當 AI 不再只是模型：研華攜手偲倢，打造一條能落地的「閉環之路」
在多數企業還在討論「該不該導入 AI」的同時，有一群人早已走進產線、走進現場，開始解一個更現實的問題—AI，如何真的用得起、用得久，甚至用得好？
從工廠自動化整合業務起家的偲倢科技（Spingence），正是這條路上的長期實踐者。一路緊隨不斷推陳出新的 AI 技術步伐，從 CNN 小模型、到 LLM、代理式 AI，再走向物理 AI，逐步將每一段技術「變成工具」，再把工具「帶進產業」。
透過與研華的深度合作，偲倢試圖完成一件更具革命性的事情：打造一套可以被複製、被擴展，甚至持續自我優化的 AI 落地閉環。
陪伴客戶一起發現解決問題，全面降低瑕疵檢測導入門檻
成立於 2015 年的偲倢科技正逢 CNN+GPU 完美組合的崛起之際，為了將 AI 運用在產線，該公司隨即在 2016 年全面投入 AI 瑕疵檢測。
偲倢科技執行長陳青煒觀察到，儘管 AI 看起來很強大，但要實際落地並產生價值，仍有不小的鴻溝需要跨越，更別說一般企業對於新興 AI 技術並不了解。進一步而言，不論面對 CNN、LLM，抑或 AI Agent，客戶真正目的是為了解決問題。所以在宣導初期，偲倢科技一直積極扮演教導客戶如何善用 AI 來解決自身問題的傳教士角色，隨後並一路陪伴客戶，和客戶一起發現問題、解決問題，進而打造出高精度與高穩定性的 AI 瑕疵檢測模型，讓自己成為製造業客戶成功銜接新技術的最佳媒介與橋樑。
這樣的累積，最終沉澱成 AINavi。一套不只是「做檢測」，而是重新設計整個 AI 導入流程的平台。從影像標註、模型訓練到參數調校，AINavi 將原本高度依賴人力與經驗的流程，轉為標準化與自動化。原本動輒 8 個月的導入期，被壓縮至 6 週。
2023 年下半年，推出新功能的 AINavi，為客戶帶來更低導入門檻、更快導入時間，以及更優化的軟體操作流程，進而協助製造業 AI 應用全面從標準化邁向客製化。目前 AINavi 已成功導入半導體、連接器、車用電子等精密製造業，在 2025 年偲倢科技更是和全球指標性散熱領導廠商展開全面性合作，替該廠商實現每月 2 萬至 4 萬件高階產品的即時檢測，這不只是效率提升，更是一種「品質被重新定義」的開始。
無痛在地部署 LLM，發揮 Multi-Agent 最大自主決策效益
當生成式 AI 走進企業，第一個卡關的，往往不是技術，而是信任。能不能把資料交給 AI？能不能讓它參與決策？對多數企業而言，這一步並不容易。
偲倢科技看到這道門檻，選擇把 AI 留在企業內部。透過 Edgestar，企業得以在地端部署 LLM，兼顧效能與安全，也真正掌握 AI 的運作方式。在產線上，偲倢科技讓 CNN 負責「看見瑕疵」，再由 LLM 進一步分析與判讀，並即時回饋現場人員。AI 開始從工具，變成能參與決策的一環，讓智慧製造不再只是概念。
為了讓 AI 判斷更準，偲倢科技也透過資料生成的 AI 技術解決特定資料不足的問題，以生成數據強化模型能力，在一個連接器製造案例中，導入後不僅成功克服不同顏色產品的檢測難題，更讓檢測準確度提升 20%，模型評估時間縮短 25%。
當 AI 的能力持續提升，角色也隨之改變。從輔助工具，到能自主行動的 AI Agent，企業開始面對新的課題—如何在效率與風險之間取得平衡？透過 Edgestar – 地端模型部署平台結合 RAG 技術，AI 能在安全框架下調用企業內部知識，甚至進一步應用於合約審核等場景，讓決策更即時、也更精準。再來透過 Multi-Agent 架構，企業可讓不同 AI 分工協作，強化整體營運效率與決策彈性，讓 AI 從工具走向真正的組織能力。
全面走向「模擬實體化」，將試錯成本降至最低
隨著 NVIDIA 推出 NVIDIA Omniverse™ 平台之後，過去多停留於概念展示的數位孿生（Digital Twin）終於突破了只能發揮戰情室儀表板作用之「實體模擬化」（Real to Simulator）應用限制，全面走向「模擬實體化」（Simulator to Real）的嶄新階段。
在這個架構下，物理 AI 得以先在虛擬世界中進行大量訓練與模擬，不斷修正與優化行為策略，再將成果部署到真實場域，讓過去成本高、週期長、難以擴展的數位孿生應用出現新的解法。
偲倢科技也在此基礎上推出採用 NVIDIA Omniverse 與 NVIDIA Cosmos 世界模型的 SpinZone 虛實整合開發平台，協助企業快速打造 3D 虛擬工廠等虛擬場景，並能設定尺寸、重量、材質等物理參數，讓模擬更貼近真實營運環境。
