AI影像识别工具模块化 协助工厂智能转型蓄势待发

灼灼科技核心技术领先业界，利用独有的模型压缩和程序库最佳化技术提供客户轻巧、快速的人工智能影像识别边缘运算解决方案。灼灼科技

随疫情升温，工厂自动化甚至智能化的价值更显重要。此外，DIGITIMES研究报告也指出，因市场更趋个人化、定制化，产品生产模式逐渐走向少量多样，种种因素都挑战着企业的应变能力。

因此，逐渐出现许多人工智能的新创开始推广SaaS、PaaS等工具组，主要好处是自行训练、调整最佳化的数值可以不用每次调整都付费，并且公司的数据不需假他人之手，网安疑虑较小。

灼灼科技就是其中的供应商之一，那时候大家对自己训练AI没有那麽有兴趣，灼灼科技却早就洞烛先机，开始做工厂定制化的平台，主攻AI影像识别定制化。

目前的人工智能主要分成Edge端跟Cloud端，Cloud部分主要有AWS、AZURE及GCP三雄割据；灼灼科技也另辟蹊径，把所有的人工智能服务放在一个终端装置，例如手机、工业电脑等等，不需要外网就可以运算，在网安危机四伏的现在更显优势。

利用卷积神经网络演算法进行影像识别，灼灼设计了能让电脑自动蒐集与识别数据的深度学习平台Epeuva，让企业能够将人工智能繁复的训练过程模块化，希望最终能帮助企业主专注于训练以及应用，降低企业采纳人工智能的门槛。

目前，灼灼科技的技术已经实际应用在许多场景里，最广为人知的案例之一，是与交通部公路总局、特有生物研究保育中心及中兴大学合作开发的「路杀预警系统」，结合「AI识别系统」及「声光波生物缓速设备」，有效发现并阻止石虎与来车相遇的可能，减少路杀机会。

此外，灼灼2019年于QITC获选为入围团队，接受高通育成计划，参与高通引介的日月光毫米波企业专网智能工厂专案，与日月光、中华电信一同建置全球首座mmWave企业专网智能工厂，于厂内「AI+AGV智能无人搬运车」上的人工智能检测技术发挥其专业实力。

对于人工智能的未来发展，灼灼科技营运长陈琼文表示Edge端及Cloud端会是互相协作的角色，由Edge端先进行及时影像分析，将分析的结果转成数据，Cloud端则是将各地Edge端的数据整合为有用的信息。

而灼灼科技在成立之时，就致力于影像识别在边缘运算的解决方案，能定制化AI应用方案弹性结合各种边缘运算硬件，从纯CPU系统至Local Server皆可支持，对于预算有限的厂家更有选择的弹性，帮助中小企业主在数码转型越趋重要的未来站稳脚步。