DT42提供企業端到端深度學習平台Epeuva，要讓機器「讀懂」每份資料|數位時代 BusinessNext

DT42提供企業端到端深度學習平台Epeuva，要讓機器「讀懂」每份資料

DT42團隊運用卷積類神經網絡法進行影像辨識，並搭配特別設計的演算法，提開發出以影片為主能讓電腦自動蒐集、辨識資料的深度學習平台—Epeuva。

IoT（物聯網）、AI（人工智慧）大行其道，隨著兩者越加緊密結合，各家企業能否在此波產業浪潮中勝出，關鍵在於產品及服務能否順利串接 AI 技術。然而，除了大企業擁有足夠資源發展自身 AI 技術，大部分中小企業要談 AI 技術相對而言困難許多。

有鑑於此，團隊成員來自台大電機系 ICS 電腦視覺實驗室的 DT42 灼灼科技，推出深度學習平台 Epeuva，讓 IoT 業者不需要擔心 AI 技術，也能順利接上 AI 。

端到端深度學習平台 Epeuva 讓機器讀懂每份資料

AIoT 時代強調的便是巨量資料分析及進一步的應用，現在累積資料對許多企業而言不是難事，但是蒐集到這些具有意義的巨量資料，能否順利讓機器解讀才是一大難題。

團隊運用於卷積類神經網絡法進行影像辨識，並搭配特別設計的演算法，開發出以影片為主、能讓電腦自動蒐集與辨識資料的深度學習平台 Epeuva。希望藉由提供企業端到端的深度學習平台，讓機器能夠「讀懂」這些影像資料，進一步協助其在 Edge 端（邊緣端）順利應用。

目前市場上絕大多數的 AI 解決方案以純雲端服務為主，然而純雲端服務存在幾個問題：

1、雲與裝置斷開連結

一旦運作過程中，遇到網路中斷的問題，企業的雲和裝置就會中斷造成無雲使用的情形。

2、成本日益上升

隨著企業規模日益成長，資料量勢必會隨之成長，中間的傳輸成本將會日益提高。

3、資料隱私存疑慮

一直以來資料就是企業的命脈，純雲端服務傳輸過程中，資料是否仍保有完善隱私，也是企業的疑慮之一。

團隊推出的 Epeuva 則有別於純雲端服務，著重於雲端與 Edge 端能否順利結合。而因為非純雲端服務，也因此直接解決過往純雲端服務會遇到的問題，企業不必擔心會有斷開連結的時刻，資料處理與應變將更即時。另外，也因為將處理及應變拉回 Edge 端，因此可以消除資料隱私的疑慮。

問及如此情況下，企業仍會遇到過往資料量越大，傳輸成本快速上升的問題，而且非雲端處理，勢必要有更高階的硬體及伺服器配合，企業會不會反而花費更多成本？ DT 42楊琬晴表示，這就是 Epeuva 的強大之處，團隊能將一連串的資料透過特別設計的演算法化繁為簡，進而辨識整合再應用。這樣的解決方案就是希望讓沒有足夠資源發展自有 AI 技術的企業，只要專注於蒐集資料及餵資料即可，其他皆由 Epeuva 協助解決。

應用場景逐漸擴大靜候時間等待爆發

隨著業務逐漸開展，團隊也發現有越來越多應用場景都可以導入 Epeuva，目前已經從最初的工廠感測器，開展到手扶梯上面的安檢檢測/人物偵測、甚至是野生石虎的偵測反應也都可以應用。

然而，團隊表示目前市場的確還不到爆發時期，但是他們相信要做的就是持續將技術改善，並靜候時機。一旦時機到來，也將會是團隊的爆發時期。

全亞洲首個 AI 加速器肯定善用亞洲能量要讓台灣發亮

DT42 共同創辦人楊琬晴表示，DT42 將亞洲作為主要開發中心，主要原因在於亞洲在全世界的產業裡主要扮演製造生產的角色，而這些工廠勢必有龐大感測器與 AI 技術結合的需求。但除此之外，她提到選擇亞洲並將公司設立在台灣其實另一原因是因為大家都是台灣人，台灣是根，如果沒有自己的根不管到哪裡都無法存活太久。

事實上，團隊的技術在 2016 年已被全亞洲第一個 AI 加速器 Zeroth.AI 肯定，憑著其優異技術入選。當年唯 10 入選團隊當中，台灣便有 2 組團隊入選，除了 DT42，另一個便是 Botimize。這樣的好表現也讓楊琬晴堅信，只要台灣團隊思考如何把自己的優點好好發展並且進一步再進化，下個浪潮台灣仍然能在世界舞台上嶄露頭角。

創業快問快答

Q：創業最困難的事情有什麼？

花很多時間在想要如何讓客戶懂，摸索不同產業的人說什麼語言，然後要從什麼點切入。

Q：公司文化是甚麼？

強調協力合作，不會看你的職位而讓資訊有所隱瞞，像是所有人都知道公司能夠活多久這件事情。另外在人才取用上面會問其他同事要讓他留下，而不是問要讓他走嗎這種問題。

而團隊也始終相信公司小的時候，每個人都很重要，公司最終大方向要走向 Open、Faith，遠大願景則是希望能達到用人不疑、疑人不用。

公司資訊

公司名稱：灼灼科技股份有限公司/DT42 Co., Ltd.
成立時間：2015/05/08
產品名稱：Epeuva
上線時間：2017/04/30
團隊人數：16人
官方網站｜Facebook

