關於 台 塑 製程 工程師 ，我們在網路上蒐集到這些相關的討論、資訊與評價

從火星探測系統到輔助工業製程，美國工業用 AI 新創 Beyond Limits 如何在台灣做到技術在地化應用？

李佳樺 2021/08/13

從2012 年美國太空總署成功將探測車「好奇號」送上火星至今，已經過了3000多個「火星日」，肩負著火星探測的重要任務，8年來好奇號傳回許多對火星的重要觀察與發現。背後更不為人知的，則是好奇號的 AI 運算系統，其實是由美國新創 Beyond Limits 的團隊建立的，公司發展至今也將觸角伸到能源、先進製造等產業，建立 SaaS 服務，為產業提供 AI 輔助平台，2020 年更獲得 1.3 億美元的投資，拓點到台灣、日本、新加坡、香港等地。

Beyond Limits 將 AI 應用到產業製程的契機，源自於當時跨國石油集團 BP 在墨西哥灣發生的漏油事件，企業希望導入 AI 優化決策過程，合作中也發現了石化能源產業的痛點，研發出石油配方建議系統、石油製程操作檢引系統等 SaaS 產品，不僅受到美國石油公司歡迎，日本市場也買單。

有了日本的先例，這套美國研發出的產品，照理說要拓展到亞洲市場應該不成問題，不料到了台灣卻窒礙難行，甚至需要重新開發不同的產品。

Beyond Limits 的台灣團隊究竟面臨了什麼挑戰？

台灣市場與美國差異大，Beyond Limits 台灣團隊必須如創業般從頭研發產品

台灣分公司總經理張中宜說明，台灣產業的先天特性，讓美國母公司已開發的產品都面臨市場可行性低落的問題，以石油產業的產品舉例，在台灣只有中油、台塑兩個客戶，且台灣的石油公司並不做研發工作，多半直接向國外公司購買配方，因此團隊必須在美國 SaaS 模式 的技術基礎下，研發出符合台灣市場、針對不同產業需求的商品。

「Beyond Limits 在台灣設立公司時的處境，跟重新創業差不多。」張中宜表示，AI 應用產品的開發不僅需要能夠從零開始寫演算法的工程師，也要有懂產業製程的專家團隊，龐大的研發費用與對產業專家的需求，讓每一次產品開發都像募資活動，團隊必須透過產業訪談做足市場研究找到痛點，說服製造公司與他們合作開發能解決產業問題的軟體。

然而開發全新市場對張中宜來說並不陌生。

她曾經在孟加拉創立幫助偏遠地區孩童課輔的非營利組織 e-Education ，第一年就讓偏鄉學子考上孟國最高學府卡達大學，更順勢搭上鼓勵企業與 NPO 合作的開放式創新風潮，讓卡西歐、 AI 新創、安永都找她擔任顧問，執行戰略布局或開發新通路的工作，面對 Beyond Limits 在台灣的難題，團隊選擇了電動車電池研發、面板機器手臂維修與人流異常預警系統等三個產業切入。

延伸既有美國產品技術，尋找合適的台灣在地產業切入開發產品
選擇電動車電池產業與 Beyond Limits 在美國石油產業的經驗有關，研發電池的過程與石油廠研發機油的邏輯相似，痛點都在於漫長的研發過程，就像做菜時要多次嘗試才會知道多少的鹽與油才是最佳的調配一樣，電池配方更要經歷至少半年的實驗，且實驗設計也要在無數次團隊與客戶的交鋒後才能成型，溝通成本相當高昂。

使用 Beyond Limits 導入認知 AI 架構的電池配方建議系統，研發人員只要以自然語言輸入期望的電池規格、價格與電車轉速，系統即可在 43 分鐘內提供數百種配方與實驗方式供選擇，縮短約 2 千倍的研發時間。

