全球製造業正同時面對精密化與高度客製化的壓力，傳統仰賴大量人力的生產與檢驗模式，已愈來愈難支撐現代供應鏈對品質、速度與彈性的要求。資訊科技（IT）與營運科技（OT）的深度融合，已成為企業推動數位轉型與智慧製造的重要基礎。
偲倢科技（Spingence）自2015年成立以來，最初以製造現場自動化整合為主，隨即觀察到產業對智慧檢測的迫切需求，於2016年便投入人工智慧（AI）技術研發，聚焦自動光學檢測（AOI）應用。偲倢科技執行長陳青煒表示，公司於2024年完成品牌策略升級，確立三大事業主軸，分別為聚焦精密製造瑕疵檢測的AI Adoption Enabler、提供企業級大型語言模型（LLM）部署方案的Edge AI Accelerator，以及推動智慧工廠數位孿生（Digital Twin）整合的Innovation，希望以完整技術版圖，協助企業更穩健地推動AI落地。
回顧技術演進，早期視覺檢測多採規則導向（Rule-based）方法，透過預先設定邊界參數，執行定位、量測與條碼識別等任務。然而面對外觀瑕疵檢測，這類方法很快遭遇瓶頸。陳青煒以金屬表面劃痕為例指出，人類檢驗員只要看過少量樣本，通常就能辨識多樣化甚至細微斷裂的瑕疵，但規則導向系統缺乏足夠彈性，只要瑕疵型態略微偏離既定條件，就可能失去判斷能力。工廠因而陷入兩難，檢測標準過嚴會增加誤判與複檢負擔，標準過鬆又可能讓瑕疵品流入市場。卷積神經網路（CNN）等AI模型的出現，使機器得以學習近似人類視覺的判斷方式，逐步補強傳統視覺檢測的限制。
AI導入初期，現場最大的疑慮在於「不可解釋性」。傳統系統若發生漏檢，工程師通常能追溯是哪一項參數設定不當，但AI模型訓練完成後，多半只能輸出判定結果，卻難以清楚說明判斷依據。陳青煒坦言，製造現場向來重視穩定與可驗證，這樣的「黑箱」 特性曾使第一線人員對AI抱持高度保留態度 。導入新系統的人，也必須承擔良率波動的壓力。不過，隨著技術成熟與市場教育深化，業界對黑箱問題的接受度已有提升，討論焦點也逐漸轉向如何善用模型特性，真正解決產線問題。他強調，企業不宜只追逐新技術名稱，更重要的是理解模型特質與適用場景，讓投資與痛點之間形成明確對應。
平台化策略加速產線落地
陳青煒認為，要讓AI在產線發揮持續價值，關鍵不只在模型精度，還在於能否把專案經驗沉澱成可複製的平台能力。以視覺檢測為例，不同行業之間約有8成需求屬於共通基礎功能，其餘2成則高度依賴產業知識與製程條件。偲倢科技因此打造AINavi平台，將影像標註、模型訓練、參數調校等流程標準化與自動化，藉此降低工程複雜度與導入門檻。
這種將8成基礎能力平台化、2成依痛點客製化的做法，也直接改善部署效率。陳青煒指出，過去協助客戶導入全新製程檢測專案，往往需要8個月才能正式上線，如今透過平台化累積，即使面對全新產品線，也有機會在6週內完成部署並進入量產。這對製造業而言，不僅是效率提升，更代表AI專案能更快通過驗證，縮短投資回收期。
在產業選擇上，偲倢科技優先鎖定高附加價值、資料量大且品質要求嚴格的領域。公司初期由被動元件切入，因其生產節奏快、單位時間產量高，能迅速累積大量訓練資料，使模型優化與落地成效較快顯現，之後再將技術延伸至半導體長晶、光罩盒檢測、晶圓切割後的捲帶封裝，以及高階電子零組件與連接器測試等場景。 近年隨著AI伺服器需求升高，散熱模組檢測成為新興機會。陳青煒分析，傳統散熱銅管過去未必需要高強度視覺檢測，但當其被應用於高階GPU伺服器液冷系統後，任何極小漏水瑕疵都可能造成昂貴設備損壞。在這類高風險、高單價場景裡，視覺檢測已不是額外加值，而是產品安全與出貨品質的必要機制。持續尋找這些需求強烈、但市場尚未形成成熟解法的領域，也成為偲倢科技維持競爭力的重要策略。
建構邊緣運算與數位孿生生態系
隨著生成式AI（GenAI）技術的突破性發展，企業對於大型語言模型（LLM）的應用需求與日俱增。然而，對於高度重視資安與商業機密的製造業而言，將敏感的營運數據上傳至公有雲端存在著極高的風險。洞察到此一趨勢，偲倢科技成立了第二個事業部，推出企業級大型語言模型部署方案EdgeStar平台，專注於邊緣運算領域的AI基礎設施建置。
陳青煒指出，建構企業內部的AI工廠不僅是引進GPU伺服器，還牽涉到IT架構的整合，包含網路頻寬配置、電力負載評估，以及如何與企業現有的企業資源規劃（ERP）或製造執行系統（MES）進行無縫介接。純粹的硬體供應商往往缺乏對AI軟體堆疊與應用開發的理解，而純軟體公司則難以掌握硬體層面的實務挑戰。偲倢科技藉由自身深厚的軟體開發底蘊，搭配策略夥伴研華科技的硬體資源，為企業提供一套從底層硬體架構到上層應用開發平台的完整解決方案，協助企業在確保資料不離開地端的前提下，自主發展專屬的AI應用。
偲倢科技執行長陳青煒表示，將實體世界的檢測數據、邊緣運算設備的分析結果，即時反饋至數位孿生模型中，形成一個持續優化的閉環系統，正是製造業核心競爭力的關鍵。
在此基礎上，偲倢科技進一步延伸至智慧工廠數位孿生領域。陳青煒說明，透過NVIDIA Omniverse平台，企業不僅能獲得3D視覺化的廠房模型，更重要的是能夠進行物理特性的模擬運算，提早發現潛在的廠房設計瑕疵，降低試錯成本。這個過程需要強大的運算基礎設施支持，將實體世界的檢測數據、邊緣運算設備的分析結果，即時反饋至數位孿生模型中，形成一個持續優化的閉環系統。這種融合IT、OT與AI運算的架構，正是未來製造業保持全球競爭力的核心關鍵。