Plug and Play Deeptech Batch 3登場：台灣半導體與供應鏈韌性，正是實體AI最需要的土壤
Plug and Play Taiwan於14日攜手桃園市政府舉辦「Deeptech Batch 3 Selection Day」，21家來自台灣、韓國、法國、西班牙等地的深科技新創同台展示技術，主題環繞晶片設計、散熱能源、實體AI落地與資料治理四大趨勢。
Plug and Play Taiwan落地台灣後，一直相當關注深科技（Deeptech）領域，已加速約32家新創，聚焦AI、生技、機器人與先進製造領域，多數團隊已陸續取得國際募資與訂單。
桃園市政府經濟發展局局長張誠表示，桃園的優勢在於物流與製造，累積的產業數據足以作為實體AI發展的基礎與應用平台。
台灣長年累積的半導體製程能力、精密製造基礎與供應鏈韌性，恰好提供了這些新創驗證假設、快速打樣、甚至直接量產的環境，這正是矽谷或歐洲新創難以在本地複製的條件。
實體AI三階段框架：門檻最高的機會在「創造」
Plug and Play Taiwan Ventures Associate賴宥嘉提出對於實體AI發展三個階段的看法：第一階段是讓AI認識世界，第二階段是讓AI執行任務，也就是目前人形機器人等領域正在發生的事。而他認為真正值得關注、卻討論不足的是第三階段：創造。
「這裡的創造與AI寫信、生成圖片或影片等常見應用不太一樣，」賴宥嘉說，這裡的創造指的是，AI可以在眾多物理設計選項裡自己搜尋、篩選、生出候選方案，並且做到「真的做得出來、能通過驗證」的過程。
這個階段最有機會發揮價值的領域，必須同時滿足兩個條件：搜索空間夠大夠複雜，且人類的直覺與經驗相對薄弱。賴宥嘉以相控陣列天線舉例，一個64乘64的金屬介電網格，就能產生10的1,233次方種可能組合，這樣的規模不是人類能窮舉完的。
「物理世界同樣可能出現屬於AI的『Move 37』時刻，」賴宥嘉表示，AlphaGo對戰李世乭的「Move 37」那一步棋，在人類棋譜中從未出現，落子當下甚至被多數職業棋手視為敗招，最終AlphaGo卻贏得整場比賽，「AI生成的電路設計、材料結構或蛋白質序列，即便在人類眼中顯得陌生甚至詭異，只要能通過驗證，它就能成為現實。」
作為投資人，賴宥嘉表示自己會用這些角度審視實體AI新創的技術能力與護城河，而這套邏輯，也大致對應了這次21家團隊在台上展示的技術方向。
晶片先變聰明：先進封裝、記憶體運算與邊緣FPGA
呼應台灣的半導體優勢，這次入選團隊中有多家聚焦在讓晶片設計本身變得更智慧。
台灣團隊煊埕科技（Neuroshine）打造的AI決策層，鎖定先進封裝晶片設計中的散熱與電性問題。團隊表示，傳統設計流程仰賴工程師反覆試誤，一款晶片的設計驗證動輒耗時數月；導入其AI系統後，與台灣一家封裝龍頭廠商合作的案例中，原本4天的設計驗證流程縮短至10分鐘，工作量減少25%，預測準確率仍維持在97%。煊埕科技創辦團隊源自MIT超過十年的AI模型研發背景，執行長曾任台積電高階主管，目前已有8個評估案在進行、2個合約洽談中，並已在台灣取得一項專利，同步申請美國、韓國與日本專利。
臻至科技（ALPENGLOW TEK）則從記憶體內運算（Compute-in-Memory）架構切入，將運算單元直接嵌入記憶體，減少資料搬移，號稱能源效率比傳統AI晶片提升達100倍，鎖定耳機、穿戴裝置與醫療感測器等對功耗極度敏感的應用，目前已與3家IC設計公司合作。
磐石智慧科技（Rockcore）的定位則更貼近國防與半導體製造現場。這家台灣團隊打造結合現場可程式化邏輯閘陣列（FPGA）與AI的邊緣運算方案，訴求是把傳統GPU、CPU需要1秒才能完成的影像辨識，壓縮到20毫秒內完成即時處理，應用場景包括工廠內數百支攝影機的即時監控。團隊表示，他們是今年「IC Taiwan Grand Challenge」全球超過200隊競賽中，唯一獲獎的台灣團隊，目前已與國際半導體設備大廠Advantest展開合作，並規劃赴美國、日本設點，瞄準前段半導體設備市場。
晶片越聰明，運算與散熱的能源瓶頸就越明顯
