偲倢整合WISE-PaaS/AFS 突破AI规模化瓶颈

偲倢决定与研华合作，将其 SmaAI 深度学习视觉检测工具整合研华WISE-PaaS/AFS

AI不难，AI上线实际应用才难：自动化训练、规模化部署是关键

现今人工智能(AI)不仅是全球各国积极拥抱的火红科技，更是制造业满足少量多样生产需求、增进制造品质、传承工艺经验等多重目标的利器，所以导入 AI 的制造商不在少数；多数企业的 AI 概念验证(POC)成果不差，但迈向规模性上线运用的过程却往往失利。

偲倢科技总经理陈青炜指出，不少企业派员赴人工智能学校上课，培养出懂得建模分析的AI种子部队，他们也许能在POC阶段做出准确模型，但由于对工厂生态理解有限，也鲜少思考模型上线可行性，以致无法顺利规模化实施。纵使闯过这一关，后头仍有考验，只因数据分类、实施训练、拷贝模型直到部署上线的整个过程极为耗时费力，多数公司囿于工程师人力限制，造成AI解决方案规模化的进程受阻。

为促进制造业AI的「Scale up」，偲倢决定与研华合作，将其SmaAI深度学习视觉检测工具整合研华WISE-PaaS/AFS(AI Framework Service 人工智能模型训练与部署应用框架服务)，以营造自动化训练、自动化部署等独特利基，推倒过往的规模化障碍。经由这般合作关系，偲倢得以打造自动化瑕疵检测方案，广受半导体、被动元件等多类型制造厂的好评。

陈青炜表示，偲倢长期专注发展自动化软件方案，旨在帮助客户降低开发时间、提升工作／生产效率，例如推出SmaSEQ自动化开发平台，使客户无需费时撰写繁琐复杂的底层程序，便能轻易编排配置运动控制、视觉、I/O等等应用流程；至于 SmaAI 亦基于类似理念，透过偲倢提供的GUI、模型，让不懂AI的客户也有机会实施瑕疵检测。

偲倢的SmaAITrainer GUI，可支持自家提供的模型，也可支持第三方提供的模型，并透过研华MIC-770电脑、挂载一张 GPU 卡来执行模型训练工作。在前端POC阶段，需请AI工程师收集图片、分类、执行训练程序并验证训练成果，若成果符合期待，再以手工拷贝模型、加载产在线的电脑(例如研华 MIC-730AI)实施推论。前述过程若于 POC 阶段并无大碍，但假使需要将模型部署至产在线，针对几十台、几百台产线设备做大规模部署，将会耗费相当大的人力、时间、经费且难以管理，这是目前许多客户所遇到的关卡，于是询问偲倢有无大量部署AI的自动化解决方法。

Edge AI 串联WISE-PaaS/AFS，形成端到云完整方案

偲倢原打算自行开发让AI模型能在外云端执行的功能，以满足产线自动化智能训练、部署与更新需求，得知研华推出 WISE-PaaS/AFS与偲倢的概念相同甚至更加完整，于是双方进行合作测试，直接将 SmaAI 引擎放入WISE-PaaS/AFS执行，证实产生不错成效；具体来说，企业做好分图后，连同图档、训练程序一并上传 WISE-PaaS/AFS，即可在背景不断捞图档数据、做训练，持续更新模型，接着自动化部署到产在线，大幅降低模型训练的人力工时。显见WISE-PaaS/AFS足以帮助客户克服从POC迈向规模性上线之种种阻碍，堪称市场上罕见的 AI 规模化平台，促使偲倢决定与研华展开合作。

现在企业经由研华 Edge AI(含 MIC-770、MIC-730AI)串联 WISE-PaaS/AFS 云端平台，再结合偲倢SmaAI，即可汇聚为从端到云，从模型训练、部署到验证的一整套方案，企业无需兜额外元件，便能加速AI布局。

值得一提的，迄今WISE-PaaS/AFS功能仍不断精进，以近期推出的「超参数调校」(Hyperparameter Tuning)功能为例，深具实用价值。假使企业欲将某支模型同时部署到数百台设备，如果只靠有经验的工程师耗时调整数百次参数，效率必然不彰，又或者企业有时会面临多次再训练(re-train)仍无法提升模型精准率之状态，必须费时一再调整参数。此时一旦借助AFS超参数调校功能，便可透过AI演算法自动查找最佳参数，大幅减少人为 Try & Error 历程。目前支持的调参演算法包含 TPE、Random Search、Anneal、Naïve Evolution、SMAC、Batch tuner、Grid Search等等。

偲倢SmaAI Ｘ 研华WISE-PaaS，成就 AI 瑕疵检测方案

偲倢提供的AI瑕疵检测方案，按研华的定义，算是相当典型的 Industrial APP(I.APP)；而深谙工厂自动化技术的偲倢，能够与客户深入讨论光源、镜头、马达、机械手臂的控制之道，亦兼具DFSI(Domain-Focused Solution Integrator)能量，可谓市场上少见能跨越IT、OT的AI新创业者。展望今后期许与研华密切合作，藉由共创持续催生优质AI解决方案，帮助企业解决痛点，真正达成 AI 规模化应用与发挥效益。