台灣最大機器視覺檢測商搶賣AI軟體，為何不怕騰訊、IBM科技巨頭競爭？|數位時代 BusinessNext

台灣最大機器視覺檢測商搶賣AI軟體，為何不怕騰訊、IBM科技巨頭競爭？

一家賣半導體設備的老牌業者營收兩年內成長翻倍，現在還要賣AI軟體，號稱可以幫客戶節省70%以上的人力支出。這家公司將面對的是對「AI檢測」同樣產生興趣的騰訊及IBM兩大科技巨頭。「由田新技」這家台灣本土業者要如何破局突圍？

2019年獲利拚翻倍，跨入AI軟體

鑑於顯示器產業成熟化，由田也跨入封裝基板AOI市場，目前一線IC載板及封裝基板大廠都是由田客戶，營收占比約20%，而展望2019年，由田計劃跨入軟板領域，做高階PCB檢測、半導體封裝、COF（覆晶基板Chip on Film）、AI系統四大新領域。

由田董事長鄒嘉駿表示，經過長期準備，2019年由田將跨入缺陷分析系統（AI），從原本賣一台一台的設備，轉為賣服務，「這不僅是歷年最大規模的產品組合擴增，也是令人期待的一年。」由田更因此樂觀喊出，2019年獲利要比今年成長70到100%。

要怎麼做到？過去設備業者賣機台給客戶，當客戶認證裝機上線後，必須訓練維修檢測人員隨時維修，但當設備有問題或良率拉不起來時，常會讓業者困擾不已，「 未來AI系統可以告訴客戶哪一個機台出問題，問題成因為何，AI將是智慧工廠的重要戰略，設備將是智慧工廠的重要環節，而AI系統只是開端。 」鄒嘉駿說。

AI缺陷成因分析，騰訊、IBM也來分食

看好缺陷影像分析的潛力，連中國網路巨頭騰訊跟IBM也都跳入戰局，是由田未來強勁的對手，2017年，台灣大型軟板業者欣興就已經宣布跟IBM合作，一起開發自動視覺檢測的人工智慧（AI）輔助判斷系統，這也顯示印刷電路板業者確實有迫切需要，而騰訊則攜手京東方合作。

不過，鄒嘉駿並不緊張， 他說，大廠資本雄厚，可以靠併購跨入，但由田累積的是賣出去的機台規模及現場經驗，現在大廠靠併購是無法馬上取得經驗的。

到底缺陷分析系統有什麼威力，讓大廠小廠都看上？鄒嘉駿說，由田設備賣出累積超過2500台，這些機台所需要複檢（VRS）操作人員約4000人，若改採用AI VRS的話，客戶可以節省70%以上人力。

也就是說，原本一台設備放在客戶端，客戶要雇三人負責維修，但導入AI VRS，可以節省兩名人力，只要聘1人管理即可。

客戶端若一天兩班運作，就等於幫客戶省一天四人費用，以一個人月薪三萬元，加上退休保險等費用，一台三年總計約可以省300萬元，那麼由田可以用省下的費用以五折或七折跟客戶收取AI軟體費，他也估這部分老客戶買AI軟體市場產值約25到30億元。

換句話說，客戶本來要聘100人做複檢維運，但若用由田的方案，只要雇30人，這個誘因已經讓由田拿到老客戶1到2筆訂單。鄒嘉駿估，AI系統2019年營收貢獻只占5到8%，但毛利率卻是所有產品線中最高的，超過70%。

能創造如此高毛利的關鍵，是因為「核心技術是AI模組」，而這套模組是由田投入資料標籤、訓練、應用的成果，鄒嘉駿預估，2019年從老客戶來的訂單約2.5~3億元，只保守估占整體產值10分之1，而下一步希望拓展到由田老客戶以外的他牌設備市場，最終走向「缺陷成因分析市場」。

儘管2019年AI貢獻營收還不多，對由田卻是關鍵的一步。「 客戶對軟體竟然要收錢這件事要充分接受，還是需要時間的。 」鄒嘉駿說，台灣客戶都是製造業，即使瞭解上面所說可以節省的人力成本，但對軟體要付一筆錢，還是很難接受，現在拿到的客戶，也都花了至少八個月場測後才願意購買。

入主晶彩，成最大股東

由田2018年也藉由公開收購，掌握同業晶彩的12%股權，2019年改選就將進駐董事會，具經營主導權。晶彩在面板設備領域技術雖不錯，但一直長期面臨國際大廠Orbotech的競爭壓力，由於兩者大小差距過大，晶彩一直相當辛苦，對此鄒嘉駿也坦言，在協助晶彩營運後，希望產生綜效，先減少兩家業者之間的競爭，建立市場秩序。

其次由於晶彩在面板Array（陣列）製程的強項跟由田有互補性，雙方合作除可強化由田的Array方面布局，一同面對半導體業的快速進展，也可以讓雙方製程上取得互補。才剛完成台灣半導體設備業的整合第一步，鄒嘉駿蓄勢待發地說，目前手上也準備足夠資金，未來也會繼續關注其他可能投資標的。

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。