全球AI服務推展進入戰國時期　國家團隊整合已成必行之勢

開必拓數據參與AI EXPO TOKYO 2023，吸引大批日本企業了解最新AI檢測技術。開必拓數據

過去台灣市場由於製造業上下游供應鏈建置完備，不同產品場域和數據相對齊全，且台灣客戶較之於海外客戶對AI的理解深，態度積極且開放，因此開必拓在協助台灣企業作導入推廣上相對順利。

時至2023年的今天，過去中、美、日等國的AI服務商其實已陸續累積過去無法取得的數據，台灣的優勢漸漸減少，若繼續走單打獨鬥方式恐難以維持過去差距。開必拓數據執行長孫逢佑指出：組成聯盟或出國打群架的時侯到了！市場上一些已取得開發建置成績的AI服務商應該透過整合或合併，提出一條龍的方案，才有機會重新拉大這個領先態勢。

以流水線的製造過程為例，粗加工、細加工，各式的工序、不同的作業節點過去都拆分的相當仔細，台灣的AI服務商大多針對自己細部專長的項目作發展，但如果台灣的服務商能團結出行，透過軟硬整合，以瑕疵檢測為例，透過整合後的系統了解單一瑕疪的發生是因為工序的設計不良？還是設備的參數錯誤？或是前加工的配方比例失當等，AI能提出的不是單一的比對結果，而是顧問式協助的提出整合報告，對業者來說是更且效益的導入模式，而以技術及企業信任度來說，台灣若朝此方向發展將有事半功倍之效。

明確定義AOI與AI在瑕疪檢測上的技術差異　才可適地適所運用正確技術

孫逢佑在談到為何開必拓數據的技術為何在日本市場可快速推廣時明確指出，市場上有非常多的瑕疪檢測的廠商和解決方案，但真的完全用AI來進行的公司幾乎沒有，大部分提到AI檢測的都是以AI輔助AOI，而不是以AI思維來發起的。

以AOI為例，工程師先設定一個golden sample, 然後我們利用成品去比對這個golden sample , 評估他在大小、亮度等維度的差異 ，透過減法的概念去比較，當差值大於工程師預設的可接受工差範圍，則列為失敗品。

但以AI為例，他並沒有設定一個golden sample，也並不是例用量測來評斷，他是單純的讓AI演算法，透過類神經的邏輯，去運算歸納我們提供給他學習的教材，系統最終會自己學習出怎樣的條件或狀況就是失敗的成品，電腦透過類人腦多維節點串接一個立體複雜的思維網路，最後建出一個準確率極高的AI瑕疪判斷系統。

孫逢佑特別指出：我們要做的AI其實就是做到人類能做的等級，並不是超出人力所及，回饋到上面討論AI與AOI的應用，不是AI就比AOI好，而是AOI適合一切以量測為出發點的精密製程，比如半導體，AI即使導入半導體業，最佳的位置也是輔助AOI即可。

以目前AI應用在瑕疪檢測，開必拓能夠領先業界的原因，除了了解自身技術對哪些產業才是最適的方案之外，更領先同業了解如何在首次建模後，若測試中有出現誤判的狀況，有能力透過AI來修正這個模型，以協助客戶達成更高的判斷準確度，這個困難的二工能力，是目前採用企業拉開與競爭對手實力的重要基礎。

人力缺口加鉅超過政府預期　各國開始面臨產業斷鏈風險

日本在2019年起陸續開啟移工政策，但目前政策並非針對製造業，因此人力缺口仍持續拉大中。孫逢佑在參與日本AI EXPO後，觀察到幾個產業的變動方向：

1.日本企業目前詢求AI導入的需求是確定且明確的，日本企業代表會向AI服務公司明確表達目前遇到問題，過去處理方式，以及期望透過AI達到的效率化結果，反觀台灣企業較多停留在評估和觀望階段，此消彼長，透過更快的AI導入的日本企業將會拉大與台灣企業的競爭差距。

2.日本的AI服務商每年以倍數快速的成立，雖然目前台灣目前的AI服務商在技術可靠度上仍具相對優勢，但若仍繼續採單打獨鬥的方式開發國內外市場，遲早會被國外的技術服務商追過，整合成具備數據綜效的大團隊已是勢在必行的模式。

成功不必在我，但有我一定成功，孫逢佑一再提到懇切希望台灣AI服務產業合作的成形，唯有整合才能讓台灣更具長久的國際競爭高度，也才有機會協助台灣企業投向AI。

日本提供給移工的環境目前遠優於台灣，台灣勢必需提前部署AI，以避免真的遇到無人工廠還沒蓋成，卻真的先看到工廠無人可用的狀況呢！