效規劃人力資源管理與運用。

臺中市政府為改善交通壅塞問題，以提供民眾更好的交通環境，與彰化、南投縣合作並結合高速公路局、公路總局，於民國 109年開始實施「中彰投交通協控計畫」，隨著協控平台逐步發展成熟，在 111 年「中彰投交通協控計畫」期望能藉由人工智慧車流計數數，以提供更完整 的交通信 息及提升 運輸效 率，並持 續改善區 域間之交 通問題，車流量資料分析模組針對路口車流計算要求，利用AI影像辨識建立車輛識別，藉由人工智慧車流計數，以提供更完整的交通信息及提升運輸效率，即時了解路口交通流量和趨勢，並持續改善區域間之交通問題。