Beyond Limits 也在 7 月 29 日宣布與日本的三井物產公司進行策略結盟，以其認知 AI 的核心技術，協助三井投資的液化天然氣廠進行巨量資料分析，並整合作業人員專業知識與數位化作業模式，制定出精簡有效率的解決方案。日本三井整合數位策略部部長常務董事真野雄司氏說，透過與 Beyond Limits 的合作可以改善與再造營運流程，更有效率執行現有事業群的高附加價值項目。

另外，Beyond Limits基於公司在美國既有的輔助風電機維修平台，投入面板機器手臂維修建議系統的開發，「雖然也想在台灣用同一套產品幫助風電產業，也與風電廠陸續接洽，但台灣的風電仍在建設階段，缺乏營運經驗，目前的維修需求也不高。」張中宜談到，市場開發的大方向是要在台灣尋找具備預測維修需求，且市場密集、成熟的產業，公司在與投資人仁寶電腦的合作中，發現光電面板產線中機器手臂的維修概念與風機維修類似，而且痛點也類似：包含高昂的維修成本、未經標準化的維修流程，以及依賴經驗的維修決策。

目前輔助維修系統正與日本機器手臂原廠合作開發，由廠商提供維修資料與產業專家， Beyond Limits 透過 AI 分析維修數據，建立資料背後的邏輯推演，系統最終能判斷機器損壞的原因，並建議耗材種類與維修方式。從管理者的角度能降低維修、備料倉儲成本，對維修人員來說也有可依循的維修建議，長遠更能累積產業知識 ( domain know-how ) ，促進升級。

以邊緣運算技術，與北捷合作開發人流異常預警系統

而將技術從太空拉回到地面，Beyond Limits 也能在大眾運輸犯罪預警上有所發揮。他們與北捷合作，使用等同於在火星探測時、消弭與地球時差的邊緣運算技術，原理是透過分散式的運算提升效率，達成在監控系統的邊緣節點就進行異常人流的辨別，降低反應時間落差。

張中宜舉例，正常的人流像是乘客擠進車廂內的固定位置，開始滑手機，異常的人流可能是人群往四面八方散去，產生快速移動的樣態，異常訊息可以在 10 秒內將送到中控室，大幅縮減以往需要 4 分鐘以上的訊號傳輸時間，也能避免踩到人臉辨識的紅線，未來希望擴張應用到大樓監控，或是銷往他國的大眾運輸系統。

源自NASA，認知型AI成為技術優勢與門檻

與其他單純使用機器學習技術分類數據並預測結果的數值 AI 系統不同，Beyond Limits 的 AI 服務融合了數值 AI 與符號 AI ，前者的數值 AI 是透過大量數據讓模型認知「此為何物」，而符號 AI 則是藉由邏輯定義數值 AI 判斷的結果是好還是壞，並加以做出決策與判斷，以電池配方為例，將實驗室過去的實驗數據導入數值 AI 系統後，會得出樹種配方組合，再藉由符號 AI 判斷個配方辦法的優劣，並給予客戶回饋與建議。藉由結合數值 AI 與符號 AI 兩大系統的結合，讓人工智慧的每項建議都能以人類可理解的思路解釋，輔助人類做最後決策，也使人機協作的製程模式成為可能。

對於這項技術，張中宜表示這其實是源自於 NASA 將探測器「好奇號」送上火星後，由於火星與地球之間的數值傳遞有時間差，人類基本上不可能遙控好奇號，而且火星上的數據在這之前是 0，所以數值 AI 也無法運作，為了能夠讓好奇號自行在火星上探測與行動，勢必須要模擬人類大腦的認知型 AI 系統，當時才會開發出符號 AI。

根據研究報告，2025 年工業用 AI 規模將達 160 億美元，其應用開發仍具高度可能性，Beyond Limits 在台灣也希望更全面地研發產品打進該市場。除了正在培養市場的風電產業外，未來也希望協助優化晶圓半導體產業的製程，團隊更積極與社會、產業溝通，讓社會了解 AI 進入產業能讓人類更有餘力進行創意發想與決策，也讓產業正視轉型需求，近期將與台灣新創基地合作舉辦 AI 科普講座，持續促進製造業的人機共榮合作。