了解更多關於創業小聚的資訊，歡迎透過以下服務

粉絲交流｜每月小聚｜Line@互動｜訂電子報｜發表專欄及新創資料庫

本文授權自《創業小聚》，作者：許為傑

AI Landing，陪跑企業落地應用

「AI 不是萬能，要能發揮效益，企業必須先有系統化的資料與數位化流程。」Data-DI 解決方案顧問包威棣指出，許多企業導入生成式 AI 時，往往高估技術能力，卻忽略自身基礎建設與後續驗證的重要。AI 若要優化效率，前提是企業先具備穩定的資料與流程架構，否則就像在沙地上蓋屋，難以長久。

Data-DI 的解法，是以「AI Landing 陪跑計畫」協助企業跨越導入瓶頸。顧問團隊從需求定義、流程設計到上線驗證全程參與，協助釐清問題、建立可驗證的導入路徑。透過系統化的四步驟流程，企業可在五週內完成導入，並逐步培養內部使用習慣與評估機制。

包威棣以汽車集團的案例說明，Data-DI 透過 16 小時工作坊，讓員工實際參與 AI Agent 的設計與測試，最終使流程時間縮短三成。「當員工親眼看到效率被釋放，信任與採用意願自然就會提升。」他說。

創立六年來，Data-DI 以顧問式導入模式深耕企業市場，創下 90% 續約率與 120% 續費率，反映其服務在導入成效與信任關係上已獲市場驗證。

AltaBots.ai，實現 No Code 的 AI 應用

若說 AI Landing 解決的是導入成功率的問題，那麼 No Code AI 則打開了使用門檻。包威棣指出，過去 AI 專案常由工程師主導，但技術懂架構、不懂業務；業務懂需求，卻難以轉化為程式語言。「AI 要真正落地，就必須讓最懂現場的人能自己動手。」

因此，Data-DI 推出企業級 No Code AI Agent 平台 AltaBots.ai，即使非技術背景的人也能在拖拉介面中建立 AI 應用。該平台內建超過百種模板，涵蓋客服、行銷、營運與數據分析等場景，並支援主流大型語言模型串接與負載平衡，也協助企業控制 LLM token 成本。

包威棣強調，No Code 的價值不僅是節省開發時間，更在於「讓 AI 民主化」。業務人員最熟悉顧客與流程，當他們能自行建立並驗證 AI 應用，技術就不再是難以摸索的黑盒子，而能持續被優化與調整。Data-DI 也因此打造企業級 AI Workspace，讓團隊能共享應用、協作優化，使 AI 從個別專案進化為組織文化的一部分。

Alta.DI，從客服到行銷的整合式 AI 引擎

Data-DI 的另一核心產品 Alta.DI，則將 AI 能力延伸到顧客服務與行銷前線。平台整合 LINE、Facebook、Instagram及網頁對話框等多通路訊息，協助企業處理大量客戶互動。系統採用 RAG（Retrieval-Augmented Generation）技術與 AI 反問機制，能理解語意並即時優化回覆，避免錯誤生成或資訊不一致。平均來看，AI 可處理高達八成重複問題，搭配 AI Copilot 工作台進行自動派單與知識優化，整體客服效率可提升約五成。

包威棣舉例，旅遊業者在旺季期間客服需求暴增，AI 能即時回覆行程、簽證或退改政策等常見問題，真人客服則可專注於客訴或特殊情境處理。日本社交平台客戶的例子更為明顯，過去近半人力都用於回覆重複問題，導入系統後有八成以上由 AI 自動應答，客服人員得以轉向更具價值的溝通。

與傳統 Chatbot 不同，Alta.DI 不是依賴關鍵字或預設選項，主要靠理解自然語言與上下文意圖；另外，也有 AI 標籤功能，例如偵測到詢價行為時，AI 能自動加註標籤並轉交真人客服報價，讓轉接更即時、更精準。

「企業要做 AI 轉型，首先要讓決策者有信心。」包威棣強調，這些案例也顯示，AI 導入必須與企業策略連結；當企業看見實際成果，不僅決策者會更有信心，也才有機會進一步培養組織內部的使用習慣。

他觀察，2024 年後企業對 AI 的信任度明顯提升，越來越多公司願意編列預算，嘗試讓 AI 與營運流程深度結合。因此，Data-DI 也鼓勵企業採取「小步快跑」策略，從具體場景驗證成效，再逐步擴大應用。

展望未來，他也以「整合」與「習慣」兩個關鍵字描述企業級 AI 的方向。整合，意味著 AI 不再是外掛工具，而要嵌入既有工作流程；習慣，則代表使用者的信任逐步養成。「當員工真的習慣使用 AI，產出自然會更好。AI 和人的關係也將從輔助變成共學。」