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）
