峻魁智能重新定义边缘AI 两大解决方案齐发抢攻国际市场

峻魁智能的团队成员随着公司成长逐年增加。峻魁智能

随着AI应用范围快速增加，许多企业也发现推动AI专案最大挑战除算力之外，AI模型训练过程的高昂成本、漫长训练周期，也是难以跨越的障碍。尤其对系统整合商来说，如何在算力有限的边缘装置中融入AI模型，针对特定场域提供推论服务，俨然成为能否抢攻商机的重要关键。

在AI领域拥有深厚技术能量与丰富经验的峻魁智能，为阳明交通大学衍生新创公司，推出自动化AI开发平台AI-Craft，以及边缘自学习技术，旨在让AI能「自我学习、自我进化」，目前已与广达、仁宝、光宝等电子大厂建立合作关系，并参与北美电商集团物流车队的防撞警示系统开发专案。

峻魁智能CEO黄应豪说，由于边缘装置多半主打省电，所以通常是轻薄短小的运算平台，在硬件资源极度有限的状况下，AI模型必须被高度优化，这本身就是一项技术挑战。峻魁智能推出的AI-Craft自动化AI开发平台，提供一站式解决方案，可将AI开发流程模块化、标准化，让开发者能像使用生产线一样自动生成模型。

边缘AI自我学习  缩短模型优化成本与时间

成立于2022年的峻魁智能，为国立阳明交通大学衍生新创公司，专注于AI技术自主研发，其推出的AI-Craft自动化AI开发平台，具备整合四大技术模块，首先是自动标注，透过AI预训练模型与影像分析演算法，将数据标注效率提升10至100倍，能缩短AI专案启动时间。其次则是模型剪枝（Model Pruning），可移除模型中冗余参数，在不牺牲精度的前提下，提升运算效率约90%，降低存储器与处理器负担。

AI-Craft自动化AI开发平台的第三点技术特色是模型量化，可将浮点运算转为8-bit、4-bit、2-bit运算，进一步达到降低功耗，使AI模型可顺利部署于边缘装置中。第四点则是生成式AI数据补强，针对稀有但关键的影像情境，如夜间、雨雪、逆光等，透过生成式AI自动产生训练数据，提升AI模型的泛化与稳定性。

黄应豪表示，过去企业部署AI模型后，需不断回传数据至云端重新训练，耗费大量时间与成本。峻魁智能的边缘自学习技术，主打让边缘装置上的AI模型能在现场实时学习与修正，降低数据传输的需求。以车用AI为例，车队在不同天候、光线与路况下运作时，车辆上的AI模型可自动调整判断逻辑，保持识别精度，且数千辆车之间可透过联邦学习共享训练成果。这项技术可将重新训练时间由数月缩短至数周，并减少企业在AI维运上的人力支出。

AWS JIC助攻  与研华电脑签署MOU

2025年峻魁智能加入亚湾新创园高雄AWS（Amazon Web Services）联合创新中心（Joint Innovation Center；JIC）计划后，在AWS技术顾问团队协助下，峻魁智能顺利运用AWS的全受管机器学习（ML）服务Amazon SageMaker与云端运算服务Amazon Elastic Compute Cloud（Amazon EC2）的GPU运算资源，将AI-Craft自动化AI开发平台升级为云端版，让开发者可在云端进行自动标注、剪枝与量化训练，同时透过AWS资源动态配置，多专案并行更有效率。

不光如此，该公司也争取到与研华电脑的合作机会。黄应豪指出，过往峻魁智能与研华电脑洽谈合作并不顺利，2025年在加入AWS JIC计划后也顺利与研华签订MOU，将会把两大AI解决方案上架至研华电脑的Marketplace上，可望争取到与更多系统整合商的合作机会。在台湾市场之外，峻魁智能也积极布局美国、日本、印度市场，期望以「软件核心＋硬件合作」策略搭配AWS JIC资源，与各地夥伴携手合作抢攻边缘AI商机。