首度限定招募AI與區塊鏈團隊,AppWorks #17這7家新創有什麼亮點?
首度限定招募AI與區塊鏈團隊,AppWorks #17這7家新創有什麼亮點?

第17屆的AppWorks Demoday首度限定招募AI(人工智慧)與Blockchain(區塊鏈)團隊,我們最關心的問題是,在領域限定的前提下,是否會出現濫竽充數的團隊呢?

AI與Blockchain的確為時下最熱門的創業詞彙,AppWorks創辦合夥人林之晨也說:「觀察到發展10年的Mobile Internet已經出現飽和,另一方面,種種主客觀條件成熟,激發AI、Blckchain接棒為下一代的兩個Mega Paradigm Shift(典範轉移)。」

在團隊數量方面,AppWorks #17順利招募到了34支團隊,Demo Day上則有25組團隊上台發表。接著探討的就是品質問題,專注在這兩個領域上,能確保團隊的質量在水準之上嗎?

鎖定AI、Blockchain領域,但不一定是主菜

儘管打著招收AI、Blockchain團隊的招牌,但從AppWorsk #17登場的25支團隊上,仍能看到這兩項技術並不是「主菜」的情況。

部分團隊僅使用AI、Blockchain作為產品的其中一項技術支援,再加上只要能夠蒐集數據,就能打「AI擦邊球」。因此,儘管所有團隊的確都跟AI、Blockchain扯上關係,卻不一定人人都將其當作「主菜」。

不過,當然也有的確深耕於這兩個領域的優秀團隊。我們以AI與Blockchain兩個部分分別介紹。

AI團隊

AI隨著較長時間的發展,以及更多元的場景應用,AppWorks #17 中也有不少技術底子相當厚的優秀團隊。

1. 歐特明(oToBrite):已落地應用的駕駛輔助系統

毫無疑問的,歐特明是全場最有前景的團隊之一。由曾在華晶科技、華碩、HTC擔任高管的科技老將共同創立,專攻先進駕駛輔助系統(ADAS),並自建攝像頭工廠。成立至今5年,擁有120名員工,總部位於新竹科學園區。

目前已經有多個車廠採用歐特明的駕駛輔助系統,包含納智捷與中國的小鵬汽車等,在市面上共有四款車以配有歐特明的產品。

與會間也有人問到,歐特明如何與其他大廠的自動駕駛系統做出區別,他們則以Mobileye為比較對象,認為歐特明能夠針對台灣、中國複雜的環境,利用3D環境影像系統與AI提升更高的自動駕駛精準度。

2. ANIWEAR:解決獸醫痛點的檢測工具

ANIWEAR來自香港,開發出量測寵物心電圖的小型手持檢測工具「CardioBird」。讓原先需要4位專業獸醫醫療人員,花一小時才能完成的寵物心律數值檢測,可以由未受專業訓練的主人一人,在脈衝接觸後30秒完成檢測。從一小時到30秒,從專業獸醫到免受訓練,ANIWEAR大幅降低了為寵物進行預防性檢查所需的成本、人力與時間。此外,他們也導入AI與Big data,能夠告訴測量者寵物是否健康。

目前在商業模式方面,採用軟硬體免費、報告收費的模式,已經拓展到香港、泰國、台灣等市場。

這方面較有疑慮的是,儘管寵物經濟崛起,但是願意購買報告的人有多少。若真的超大幅降低了量測門檻,已是顛覆獸醫界的創舉。過去獸醫在量測寵物的心電圖資訊後,自有一套判斷標準,為什麼還要向ANIWEAR購買報告?唯有ANIWEAR能夠提供非常特殊、獨到、精準的收費報告,讓獸醫面對消費者能夠做出明確的「加值服務」。

3. RelaJet:從助聽器出發,也許是智慧音箱不可或缺的夥伴

RelaJet開發的多重人聲分離辨識引擎,可應用在助聽器、手機、電視、手機、智慧音箱、物聯網裝置上。創辦人本身是先天性聽障人士,非常了解聽障者在日常溝通所遇到的問題,例如同時有兩人以上說話,當每個人的聲音頻率、音量都很接近時,對聽障者是一大困擾。

RelaJet的技術則可以從中分離出單一的聲源,除了能夠解決聽障者的痛點外,很容易讓人聯想到智慧音箱的聲控功能。當未來智慧家居成為普遍的場景,從多個聲源中精準找出使用者的聲音予以回應,將大大提升使用者體驗。因此,只要確保做出差異化,並在專利的保護之下,RelaJet的技術相當令人期待。

4. OxygenAI:來自泰國的AI影像識別新創

OxygenAI的創辦人來自泰國,具有英國牛津、UCL技術學歷背景。團隊專注在政府機構、零售以及戶外廣告三個領域,提供影像識別的解決方案。舉例來說,透過影像識別能夠替政府判斷出道路上闖紅燈、沒戴安全帽的違規者。

5. OCard

OCard主打CRM系統,會以AI分析客戶數據,藉此協助餐飲業商家自動化精準再行銷。除此之外,產品也會結合會員系統、點數蒐集,整合各大社群軟體工具如LINE、Facebook Messenger做最直接的顧客經營。目前在台灣已經累積700家付費客戶、200萬使用用戶。客戶包含添好運、胡同、古拉爵等知名連鎖餐飲業者。下一步,他們要做點數共享,提供更多的加值服務。

面對OCard,只有一個問題,如果今天iChef覆蓋了OCard的服務內容,該怎麼辦呢?

區塊鏈團隊

在區塊鏈方面,希望能夠看到更多的落地應用場景,但由於區塊鏈的特性與特質,「點數」生意似乎展開了一場文藝復興。

1. PointTree集點數

由台大區塊鏈實驗室誕生出的新創。要打造「點數互通」的平台,未來也會發行自己的「樹幣」,作為點數交換的中介貨幣,此外也透過智能合約讓店家能夠鏈上發點。兩年累積了835間合作店家,悠遊卡公司的UUPON與紅陽科技都在合作中,每月交易量為15萬筆。

2. Xrex

硬派的區塊鏈專案。由國際級資安專家、阿碼科技創辦人、前Proofpoint全球技術副總黃耀文所帶領。針對Crypto市場的三大痛點:透明化、法遵、資料安全設計解決方案套件。未來也會上線自己的「示範型交易所」,讓客戶能夠看到Xrex的能力。

什麼都是假的,抓住浪潮才是真的

看完AppWorks #17的展示後,有沒有濫竽充數的團隊似乎不是個大問題。重點在於是否有足夠優質的團隊代表,在AI與Blockchain領域上有所發揮,上述的團隊都極具潛力,對於台灣與東南亞AI與Blockchain的發展都將有所助益。

AppWorks選擇抓住科技的最前端,並宣布在下一次板塊轉移來臨之前,將專注在AI與Blockchain領域,這一點也沒有錯,畢竟對新創團隊來說,唯有抓住浪潮、攀上科技轉移的板塊、描繪出值得注資的前景、製作出解決痛點的產品,一切才是真的。

關鍵字: #appWorks
往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