創業快問快答

Q：服務的創意來源，是因為發生甚麼事情而有這樣的想法？

A：台灣數位轉型瓶頸

Q：創業至今，做得最好的三件事為何？

A：用國際薪資招聘頂尖人才、台灣市場國際定位清楚、客戶分潤共創模式的商業模式

Q：要達到下一步目標，團隊目前缺乏的資源是？

A：能見度

附圖：BeyondLimits 台灣總經理 張中宜
Beyond Limits 以數值AI及符號AI兩大關鍵技術，達到人機互補智能
圖片來源 : Beyond Limits
擠捷運
圖片來源 : diGital Sennin on Unsplash
圖說：BeyondLimits Hybrid AI導入流程說明
BeyondLimits Hybrid AI導入流程說明
圖片來源 : BeyondLimits

資料來源：https://meet.bnext.com.tw/articles/view/47993?fbclid=IwAR2HbB5FrPIBoV9kDL27OnhNF-JDNzfYdsoLoVKn85yAA7GUjzDzI3y5Lw0

#呼籲成立跨部會的化學安全委員會

高雄林園工業區聯成化工廠，昨天（29）日晚間近9點時，發生重大火警，附近居民的擔心治芬是感同身受。從擔任縣長到現在的立委，對於化工廠的工安、職安一直是我最關切的。

聯成化工廠的事故，幸好無人傷亡，高雄市長 陳其邁 Chen Chi-Mai也聯繫 經濟部 王美花部長要求好好檢討事故的原因。

依過去台塑六輕的事故處理經驗，我必須說只有檢討對於化工廠化學災害的預防是有限的，更何況台灣有相當多和密集的工業區。雖然環保署已成立化學局，化學局也有災害應變中心；勞動部也有職安署。

但，為何工安、職安的事故卻一直不斷？到底問題出在那裏？我們有對症下對藥嗎？還是一次事故，一次檢討，多了幾本報告，然後呢？

治芬呼籲一定要痛定思痛，要思考如何從根本治理。美國的化學安全董事會(The U.S. Chemical Safety Board )，有五個董事，董事長經總統提名，而後經參議院同意；董事的任期五年。

台灣也應學習美國的經驗，成立跨部會的化學安全委員會。由於化學工廠的化學物質，不僅多樣，也因為製程不一而產生各種不同的潛在危害，加上新興的化學物質不時地出現。

從現實而言，跨部會跨領域都不一定能面對化學物質的管理，更何況各部會、各單位各管各的。美國化學安全董事會平日的調查工作，撰寫調查報告的日常事務就由工程師、律師及各領域的專家共同組成。

為何美國的化學災害事件調查要直接對總統負責？因為調查的專業、獨立、及公正，甚至未來要執行這些問題的複雜度，都需要相當層級的統合和協調。在台灣，我們甚至沒有看過環保署長親自到化學災害現場，可見我們面對化學災害的態度就是如此。

又要來抱怨了，這幾天看看下來，覺得台灣有三師：天師、大師、老師。

想當天師的努力發神諭，就有信徒拼命解讀，爭奪那個神棍的地位。
大師則要天天寫書跟海巡，維持一個龐大的敘事架構，爭取粉絲的支持。
我們老師呢？..........同樣作為知識買辦，每天忙著馴獸就夠了。

小時候覺得老師偏保守，都是因為故步自封，環境封閉容易被洗腦等等。現在我認為，這個說法有一半是對的，老師的環境真的很封閉，要像我這種跑過10間8間的過客很少。

那另一半是什麼？叫做經驗。說真的，我這些年對於左翼的進步價值，容忍度越來越低的理由，絕對不是「理論錯誤」或是「統計資料顯示」這種事情。而是跟現實不符，與表現出的狀況不符，透過多數老師自己的資料，以及個人群組的情報網，令老師反感最大的來源，是表裡不一。

