從太空走向民間,這家火星探勘揚名的 AI 新創如何搶攻智慧商機?

作者 | 發布日期 2021 年 05 月 07 日 10:23 | 分類 AI 人工智慧 , 國際觀察 , 尖端科技 Telegram share ! follow us in feedly


踏進 Beyond Limits 位於台北南京東路的臨時辦公室,放眼望去是以白色基調為主的開放式空間;與其說是個工作場所,整體的感覺更像是個咖啡廳。很難想像,這個在 2012 年火星探測器好奇號(Curiosity)扮演關鍵角色的 AI 新創公司,就這樣「大隱隱於市」的位於在南京東路的民宅中,而不是在氣派的辦公大樓裡。

認知 AI 巧扮好奇號關鍵系統

談到 Beyond Limits,一般不是在 AI 產業的人可能有些不熟悉;但講到火星探測器「好奇號」,或許聽過的民眾可能不少。不過,Beyond Limits 和好奇號究竟有什麼關係?

「其實,2012 年送上火星的好奇號機器人,搭載的就是 Beyond Limits 的 AI 系統。」Beyond Limits 台灣總經理張中宜說。

▲ Beyond Limits 台灣總經理張中宜。(Source:Beyond Limits)

張中宜解釋,火星和地球間存在四分鐘以上的時差,無法即時溝通,而單純倚賴數據推動的數值 AI 給予機器人建議是不夠的,因為火星是個全新的場域,過去累積的資料很少(或幾乎沒有)。所以,難有大量的數據事先給 AI 進行訓練,也因此,Beyond Limits 在設計上導入「認知 AI 系統」,也就是結合人類思維及知識,使機器人能夠有所依歸和應變,以順利完成探測任務。

但,何謂認知 AI?和一般的 AI 技術又有何不同?其實,就是差在「可解釋性」。現有的 AI 技術,多是累積大數據後所提供的單點分析思維,通常只能提供使用者問題出在哪的回覆(What),並無法解釋其思考邏輯(Why),這類的 AI 較偏向數值 AI(Numeric AI)。至於符號 AI(Symbolic AI),則是依靠邏輯推論來解決問題,邏輯的推論能夠避免因數據的遺漏或差錯所帶來的問題。

張中宜說明,Beyond Limits 的技術,是結合數值 AI 和符號 AI 的特性。先用數據 AI 學習辨識標的,再用符號 AI 強化可解釋性;如此一來,可讓使用者了解 AI 系統的判斷依據,進而大幅提升對 AI 的信任感。而除了可解釋性的認知 AI 技術外,邊緣運算也是 Beyond Limits 另一個重點技術。透過邊緣運算可有效省去過往因傳輸資料量大、耗能高,導致處理出現時間差,而無法及時覺察問題的痛點。

▲ Beyond Limits 以認知 AI 技術,達到人機互補智能。(Source:Beyond Limits)

從太空起家轉向大型商用場景

Beyond Limits 的技術源自於美國太空總署 NASA 和 JPL,在技轉出來之後,Beyond Limits 於 2014 年正式成立。只不過,在成為 AI 公司之後,Beyond Limits 的業務不再是以太空領域為主,而是轉向大型應用場景,並將能源作為第一個涉獵的領域。

張中宜表示,之前轟動一時的墨西哥灣漏油事件,造成英國石油(BP)賠上百億的罰款,而 Beyond Limits 協助 BP 從決策過程中找出問題並優化。之後,BP 也因認可 Beyond Limits 的技術,接續跟進 Beyond Limits 的 B、C 輪募資。

也因此,Beyond Limits 創辦人 AJ Abdallat 便首先選擇進入能源市場,根據產業端從探油到煉油可能遇到的問題和風險,打造一套體系完整的 AI 解決方案。當然,Beyond Limits 鎖定的市場不止於此,目前有跨足的領域還包含智慧醫療、製造業、智慧物聯網甚至金融等。

▲ Beyond Limits 跨足多樣大型商用領域。(Source:Beyond Limits)

張中宜進一步說,Beyond Limits 自火星計畫發跡,擁有雄厚技術實力背景(超過 150 項加州理工學院智慧財產使用權),再加上技術來源為美國太空總署 NASA,大量時間跟金錢的投入使得 Beyond Limits 在發展大型應用場景上,擁有先天資源上的優勢。

