應用案例

以人工智慧、電腦視覺、深度學習為基礎，透過 Viscovery 自行研究開發的技術，為電商提供【AI 圖像搜索解決方案】，打破文字搜尋的限制，讓消費者透過拍照或上傳照片來搜尋難以形容，甚至無法使用文字來做搜尋的商品，例如：外來文商品、服飾、鞋子、包包、美妝商品等，讓搜尋變得更直觀、容易，藉以提升商品搜尋效率與消費體驗，並進而提升電商轉換率與銷售額。目前已與台灣 momo 合作導入。

AI AMAZE 能將商業知識、服務流程與經驗，轉化為聰明且溫暖的 AI 代理人，應用範圍橫跨六大領域，能深入業務的各個環節：(1)智慧零售與觀光場域： 門市或觀光景點有一個永不疲倦、精通多國語言的超級店員或導覽員。對於來自日本的遊客，他能立刻理解「我想要買伴手禮禮盒」的需求，並推薦最適合的組合；面對品酒新手，他能化身為專業侍酒師，在 1.5 秒內從數百種酒款中，依據菜色與口味推薦最契合的選擇。從 國際展會到地方觀光，AI AMAZE 能打破語言與文化隔閡，提供 24 小時不間斷的個人化服務，讓每一位顧客都感到賓至如歸。(2)智能客服與教育創新： 無論是對外的電話客服，還是對內的教育訓練，AI AMAZE 都能扮演關鍵角色。他能成為第一線的電話客服，處理大量查詢，並在真人客服介入時提供完整的對話摘要；他也能化身為虛擬助教，輔助校務行政、提供個人化學習輔導，讓教育變得更高效、更有趣。

智能助手平台可以分析客服與客戶對話內容，匹配出推薦答案，加速客服回答處理；還可以提醒客服適當的話術，增加客戶滿意度，並能提供客戶畫像，幫助客服聚焦識別，挖掘出新機會點。可以應用於客戶服務、業務查詢、業務線上申辦、預約服務等，幫助企業提高服務效率、降低人力成本及新人業務知識學習成本。

於Covid-19疫情期間建置LINE官方智慧客服「新竹市居家照護關懷中心」，提供照護、隔離、檢疫者相關資訊，達成遠距關懷的目標。

奕瑞科技將Deep Learning 演算法極盡所能的在各個領域做出落地的解決方案，除了本身精研的核心演算法之外，還能貼近客戶的需求，與客戶共同討論出最適合的解決方案，並且跟著客戶的SOP，不斷地做滾動式的來回討論，以期用AI 人工智能技術，真正改善客戶在管理上的困難。其解決方案包含解決員工需要監看包商是否違規，交由演算法來判斷，能避免掉人與人之間的摩擦，並且節省了大量的人力監督。另外，AI/AOI 瑕疵檢測也解決了傳統瑕疵檢測過多的誤殺（判）造成現場作業的混亂以及不必要的浪費。

PrimeHub 是針對企業內部多人、多專案需求所量身打造的 AI 開發管理平台，基於 MLOps 的概念協助團隊共享運算資源與成果，加速開發 AI 模型的速度。平台架構基於 Kubernetes 的容器編排環境，提供安全穩健的系統資源分配協助使用者實現最佳化資源配置，並搭配⾃動資源回收機制提升使用率與降低營運成本。開發人員透過簡易使用的瀏覽器介面便可管理群組及各種資源配額，快速啟動 TensorFlow、PyTorch、Scikit Learn 等熱門 AI 框架進行模型的開發、訓練、部署及監控，不需再自己搭建基礎設施，讓開發人員能夠專注於 AI 模型的開發以提升工作效率。

手機一邊直播、一邊享受購物，一邊與直播網紅互動聊天。聊天室中還有AI機器人，一起跟所有網友聊天，幫你炒High氣氛不冷場，以及聊天室內資料將同步進行資料收集與後續應用AＩ進行商情分析。

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。

人才選擇公司的世代來臨，透過Apollo獨家招募功能Lasso AI Video Interview先面試再篩選，縮短招募時間，讓企業實現大批量招募；針對不同職缺設定相對應的問題，提供快問快答、選擇題、基本答題等題型，讓企業實現結構化面試題型，結合AI應用分析潛在情緒資訊、透過綜合加權評比客觀分析，自動生成人才矩陣快速篩選網羅試才。<業界唯一>做到一體化招募管理，Lasso AI Video Interview與企業招募網站和招募、人資系統完美整合，從內部職缺申請、公告、履歷蒐集、篩選、視頻面試、面試官審查紀錄、人員錄用簽核、錄用通知一直到建立員工資料，整個作業流程僅需單一平台即可完成，幫助企業打造專屬人才庫和完美實現一體化招募管理流程。