我真的真的，建議各位去成家養小孩，不要想著找到生命中的Mr. Right才結，婚姻是要去維持的，不是渾然天成，價值觀與生活習慣的接近，會讓關係較為長久。

這不是要開婚姻版，是因為老師看多了，不管是官員或民代，在網路上進步或保守，還是說參加什麼運動的人士。基本上對待子女的態度，在小孩上學以及對待學校的態度上「幾乎一模一樣」，也就是說那些公開場域或是網路喊得很大聲的，都是要別人家的小孩去當試驗品，自己的還不是送去私校狂補，或是在公立學校盯功課盯到死。

如果我們看到的情況是，你說一套做一套，理論再美好、說詞再華麗，都嘛是屁。
====

抱怨完了，來講點正經的。

很多人看到大師解構，都會發自內心讚嘆，因為看到了自己看不到的面向。但卻往往忽略，大師透過解構再重構出的架構，很有可能是錯的，這不是他故意，多半是他不知道這樣不對。

解構社會讓人迷惑，是因為多數人沒有去讀過，而真正研讀很久，並有深刻了解的，往往受限於學科、學派、指導教授，導致整個看法是有指向性的。有指向性也還好，重點是你自己知不知道有偏好，網路上你看到的理論與模型狂信者，尤其是左傾的偏好特別重，因為正義與信念無法驗證，可以拿去作為理論的自圓其說。(寫過論文就知道這甚麼意思)

舉個例子，你把家裡的烤箱拆解，得到了金屬板、加熱絲、溫控零件等等，解構出的結果，重構出可行的方案，大概也就是加熱裝置，厲害的還可以根據電子零件的設計，知道這是家庭烤箱，而不是實驗室高溫用。會把烤箱解構的零件，重構成拷問工具，或是指控為解離家庭母親烹飪角色，都是資本主義與資本家的錯，這是共產黨。

這還是解構一層的，如果你解構的符碼非常之細，如把烤箱解構成鐵、銅、鋁、高分子材料(塑膠)等等。你確定重構回去，可以得到烤箱？這就是華文圈中的問題，很多人把歷史跟社會與政治制度解構後，把符碼重構成他認定的樣子，實際上就我們科學家來說，金屬跟塑膠可以有近乎無限種的組合，即便你拿著烤箱的元素組成，說「你看看這種元素比例，只有烤箱合理啊」。

呃，你確定不同牌子的比例會一樣？

如果同樣是烤箱(民主國家)，你堅持國產跟的組成日產一樣，並認為反正都可以烤，所以只要這種元素成分就可以變成烤箱。那大概是Minecraft玩太多，以為把礦石拿來敲敲就可以變成物品。

作為工程師與某些材料的專家，同樣的原料經由不同的製程，產出的結果以及可以製造的成品，也會完全不一樣。所以我一向對於解構的方法很推崇(分析儀器)，但對於重構這件事充滿疑慮，尤其是重構後必定會得到某一種結果的那種理論。

各種學科的重構法，就如同他擁有某幾種的製造工具，他看多了當然會覺得，鐵只能拿去做這些，銅可以做那些，塑膠能夠做到這樣。但其他工廠難道原物料就用不到這些？

為何我常說，你得要實際去做過才知道，很多事情跟理論差距甚遠。不是理論錯誤，這比較像是一個中鋼人員，認為所有跟鐵有關的東西，都算他管的一樣，根本是廢話。但這位中鋼仁兄，就擁有製作所有鐵製品，或者解析每一款跟鐵有關的產品如何產出的能力？

你也知道不會，那為何深信某套理論可以通用世界？拜託，那叫做硬套跟亂套。

至於你問，老師管這幹嘛，就興趣啊。作為把人生職志放在學問與技術普及化的人來說，怎樣把靠杯無敵難懂的知識，變成多數人能懂的常識，這門技術遠遠比去寫啥完美制度與政策的理論要難多了。

而且，跟人互動的過程，會讓你知道自己有多卑微，並從此當中獲得到真正的敬意。

#上大學的那幾個不要覺得國際共產好像很棒
#死小孩你作業到底要不要交