亞馬遜、eBay創辦人都挺他，台美混血AI新創完成740萬美元A輪融資，進軍居家保全市場|數位時代 BusinessNext

亞馬遜、eBay創辦人都挺他，台美混血AI新創完成740萬美元A輪融資，進軍居家保全市場

主打智能居家安全市場的台美混血新創Deep Sentinel，宣布完成740萬美元的A輪融資，投資者包括有Shasta Ventures，以及亞馬遜和eBay兩大創辦人旗下創投的支持。

運用深度學習，挑戰傳統居家保全市場

陳昭穎表示，他和賽林格是在網路上認識，也因為彼此在美國的切身需求，決定要一起解決居家安全問題。

不同於台灣多公寓式住宅，一般只會有一個出入口，幅員廣闊的美國則是有很多獨棟房屋，也多會有前院、後院，甚至是游泳池等戶外空間。因此，當美國家庭要裝設居家保全系統時，第一個問題就是需要安裝多個感應器，而且多半只能防護室內安全，「如果有人跑到你家後院，你也不知道。」陳昭穎說，「另外一個問題，就是誤報率很高。」

他表示，在美國某些地區，誤報的比率甚至高達99%，而且如果出動警察到府後發現是誤報，住戶就會被罰款，但這些罰款其實也還不及出動警察所要耗費的成本。同時也因為誤報率太高，在有些地區這些警報甚至會被忽視。此外，傳統的保全系統雖會錄製畫面，但當真正有犯罪發生時，這些畫面多只能用於事後蒐證，不能即使反應。這些就是Deep Sentinel想解決的問題。

「我們想做的不是監控系統，我們想挑戰的是保全業。」陳昭穎表示，他們以攝影機當作感測器，利用深度學習和機器視覺技術，擴大居家保全的範圍，也減少誤報的機率，並希望達到在事前就能預防犯罪發生的目的。他舉例，今天當攝影機感測到異常，住戶可以即時看到現場畫面，然後選擇通報警察或是直接嚇阻等等方式。「我們想要歹徒還沒進你家，就幫你抓到，甚至幫你把歹徒嚇走。」

陳昭穎表示，已經有多個家庭開始測試他們的產品，反應都不錯，同時他們也持續累積數據資料，預計今年下半年就可以完成產品，明年開始量產。他們相信目前市場上的競品多還未能整合深度學習技術。

不只有台灣創辦人，也在台灣建立研發團隊

而居家保全雖然是一個相對封閉且擁擠的產業，但陳昭穎相信他們的解決方案比傳統保全的解決方案更能吸引新世代年輕人使用，而且Deep Sentinel背後還有亞馬遜和eBay這兩大通路當靠山。

除了軟硬整合的產品銷售之外，陳昭穎表示他們也有意設置客服中心，如當用戶熟睡或無法即時察覺異樣時，客服人員就可以主動幫用戶處理緊急狀況，例如當場和歹徒通話，或是報警等。

而值得注意的是，Deep Sentinel不只有共同創辦人是台灣人，實際上他們也打算將台灣作為軟硬體研發中心，目前在台灣已經有兩名工程師，也還在持續招募成員。而美國團隊則以行銷、產品為主，目前有七個人。

陳昭穎表示，其實最一開始團隊成員對台灣不熟悉，「他們只知道中國。」他說，差點就要去找深圳找合作夥伴。但陳昭穎知道，其實很多高階監控裝置或是如GoPro這樣的產品，其實都出自台灣，因此他提議將研發能量放在台灣。

他也提到，除了持續在台灣招募人才和尋找企業合作夥伴，因應科技部先前提出「送博士生到矽谷」計畫，他們也很歡迎這些人才到美國加入他們。

Deep Sentinel小檔案
成立：2016年5月
創辦人：大衛．賽林格（David Selinger）、陳昭穎（Winston Chen）
業務：智能居家安控
員工數：9人
A輪融資金額：740萬美元

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。