JCAATs 為AI 語言 Python 所開發的新一代稽核軟體，除具備傳統電腦輔助稽核工具(CAATs)的數據分析功能外，更包含許多人工智慧功能，如文字探勘、機器學習、資料爬蟲等，讓稽核分析可以更加智慧化。 JCAATs 可分析大量資料，其開放式資料架構，可與多種資料庫、雲端資料源、不同檔案類型及 ACL 軟體介接，讓稽核資料的收集與融合更方便與快速。繁體中文與視覺化的使用者介面，讓不熟悉 Python 語言的稽核人員也可以透過此介面的簡易操作，輕鬆快速產出 Python 稽核程式，並可與廣大免費之開源 Python 程式資源整合，讓您的稽核程式具備擴充性和開放性，不再被少數軟體所限制。

過去污水處理作業多仰賴人員定時巡檢，無法即時掌握閘門是否被垃圾或油脂阻塞，經常導致排水不順、水體回溢等問題。尤其在大雨或突發事件時，錯過處理時機更容易造成環境災害與人力負擔。 本系統專為改善上述問題而設計，透過部署於截流站現場的影像監控與感測裝置，即時掌握水面與閘門情況，搭配人工智慧技術自動辨識是否有異物阻塞（如漂浮垃圾、攔油繩、雜物等），並在出現異常時主動發出警示。

昱峰以智能大數據科技(AI+BIGData+Technology)的核心能力，引領晶圓製造業進入智能決策新境界。昱峰團隊曾在半導體晶圓廠有24年經驗，橫跨製程，產能，良率，產品設計，IT各個關鍵領域。並投入14年的實戰經驗以智能數據分析能有效定位製程上各類問題，並幫助晶圓廠創造百億以上的績效。 在全球晶圓產能持續升高之下，我們該如何在這波產能擴增中勝出。另一要關注的趨勢是，各大晶圓廠在微縮製程的追逐，暫告一個段落，轉向在利基產品上聚焦。在此趨勢之下，要在原本的產能製程技術上，想要有突破性的成長與改善，投資非常巨大。AI+BIGDATA給我們指引出一條新的路徑。

傳統上電視監測都是透過人工完成，但隨著電視媒體眾多，如果要監測每一台電視現在的播報內容，便需要大量的人力。而使用人力不但有可能會有資料蒐集不完全的可能性，在通報上與分析上也會變得較不即時。隨著深度學習近年來的蓬勃發展，電腦視覺的應用也變得更加成熟，現在，我們可以應用電腦視覺在人臉辨識、瑕疵辨識等應用用途上，亦可以用於場景文字探勘與文字辨識。因此我們即有想法想利用深度學習結合場景辨識、人臉識別、語音識別、光學文字識別與文字探勘等技術，製作成一人工智慧輔助電視監測系統，這樣方能以最全面、即時的方式監測電視媒體，並分析每天播報的內容，供廣告商與公部門進行參考

奕瑞科技將Deep Learning 演算法極盡所能的在各個領域做出落地的解決方案，除了本身精研的核心演算法之外，還能貼近客戶的需求，與客戶共同討論出最適合的解決方案，並且跟著客戶的SOP，不斷地做滾動式的來回討論，以期用AI 人工智能技術，真正改善客戶在管理上的困難。其解決方案包含解決員工需要監看包商是否違規，交由演算法來判斷，能避免掉人與人之間的摩擦，並且節省了大量的人力監督。另外，AI/AOI 瑕疵檢測也解決了傳統瑕疵檢測過多的誤殺（判）造成現場作業的混亂以及不必要的浪費，AI/AOI能夠制定出容錯空間，讓生產線上的員工（期望篩選標準放寬）以及在辦公室處理客訴的管理或是業務人員（期望篩選標準從嚴）達成最最精準的平衡，並且能夠整合後端自動化生產設備，即時傳送訊號讓機器手臂或是相關設備做出相對應的反應。

本計畫開發此功能主要是一個基於RAG（Retrieval-Augmented Generation，檢索增強生成）技術的生成式儀控率決策輔助功能，交通管理使用者可以透過一個類似於聊天機器人的互動介面進行未來一段時間之儀控率決策詢問，此介面提供使用者以自然語言輸入查詢，例如「請問30分鐘後南屯交流道往南儀控率應為多少?」，輸入問題後，系統會由本計畫所開發之「流量預測模組API」及「路段容量搜尋模組API」取得目標地點、時間之流量預測數據、Qmax數據，以及現況高速公路之儀控率時制表，進行交互分析後生成建議的儀控率，若經過交互分析後，系統判斷目前路況無須進行匝道儀控，也會生成相關回應。