當晶片朝向更高密度、更高算力發展，隨之而來的是無法迴避的散熱與能源問題，這也是這次多家新創聚焦的第二個戰場。
台灣團隊酷速科技（Koolnsped）是本土液冷散熱設計公司，共同創辦人暨執行長范偲慧表示，隨著晶片功耗持續攀升，傳統氣冷已逐漸失控，公司鎖定AI晶片業者、GPU廠商與伺服器代工廠，提供比國際大廠更客製化的液冷設計服務，並預期到2026年，全球將有40%的資料中心採用液冷技術。
與台灣本土方案相互對照的，是來自法國的Infiniflux，主打兩相液冷技術，直接針對晶片內部的晶粒（die）散熱，而非僅冷卻晶片外殼。團隊表示，這項技術可將熱阻降低75%，耗能僅為單相液冷方案的六分之一，並能為資料中心業者帶來多達25%的額外運算餘裕與20%的營運成本節省，同時延長晶片資產壽命一倍以上。這家成立僅16個月的新創，已獲英國創新機構關注，並與沙烏地阿拉伯的AI基礎設施投資方合作測試產品。
讓實體AI真正落地：造船廠裡的機器人與戰場上的無人機通訊
如果散熱與運算是實體AI的基礎建設問題，那麼這次活動中，也有團隊直接示範了賴宥嘉所說「創造」層次的落地應用。
來自韓國的Diden Robotics，開發用於造船廠等危險場域的實體AI機器人。創辦人Juni Kim在預錄影片中表示，造船、海事作業與工地現場長期存在人力短缺與作業風險，公司打造的四足機器人「Data Spider」配備磁吸腳掌與精密控制系統，可攀爬船體外壁、穿越狹小艙孔完成焊接等作業，酬載能力超過32公斤。目前已交付韓國主要造船業者使用，並簽下多份訂單。
同樣把AI帶往高風險場域的，還有主打無人機通訊系統的澤龍智能（LongLink）。創辦人暨執行長簡禎表示，公司不生產無人機本體，而是專攻機上的即時影像處理與通訊模組，主打符合美國國防授權法案（NDAA）與Blue UAS規範的非中國供應鏈產品。成立不到一年，已在今年出貨至烏克蘭、波蘭與美國多個客戶，並將透過美國實體與台灣無人機製造商合作生產。簡禎指出，市場上中國供應商便宜但不被信任，西方國防供應商可信但價格高昂，澤隆智能鎖定的正是兩者之間的空白地帶。
AI規模化之後，治理與資料韌性成為新需求
當AI從晶片、散熱一路走進工廠與戰場，隨之浮現的，是AI系統本身的穩定性與底層資料品質問題，這也是本場活動中第四個明顯的趨勢。
台灣團隊Speculum AI推出的Mirror OS，訴求是為AI代理人（AI Agent）與自動化系統提供運行時期的穩定層。執行長杜以中以一個實測案例說明：同一套金融AI代理人系統，在既有的紅隊測試與護欄機制下，一個月內處理7,095筆事件皆顯示零風險；但導入Mirror OS平行監控後，卻找出126起隱藏的邊界違規，並觸發600次斷路器介入。團隊表示，目前已在台灣取得一項專利、另兩項申請中，收費模式為代理人執行費用的3%至5%，客戶可因此節省22%至38%的代幣（token）成本，目前已與東京都政府及新加坡政府相關單位展開合作討論。
來自韓國的PolarPulse則從另一端切入：企業的資料整備度。團隊表示，多數企業的AI專案卡關，問題往往不在AI模型本身，而在於資料分散於企業資源規劃系統（ERP）、客戶關係管理系統（CRM）、製造執行系統（MES）等不同系統，導致AI輸出的答案片段而不一致。PolarPulse打造的引擎能將分散資料重新整理為「AI就緒」的結構化資料，並回答企業內部隱藏的商業關聯問題。成立僅7個月，已與韓國大型鋼鐵集團、金融集團及SK海力士（SK hynix）簽下合作案。
同場也有兩家生醫類新創獲得關注：主打快速止血粉的安美洛生技（Amelio Biotech），以及專注急性腎損傷（AKI）風險預測的慧德科技（Huede Healthtech），兩者雖與本場活動聚焦的實體AI主軸關聯較淡，仍展現了深科技在醫療場域的延伸可能。
延伸閱讀
矽谷級加速器Plug and Play落地台灣，給出哪3個進入國際市場的建議？
東京大學、麻省理工、台大的「大學創投」，怎麼在財務與投資校友之間找到平衡？
勇闖南加大、造火箭出身的台灣創業家：矽谷深科技熱潮似乎過頭了