盤點，是一種對未來想像的策展。遍布全球的AI 100、立足台灣的AI 50當中，可以拼湊出關鍵趨勢。從這一次封面故事的報導和專訪中，我們試圖勾勒出AI產業的當下與未來。
一個工廠的老師傅要把經驗傳承給年輕師傅，要花多少時間？答案是2年，這個問題還隨著缺工和地緣政治而變得嚴峻。
「製造業現在最大的敵人就是時間。」杰倫智能創辦人暨執行長黃建豪指出，製造業工廠不僅有嚴重的缺工問題，還要因為地緣政治的影響而將工廠外移到東南亞和印度，怎麼維持產能並讓新工廠的工作品質一致，是當前最大的挑戰。
杰倫智能2018年成立以來，一直運用「AutoML虛擬資料科學家」解決這個問題：只需要Excel數據就可以訓練出虛擬老師傅，減少新員工學習操作機器的時間，目前擁有包含佳世達、友達、群創在內的300個客戶，產業領域遍布半導體封裝測試、石化、面板、PCB等。
所謂的AutoML虛擬資料科學家，就是把軟體當作一名AI專家，只要提供過往的參數數據，AI就會生成模型並找出最佳的參數配置，這也是杰倫智能的第1款產品。
「一台投影機鏡頭的直徑大小、轉環的圈數與轉速的設定，該如何搭配才最耐用？過往可能要依據老師傅的經驗設計、打樣，然後轉1萬次看看會不會破掉。」黃建豪說，「我們的AI模型則會自行預測最佳的參數配置，減少約25至30％的打樣與測試時間。」
不只虛擬科學家坐鎮！加推監管平台＋分身術
隨著模型愈建愈多，管理的需求就出現了，這成為杰倫智能的第2項產品：「AI監控管理平台（AI Lifecycle Management，AILM）」。
「AutoML裡面有的維度是『參數』，但是在實際應用中，你不會用參數本身來搜尋可用模型，而是『某廠商、哪一年、哪個型號』等脈絡，所以就會需要大型語言模型。」黃建豪說，AILM幫助企業管理散落在不同部門的各個模型，可以一次查詢模型對應的產品型號、客戶、時間、健康度與當前狀態等資訊，提升使用便利性。
有了參數訓練、模型管理，這些使用情境疊加起來就是整合各種模型使用知識的「生產知識庫」，也成為杰倫智能2025年最新開發的第3項產品「領域經驗分身（Domain Twin）」。
黃建豪解釋，無論是全新產品還是迭代更新，都需要「人」來選定不同的模型來訓練，像是了解一個新產品裡要用哪些PCB、晶片、鏡頭來組裝最合適。簡單來說，師傅使用模型的行為本身，就是公司想要複製的「設計生產」的知識，如同拼湊出可口可樂的口味配方。
「這就像是以前Configure-To-Order（接單組裝）的模式。」黃建豪說，CTO是依據訂單實際狀況才開始生產，以達到多種少量、降低存貨等目的，這非常考驗庫存管理靈活度和客製化彈性的能力。而領域經驗分身可以整合各種不同的模型，找出最適配方並設計出新產品，無需過度依賴老師傅的經驗，「這也可以幫助新成立的海外工廠快速提升生產效率與品質，解決目前工廠外移的產能焦慮。」
開工作坊戳產線痛點！打磨模型30小時搞定
雖然杰倫智能解決了經驗傳承、經驗管理到掌握知識3件事情，但是師傅會不會對AI反感、工廠該開發什麼模型，都是產品能否落地的未知數。
「產線員工自己選擇要什麼樣的AI比較快，還是資料科學家學產線知識比較快？一定是前者，所以我們現在都會從一次30小時的工作坊開始。」黃建豪說，杰倫智能會請客戶帶著自己的問題來工作坊，並把問題變成AI可以解決的題目，進而建立模型。
舉例來說，某個面板廠經過工作坊的討論之後，就知道如何運用AI進行「離職率預測」，因為人資部門手上握有員工資料、過去的基礎數據和自己的經驗，會比資料科學家拿原始數據從頭建立預測模型來得快，因此人資部門能夠馬上進行，在30小時內建立自己需要的模型。
經過這些訓練，日後工廠員工就可以自己找到合適的題目並訓練模型。黃建豪表示，目前平均1個客戶公司裡會有3到4個部門、50個人每天使用，各自產出的模型數量從20個到1.2萬個不等。
營收方面，杰倫智能的商業模式是以人為單位計算的訂閱模式，2024年營收已達到近新台幣2億元。雖然是從台灣出發，但杰倫智能早已將目標市場放到海外，先後落腳中國、越南、泰國，2024年10月在日本成立分公司，「今年的目標是熊本，因為台灣的半導體廠都要過去了。」黃建豪說。
杰倫智能
創辦人暨執行長：黃建豪
產品服務：AI模型訓練、管理
投資人：達盈管理顧問公司、聯訊創投與峻盛資本等，累積募資金額560萬美元
責任編輯：蘇柔瑋
