放棄台積電高薪,轉身創業解決「水危機」!臥龍智慧如何靠AI替客戶省水30萬噸?
放棄台積電高薪,轉身創業解決「水危機」!臥龍智慧如何靠AI替客戶省水30萬噸?

各大產業的工廠在生產終端必會面臨到一項棘手的難題,那就是「廢水處理」。

為了符合環保署的放流水標準,汙水中的化學物質含量、離子濃度、溫度等項目皆須維持在一定的標準內,才能依法排入海洋或其他水域。

傳統上,處理廢水靠的是投放特定藥物來調整水中物質。但這項淨水程序卻相當消耗成本,不僅監測人員需要反覆到場檢查,就連投藥系統也會有藥劑量不精確的狀況發生,這兩大痛點是許多汙水處理廠亟待解決的問題。

對此,新創臥龍智慧環境選擇以AI技術來改善汙水監測流程與投藥的準確度,分別推出AI Sensor全防禦系統與精準加藥技術,前者協助人力判斷水質有無異常,後者則提高投放藥劑的精準度。

創辦人謝文彬曾在台積電任職長達7年,卻在擔任到主任工程師一職後,選擇另創臥龍智慧環境。是甚麼原因令謝文彬放棄高薪工作、出走公司?他又如何靠過去汙水處理的經驗來解決企業的「水危機」?

台積電工程師出來創業,用AI結合汙水處理解決汙水處理痛點

台積電於2015年南下中科布建十奈米廠,謝文彬當時便自告奮勇參與,從最初的挖地工程到系統建置,都有他的身影;他也曾在工研院環境發展基金會辦理公部門的水回收及污水處理計畫,在解決環境工程與廢水方面的問題,謝文彬可說是經驗老道。

在環發會期間,他拜訪了近400家產業的汙水處理廠,發現傳統產業在數位應用上的不足。

「半導體業有資源導入IoT、把水處理做得非常好;一般傳產卻連水廠的sensor(感測器)都有問題(缺乏資源佈建),」謝文彬直言,「兩者的技術落差非常大。」這也成為他創辦臥龍智慧環境的契機,「我希望把累積的經驗和技術用來協助中小企業導入AI技術,讓他們的水處理效能升級。」

臥龍智慧環境創辦人謝文彬
謝文彬結合環工專業與AI技術開發Sensor全防禦系統以解決傳統上感測器誤觸警報的問題。
圖/ 謝文彬提供

擁有環工背景的謝文彬個性好學,曾加入人工智慧學校學習AI技術,「那時候大家都在喊人工智慧,我就想這個東西有沒有機會和我的工作結合?」後來臥龍智慧的創辦也證實了謝文彬當時的遠見,結合水處理專業與AI技術的投藥、感測器防禦系統成為旗下主力產品。

傳統感測器精準度低,臥龍智慧全防禦系統與精準加藥技術替企業節省人力

臥龍智慧環境開發了專門監測感測器裝置的AI Sensor全防禦系統,以及改善投藥準確度的AI精準投藥技術。

AI Sensor全防禦系統所要解決的,是水處理廠感測器常誤發警報的問題。當感測器出現警報聲,負責監控的人員需要馬上到現場操作,他們卻常遇上單純是感測器故障而誤觸警報的情況,「其實久了大家都會疲乏,漸漸不去理會警報器,會有水質真的出了問題卻沒人操作改善的風險發生。」

至於為甚麼感測器時常誤發警報?謝文彬解釋,感測器的準確性決定於它對環境的耐受度,由於水處理環境髒污,若沒有定期保養校正就會影響感測器的偵測功能。「台積電的感測器幾乎每天都會保養,但你想傳產有那麼多人力和資金嗎?」這時候就需要AI Sensor全防禦系統的協助。

AI Sensor全防禦系統第一步會先判斷警報是感測器誤觸還是水質真的有問題,接著再交由臥龍智慧的另一項產品「AI精準加藥系統」處理,以調整藥劑量的方式來改善水質的異常狀況。

臥龍智慧環境產品
臥龍智慧精準加藥系統會依照與感測器蒐集的資料進行多參數比對,以計算適合的投放劑量。
圖/ 臥龍智慧環境提供

水處理廠的加藥程序是用來去除鎂、鈣等蝕垢或污染顆粒,不過傳統上定時定量、自動加藥的方式常導致加藥過量或不足,影響到水質的乾淨程度與後續能否排放。臥龍智慧的精準投藥技術便是透過AI演算來適時適量地加藥,解決這項困擾業界已久的問題。

AI加藥系統在全防禦系統通知水質異常後,會計算最適合當下水質的藥物配方、比例和劑量來進行即時投藥,監測人員不必再像以往一樣,一收到警報就立刻前往處理。

這背後的運作原理來自AI與感測器的多參數比對。廠區原設置的感測器會先將蒐集到的水質數據回傳至後台控制器,管理人員只要把全防禦系統與控制器連接,就能靠AI算出水質的酸鹼度、溶氧量、氨氮等數值是否合乎標準,以決策接下來的投藥劑量。

水處理系統除了節省人力以外,由於AI提高了加藥的準確度,廢水廠的水回收效率和減碳效能也因此提升。謝文彬分享,石化廠客戶在導入他們的系統後,年節水效益約為34.8萬噸、年節碳量為1,103噸,相當於2.85座大安森林公園的減碳量,對企業和環境帶來雙贏局面。

用電用碳盤查系統監測全廠區能源使用量,以數位形式節能減碳

除了水處理外,臥龍智慧近期也開發了用電、碳盤查數位管理系統,作為回應政府減碳政策的另一項產品。

「電力是碳主要的來源,但台灣的中小企業或傳產經常不曉得用電狀態怎麼樣、或是碳的其他來源為何,」謝文彬說,碳排放量除了必須符合國內法規,也會影響到產品出口至歐洲國家的機會。

針對一般傳產,臥龍智慧會在用戶提供數據後,快速替客戶建立IoT系統與用電、用碳盤查機制;已有IoT技術的企業則可立即將數據串接進臥龍的系統內,立刻就能得知全廠區的用電狀況,同時配備了為大型耗電機具進行落點分析、提出建議改善的功能。

臥龍智慧環境產品
用電/碳盤查系統擁有可視化的管理介面,廠區哪個單位用了多少能源皆一目瞭然。
圖/ 臥龍智慧環境提供

臥龍智慧的收費模式在用電部分以設備量和管理項目來定價;AI Sensor防禦系統則以感測器租用數量收費,加藥系統另外以水量計價。

謝文彬表示,用電/碳管理系統目前正與需求量較大的中小企業與廠端接洽;而汙水處理產品的客戶則以製造業廠為主,電路板廠與石化廠都有已完成POC的案子,部分政府部門也正式導入他們的系統,未來將進一步向中小企業客戶推廣。

延伸閱讀:
庫克道歉信救了它!導航新創Waze從乏人問津,到身價13億被 Google 收購
39歲才創業,廣達林百里對新創的3個建議:台灣創投不如國外賭性堅強

本文授權轉載自:創業小聚

責任編輯:傅珮晴、錢玉紘

往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

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
一次搞懂工業AI
© 2026 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