為了協助散熱領導廠商於全球化的布局，以及在世界各地擴建工廠的計畫，偲倢科技攜手研華啟動數位孿生建模計畫。舉例而言，在美國因受限於法規與人力問題，興建工廠的試錯成本極高，一旦工廠設計不良、施工錯誤，導致蓋好的工廠發現瑕疵而需要重頭來過，勢必會造成巨大的前置成本。偲倢科技透過 NVIDIA Omniverse 套件成功建構高擬真工廠設備模型，並模擬出最佳的工站配置與生產流程，在協助該客戶完美實現擴廠計畫的同時，並為合作雙方共同打造出未來可供依循的最佳建廠模式。
此外，在智慧零售場景中，偲倢科技與研華也協助客戶有利康，於虛擬零售環境中完成服務機器人的測試與訓練，並成功落地至實體門市執行補貨與理貨任務。在反覆模擬與實地驗證的過程中，有效縮短虛實落差，也展現物理 AI 在零售自動化上的實際可行性。
完美對應 NVIDIA「三部電腦」，偲倢三大事業部挾三大方案助攻企業
為了加速物理 AI 與機器人生態系發展，NVIDIA 提出「三部電腦解決方案」，打造從訓練、模擬到部署的完整 AI 基礎架構：以 DGX 超級電腦負責模型訓練，Omniverse 與 RTX PRO 伺服器進行虛擬模擬驗證，再由 NVIDIA® Jetson Thor™ 邊緣裝置將 AI 部署至真實場域，形成從「大腦學習」到「現場決策」的完整鏈路。
陳青煒表示，善用 AI 的第一步不在於模型，而是資料的整理，尤其是散落在工廠不同機台上的資料。更重要的是，要打破製造業在自動化與智慧化轉型過程中與工作流程脫節的資訊孤島，需要的並不是更多的設備，而是一套完整的 AI 基礎建設，NVIDIA 提出的「三部電腦解決方案」即為打造這個完整基礎設施的最佳參考架構。對應這個架構，偲倢科技也定義了一套針對製造業的地端 AI 全棧平台 — SPAK （Spingence Physical AI Kernal），期待藉由整合式且相容的 AI 架構協助企業實現 AI 驅動智慧工廠的自主運作。
為了進一步推廣這些方案，偲倢科技於 2024 年完成品牌策略升級，正式確立三大事業部，包括聚焦精密製造瑕疵檢測，推動 AI 落地，讓轉型從現場開始的 AI Adoption Enabler 事業部、專注於打造企業專屬地端 AI 基礎建設的 Edge AI Accelerator 事業部，以及推動智慧工廠 AI 虛實整合的 Innovation 事業部。
三大事業部分別對應不同產品 AINavi、Edgestar 與 SpinZone，共同支撐 NVIDIA「三部電腦」架構，協助企業從由模擬產生合成數據訓練視覺模型，視覺系統蒐集的數據再提供給語言模型分析決策，最終回饋優化模擬環境，使 AI 能力隨時間持續進化，逐步形成可持續優化的 AI 閉環系統。
陳青煒進一步強調，「模擬優先」的核心價值，在於終端應用的影響力。當一個決策的試錯成本越高，模擬的價值就越關鍵。例如在海外建廠這類高風險場景中，透過虛擬模擬提前驗證，能大幅降低實體錯誤與資源浪費，讓 AI 真正成為企業決策前的安全底座。
研華與偲倢強強組合，展現軟硬深度整合優化最大綜效
當 AI 架構逐漸成形，最後一塊拼圖，是能否穩定落地。在偲倢科技的軟體方案之外，研華補上了關鍵的硬體基礎。從搭載 NVIDIA® Jetson T5000™ 的邊緣運算設備 MIC-743，支援 NVIDIA Omniverse 模擬的 GPU 伺服器 SKY-622G4, 最高支援 4 張 NVIDIA RTX PRO™ 6000 Blackwell Server Edition 與整合機櫃 SKYRack AI，讓 AI 能從產線即時決策，一路延伸到虛擬模擬與大規模運算，真正跑在企業的日常運作之中。
長期合作下，偲倢科技與研華不只是技術整合，更像是在不同場域中反覆驗證與優化的一體兩面。從產線需求出發，雙方持續調整軟硬體配置，讓 AI 不只「能用」，而是能在嚴苛環境下長時間穩定運作。陳青煒指出，這樣的整合能力，關鍵在於研華長期累積的工業電腦實力，在效能與穩定之間取得平衡，成為支撐 AI 持續運轉的基礎。
當軟體、硬體與場域經驗逐步拼接，一套可複製、可擴展的 AI 藍圖也隨之成形。
從模型訓練，到現場決策，再到虛擬優化，AI 不再只是導入的一個專案，而是一個能持續進化的系統。而這正是偲倢與研華希望帶給企業的下一步競爭力。
了解更多研華 AI 方案 👉 https://bit.ly/4sTx66q
研華專人諮詢 👉 https://bit.ly/4a4nsGy
（首圖來源：科技新報）