「更值得一提的是,Beyond Limits 在商業服務上不僅透過 AI 技術為客戶找到問題根源,進行流程優化,同時也扮演橋樑的角色。」張中宜強調。

企業要發展 AI,往往得投入大量人力、數據等資源,但有時部門內的溝通落差常成為 AI 發展的絆腳石(例如產線與 IT 部門意見不同);而 Beyond Limits 熟悉產線溝通,能在快速轉移 Domain knowledge 上予以協助。

張中宜認為,Beyond Limits 有點像是「承包商」的角色,不僅替客戶爬梳出產業鏈中相關的利益關係人,還可垂直整合多方資源,設定管理目標、布局上雲策略,建構一個完整的生態系。針對不同客戶需求,Beyond Limits 在市場開發上採取兩模式,一是針對既有推出之硬體商品,以原有的製程改善系統(POA)、配方調配系統(CFA)做為 SaaS model 的延伸,提升生產效率;另一種則是與客戶建立夥伴關係,一同從零開始發展產品。

一般而言,Beyond Limits 的合作夥伴可分為兩種。一種是戰略型夥伴,互相槓桿資源,共享客戶訊息,如雲端服務提供者(Cloud Server);第二種是專業型夥伴,也就是擁有某部分客戶專業技術,熟稔廠端運作,如重工業中理解所有蓋廠細節及操作員如何跟機器互動的設備商。

總之,Beyond Limits的商業模式是從商業問題出發,提供工業企業解決方案(Industrial enterprise solution),幫助企業解決決策過程(Decision-making process)中遇到的問題,可說是一種 SaaS 模式的 AI 系統。

▲ Beyond Limits 以 SaaS AI 服務提供工業企業解決方案。(Source:Beyond Limits)

進軍台灣市場,看好地域優勢+人才豐富

在決定以大型應用場景為商業模式之後,Beyond Limits 便開始積極拓展全球市場,而台灣,也是目標之一。談到為何選擇台灣,張中宜表示,AI 的研發仰賴不斷優化決策判斷系統,而在與第一個客戶共同開發(Co-development)上,台灣相較其他國家,擁有交通便利的地域性優勢,從南到北,涵蓋從重工、製藥、化工、風電等各工業領域,能夠有效率推進產品開發。另外,台商可說是亞洲地區工業之母,許多外移台商存在「留根」概念,會在台灣留下研發型的廠房,使得台灣從製造到重工業等領域皆有所涉略,也因為相對具開放性及靈活性,多數新試驗會選擇以台灣工廠做為第一站。

張中宜說明,再來,台灣在製造業發展強勢,且具備極佳的管理流程的經驗和知識,也因此希望在台灣找到這方面的策略夥伴。當然,台灣目前也存在不少挑戰,像是許多台灣傳統企業過往較無數據保存意識,或許因為以代工、製造為發展主力而非 R&D,有鑑於相關數據無法實質提升收益,故未保存,而當轉型需求出現,無過往資料成為企業在轉型上面臨一大挑戰。

也因此,Beyond Limits 提供一個 AI 平台,在產業垂直發展上,扮演顧問角色,透過與策略夥伴合作,綜合從管理流程中捕捉的經驗和知識,提供決策建議,共同發展出工業 4.0 和智慧製造(Smart-manufacturing)下的產物,未來也希望持續朝將邊緣運算微型化落地邁進。目前,Beyond Limits 在台灣也已有許多合作夥伴,像是仁寶、台泥(中橡)等。

同時,張中宜也認為「人才」,會是台灣發展 AI 的優勢之一。綜觀亞太地區, Beyond Limits 奠基於對各式人才的數據研究,發現到台灣資工、電機和醫療等領域人才庫資源尤其豐富,每年度產出大量 AI 工程師。以日本市場為例,全日本 AI 工程師不到 300 人,而台灣光一所大學每年就可以產出近上百位的 AI 工程師,且不同學校彼此的關係連結性也強,因此在招募 AI 相關領域上的專家,台灣極具有優勢(能夠一網打盡),是 Beyond Limits 看準的機會點。

▲ Beyond Limits 認為人才也是台灣的優勢之一。(Source:台灣微軟)

張中宜說,過往台灣普遍存在硬體思維,多數人畢業後選擇進入台積電、聯發科,產業結構性問題也使得供給大於需求;然而隨著大環境轉變,軟體需求端開始出現,軟體人才有更多元職業選擇及發揮空間,作為 AI 新創,我們認為這個領域的人才庫是足夠也具潛力的。

(首圖來源:Beyond Limits)