由於物聯網、人工智慧 (AI) 與邊緣運算技術的蓬勃發展，駕馭大量製程與機台的數據，以協助製造業面對市場上的劇烈競爭，傑騰智能是一家專注於資料評估、整合、視覺化與分析的大數據分析技術的解決方案商，並結合人工智慧，提供各類智慧監控與智慧製造解決方案。
傑騰智能執行長徐紹鐘，過去曾在半導體晶圓廠服務，累積晶圓廠內運作的重要經驗，對於以資料驅動的智慧製造的趨勢有重要歷練。傑騰智能於2015年成立，約在2017年發現客戶開始要求導入 AI 的功能，市場對於 AI 的期待很高，到了 2019 年，影像 AI 的進入門檻已不再高不可攀，在技術面的驗證風潮後，AI 模型的應用優勢將落在預測與診斷上。
然而，徐紹鐘發現智慧製造要有完備的數據資料才有實質效益，綜觀台灣產業現狀，他選定以半導體與面板產業為優先，透過 AI 影像辨識技術與多樣化的資料驅動的智慧型應用，打造公司長期發展的主要服務範疇。
AOI 與大數據分析協助醫院藥品發藥機台的流程
在製造業開始用 AOI 與大數據分析的技術來改善製程良率的做法時，傑騰智能發現在醫院的醫療場景中，藥品發藥機台與流程也有異曲同工的使用情境，於是參與恩主公、三總等綜合醫院一起合作驗證，透過 AI 輔助醫院的調劑台發藥流程，利用 AOI 辨識裝在玻璃紙藥袋內的藥物檢查，由於藥的形狀有時是非常類同的顏色與形狀外觀，所以 AI 模型的訓練過程變得非常龐大，甚至在光線調整與取樣影像吃足了苦頭。
為了跨界應用在 AI 藥檢機，傑騰智能在訓練藥品辨識模型上透過參與國研院國網中心今年攜手台智雲 (TWS) 公司共同推出的「科技抗疫2.0」專案，整合運用 TWCC 平台多達 80 顆 GPU 的雲端高速運算資源能量，大規模提升 AI 模型訓練速度，另外最值得稱道的是 TWCC 的資安防護功能，提供國內醫院高度受到信賴的服務，目前已開啟醫療第一線的驗證工作，也儲存大量的健保與非健保藥物的外觀影像，對於智慧醫療的應用上有重要的發展潛力。
打造給工程師使用的 AI 與分析平台
再轉進醫療領域之前，傑騰智能服務發展以半導體和面板優先，所以服務的客戶包含晶圓製造大廠、面板製造、 PCB 廠、石化塑膠製造、電子組裝製造與頻率元件製造等不同產業，有部分客戶是處於數位轉型的初期，開始收集資料; 另一部分客戶其內部已有充裕的經驗來掌握 AI 模型訓練，但在製程的時間壓力與效率的要求下，對於產線上的工程師而言，很難在時間壓力及緊湊的生產排程中，重新進行 AI 模型訓練。
因此，傑騰智能提供相當完整的 AI 模型，當客戶因為機台維護調整後，產生效率降低或是發生舊的 AI 模型失準時，製程工程師能夠選擇以少許新的數據，在有限的時間內，自行完成簡易的 AI 訓練機制，讓製程快速回到生產的進度，這才是有效的生產線上 AI 解決方案，這是徐紹鐘所強調的「打造給工程師使用的 AI 管理平台。」
有些製造現場 AI 已有非常高的準確性，但卻無法承受 1% 不到的製程不良率時，工程師當下就直接動手改成規則主導 (Rule-based) 的設定，所以傑騰智能的解決方案一定要是 AI 模型與 Rule-based 設定相結合的產物，因為最終目標是要能兼顧量產時程與良率的最大效益。
目前傑騰智能的產品導入過程中，通常第一台機台的調教會花費較長的時間，平均而言約需六個月的時間與客戶工程部搭配實測與驗證的合作，隨後就導入管理平台。因為可能 100 台精密機台會有超過 100 個以上的 AI 模型，為了讓客戶能自由整合大量高精密度的機台，管理平台可做到緊密的監測與現況的流程掌控。
目前傑騰智能的 AI 解決方案以私有雲的架構先在客戶端運作與微調，未來將用軟體暨服務 (SaaS) 的模式提供大規模的服務平台，為了極大化 AI 管理平台的效能，該產品甚至可使用客戶自行開發的 AI 模型，或是加上部分 Rule-based 的設定，這以生產製程中大型精密機台的控制最需要這種彈性的配置，因為當機台參數需要非常精確的情況下，有時 AI 輔助對良率的助益不足時，製程工程師就可切入使用其過去經驗數值來提高良率，更有助各領域的良率產出。
資料來源：國研院國家高速網路與計算中心