隨著全球供應鏈重組，高雄已成為半導體與數位創新的新戰略核心。從台積電先進製程落地，到各大雲端運算中心與智慧應用產業群聚，一條完整的IC產業鏈正迅速成形，為南台灣的創業生態注入了前所未有的動能與急迫性。
作為本次大會的知識核心，8月22日舉辦的「亞灣AI半導體經濟論壇」深度剖析「半導體 x AI應用 x 傳產轉型」的產業脈動，提供一條從核心技術到全球市場的完整路徑圖。其中，新創優智能（以下稱GoEdge.ai）與智慧貼紙從兩個截然不同卻又至關重要的角度，揭示了智慧製造升級背後最真實的兩大挑戰：「知識的斷鏈」與「數據的斷鏈」。
當「留不住人」成為常態，GoEdge.ai如何截斷人才流失的知識斷層？
「人才荒一直都是最大的問題。」GoEdge.ai創辦人暨執行長陳建志在開場時不先談技術，而是先談人才。「但這件事情，其實不是只有找不到人，最大的問題可能是『留不住人』。」
在晶圓製造端辛苦培養、積累了寶貴製程經驗的工程師，不斷地流向更上游的IC設計端，每一次的人才出走，都伴隨著企業核心知識資產的無形流失。這種「人才食物鏈」不僅造成了高昂的招募與訓練成本，更讓資深員工的寶貴經驗難以傳承，成為管理者心中難以言說的痛。
這也是GoEdge.ai決定從問題根源下手的原因。
透過AI，GoEdge.ai將散落在不同來源、不同格式的數據，整合成一個統一的模型，並讓這個模型能夠像人類一樣，持續學習新的製程與經驗。
同時，GoEdge.ai更藉由兩大核心演算法，將老師傅的經驗數位化：一是「多變因資料分析與邊緣AI推論引擎」，二是「多目標優化跟參數調校平台」。前者如同資深工程師的「眼睛」與「大腦」，負責從複雜的數據現象中，快速判斷出異常的根本原因；後者則如同他的「雙手」，在知道問題後，能快速給出最佳的參數調整方案。
透過自動化，GoEdge.ai可以在研發端和製成現場等不同應用場景提供幫助。
「在半導體RD端的應用上，RD工程師過去做的工作，多半在所謂的『試錯』，這段過程就花掉他們60%到80%的時間。」陳建志指出，為了在無數個參數組合中找到最優解，沒經驗的工程師可能要比有經驗的人多花上一倍的時間。
GoEdge.ai藉由演算法迭代修正參數組與參數值，讓工程師在下班前設定好目標，AI就能在夜間的8到10小時內，利用平行化運算，自動進行大量的模擬與迭代。隔天上班時，一個趨近最佳解的參數建議就已出爐，且成功率達到9成。
「以目前為止的實績，我們在一個為期10個月的專案中，成功為他們的工程師團隊節省研發時間。」陳建志強調，這意味著AI不僅是輔助，更是研發效率的倍增器。
如果說研發端考驗的是速度，那麼智慧製造現場考驗的就是深度。要如何將難以言傳的直覺轉譯為可執行的程式碼？GoEdge.ai的AI系統透過學習大量數據，輔以資深工程師的判斷經驗，煉就了分辨真實訊號與雜訊的能力。當系統面對潛在的製程缺陷時，它能精準判斷這是一個需要立即處理的警報，還是可以忽略的系統誤報。
「AI會採取實際行動，避免讓工程師疲於應付大量誤報。」在實際案例中，這套系統不僅成功幫助客戶大幅降低設備誤報率，更重要的是，它讓助理工程師也能透過AI的診斷建議，快速上手。
裝不上去的感測器，失聰的產線：智慧貼紙用衰減率，讓AIoT像看懂紅綠燈一樣簡單
然而，即便有了全世界最強的AI大腦，若沒有精準的數據輸入，一切都是空談。智慧貼紙創辦人暨執行長張焜傑，則分享了另一個更為根本的挑戰。
「我一開始是做醫療的，專門研究帕金森氏症的手部顫抖。」張焜傑說，2020年疫情讓他無法進入醫院，研究之路中斷卻在絕境中轉念：「幫病人把脈很難，那幫『機器』把脈，應該簡單一百倍吧？」
「工廠最大的挑戰，叫做設備的妥善率下降。」張焜傑的背景，讓他能同時理解醫療的精密與工廠的務實。他指出，儘管所有人都知道AIoT能做到設備的預知保養，但直到2024年，全球仍有超過90%的工作站尚未導入相關技術。原因只有兩個：缺乏數據與AI太貴。
「現在的工業感測器跟手機一樣大，只能裝在馬達上。但馬達是整台機器裡最晚壞掉的東西。」張焜傑強調，真正先出問題的通常是軸承、齒輪箱、泵浦這些更精細的部件，但感測器太大、太貴、太難安裝，根本無法觸及這些關鍵部位。沒有數據，一切的AI分析都是空談。再者，導入AI的門檻更高，只要製程一改，一切就要重來。
這個巨大的鴻溝，正是智慧貼紙切入的破口。他們開發出一款僅3x3公分、輕薄短小的貼片式感測器，安裝只需不到10秒，貼在工具機任何部位的表面，它就能自動收集生產過程中的震動、溫度、濕度變化，並透過無線方式傳送到邊緣運算裝置。
「如果我今天告訴你它的震動長什麼樣子，沒有人看得懂。」張焜傑深知，原始的震動頻譜圖對產線工程師來說如同天書。於是，他將過去在帕金森氏症研究中的分析心法，獨創成一個極其簡單的指標——衰減率。
「不管震動變大還是變小，只要它的震動模式扭曲了，對我們系統來講，就叫做『變差』。」張焜傑說，智慧貼紙的演算法，正是在邊緣端即時計算這個變差的程度，並將其量化為衰減率。這個數字只有一個規則：越大，代表老化越快、狀況越差，從而將複雜的AI分析，簡化到現場作業員只需看得懂大跟小就能判斷異常，就能立刻知道哪台機台需要優先關注。
在與日月光合作的遠端盲測中，張焜傑僅憑衰減率數據，就精準找出了晶片破裂率異常的機台，不僅贏得第一筆訂單，更驗證了衰減率的高低，與晶圓切割的破裂程度有著高度正相關，可以透過即時的衰減率數據，虛擬推論每一刀的切割品質。
智慧工廠的本質，在於擁有記憶與感知的能力。GoEdge.ai賦予了工廠得以傳承的記憶，讓寶貴的專家知識不再流失；智慧貼紙則為工廠裝上了無處不在的感知，讓微小的異常無所遁形。當這兩大斷鏈被重新連結，南台灣的半導體與傳產轉型之路，也因此找到了最堅實的立足點，也是台灣製造業邁向下一世代的關鍵方程式。
本文授權轉載自創業小聚，作者為賴冠伶
