剖析AR眼鏡開發的秘密，和碩設計總監蔣文瀚：最大挑戰是「FIT跟MOVE」|數位時代 BusinessNext

剖析AR眼鏡開發的秘密，和碩設計總監蔣文瀚：最大挑戰是「FIT跟MOVE」

AR眼鏡成科技大廠如英特爾（Intel）、Google等大廠發展重點，但也紛紛傳出計畫喊卡傳言，究竟AR眼鏡商業量產有何難度？和碩聯合分享他們內部AR眼鏡專案碰到的挑戰。

建立人體資料庫，和碩投入AR眼鏡研發

AR眼鏡普及化最大挑戰是「FIT（舒適度）跟MOVE（行動性）」，人對配件的偏好不同，臉型差異又頗大，預期會是AR眼鏡發展的最大挑戰，蔣文瀚說。

和碩設計（PEGA D&E）創意總監蔣文瀚參加達梭系統（Dassault Systèmes）台灣用戶大會時分享工業設計團隊開發AR眼鏡經驗，他表示，未來科技趨勢有4大重點，包括：無縫相連、數析人生、虛實整合、AI新智能，

目前和碩設計團隊對AR與VR眼鏡、穿戴裝置、機器人投入研究，其中發現穿戴跟AR眼鏡的工業設計最大挑戰，在於人類多樣面貌及移動性，尤其眼鏡變化喜好多元，加上每個人臉型大不相同，為此和碩內部建立了龐大的人體資料庫。

蔣文瀚表示，和碩從產品設計、研發到生產都有完整的著墨，工業設計團隊不斷研究下一個明星產品，搭配達梭的軟體套件設計AR眼鏡時，可以納入人體型參數，直接在設計初期比對是否符合人體工學，在空間中畫出草圖，讓導入3D階段速度加快，更快檢查模型問題在哪裡。

鎖定B2B市場，瞄準觀展、視覺導覽用途

個人化穿戴方面，即便智慧手錶Apple Watch已推出三代，蘋果仍不斷推出新錶帶以迎合不同用戶需求，但大小錶款原本是想給手腕不同粗細的用戶挑選，但結果並非最初所料，比方說，有不少女性選買大尺寸Apple Watch，為的是配大錶可以更凸顯手的纖細，用大手機可以凸顯小臉，這都不是最初想到的消費行為。

蔣文瀚指出，AR眼鏡設計難度比一般眼鏡高數倍，單單是配眼鏡都需要花時間驗光才能配到好，以B2C而言，或許未來AR眼鏡也無法在網路銷售，必須到眼鏡行調整符合個人參數配戴後銷售。

以和碩的AR眼鏡研發經驗來說，蔣文瀚表示，由於B2C商業量產複雜度高，和碩先鎖定B2B市場，比方展覽單位，定義應用場域為觀展、視覺導覽用途，消費者使用AR眼鏡時，現場必須有工作人員提供協助。

由於英特爾宣布解散AR眼鏡團隊Vaunt，讓市場期盼AR眼鏡加速商業應用的前景蒙上陰影，蔣文瀚表示，不清楚英特爾計畫，但他樂觀認為AR眼鏡發展關鍵仍在內容，這需要等待，現階段AR眼鏡要走到終端消費市場仍有高難度，需要有專屬的應用體驗。

和碩目前的做法是先開發Prototype眼鏡，先預想適合的場域，比方導覽、銷售賣場或遊樂場，等客戶開案，再增強體驗功能。而一體成型機種將是開發方向，眼鏡本身處理部分資訊，並以藍牙或WiFi連結至後台是未來趨勢。

和碩也將於台北國際電腦展Computex中展出最新開發的AR眼鏡產品，宣示在新穿戴裝置布局。

曾是台灣製造業重要根基的塑膠射出產業，如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者，老師傅退休、新人才接不上的現況，更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具，許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出，全球塑膠射出市場規模超過 3000 億美元，每年仍以約 3% 至 4% 的幅度成長。需求並未消失，只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉，老師傅數十年累積的經驗卻很難複製。

這道人才缺口，正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發，歷經近十年研究與工廠驗證，嘗試把老師傅腦中的射出經驗，轉化成可以計算、保存與持續學習的 AI 模型，解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI，射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備，不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後，生產現場仍得依產品、材料與機台特性，調整溫度、速度、壓力、位置等條件；即使使用同一種塑料，不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處，不只是記住參數，而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的，就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後，第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統，工廠只要輸入材料、機台規格、產品尺寸等資訊，sMolding 便能計算第一組成型參數；若試模後出現產品缺陷，再由 sTroubleshooting 提供修正建議。

「它就像導航。我今天告訴你要從 A 點到 B 點，但不知道路怎麼走，導航會把路徑算給你。」張詠翔說。對射出成型而言，這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例，傳統方式需 7.5 小時，導入系統後縮短至 2 小時，材料使用量從 23 公斤降至 8.7 公斤，整體試模成本降低 64%。

但找到正確參數只是第一步，真正進入量產後，工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損，都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組，透過射出壓力數據持續監控品質，並依生產狀態自動補償關鍵參數。換言之，AI 不只在試模階段提供一條正確的「導航路徑」，進入量產後還能因應製程變化持續修正，進一步朝「自駕」邁進。

從產線驗證到海外布局，桃園如何助攻智穎智能跨過0到1？

但要讓 AI 真正走進工廠，智穎智能採取 SaaS 訂閱模式，將核心運算留在雲端持續學習與更新，降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備，因此智穎智能的方案既能導入既有設備，也能與射出機、控制器業者合作，在新機出廠時直接整合。「一個工廠不會只有一個廠牌，就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言，AI 真正走進製造現場的關鍵，在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言，降低導入門檻還不夠，更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言，桃園不只是公司所在地，也提供了技術走向市場的第一塊試驗場。「對新創來說，第一個就是要經費、要人才、要場域，再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期，團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源，降低早期研發與營運負擔。更重要的是，桃園密集的製造業聚落，本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業，智穎智能在創業初期接觸到位於桃園的「良器」，成為公司第一個客戶。從概念驗證、產品調整到實際導入，合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言，第一個願意開放場域的客戶，意義遠超過第一筆營收。

如今，從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次，完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示，透過市府帶領團隊前往日本神戶，智穎智能接觸當地官方與企業資源。在市府引薦下，團隊成功對接了神戶知名加速器，更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局，為下一階段海外市場拓展做準備。

AI 解決「怎麼生產」後，下一步是「替誰生產」

當 AI 開始解決「怎麼生產」，張詠翔看到的下一個問題，是「替誰生產」。部分製造商提高生產效率後反過來問他，如果我的產能多了 20%，但沒有多 20% 的訂單，我何必要做那麼快？

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家，品牌要在海外重新尋找符合特定規範與製程能力的供應商，也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商，讓品牌端能依條件尋找供應商，也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務，初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究，到桃園工廠提供第一個實際驗證場域；從把老師傅經驗變成 AI「導航」，再走向能自行修正製程的「自駕」，智穎智能試圖數位化的，是製造業最難被保存的資產：人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散，這套從桃園工廠磨出的 AI，下一步不只要替老師傅找到數位接班人，也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源，將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去，讓外界看見桃園豐沛且具實戰力的創新動能。