Covid-19 的疫情影響了企業營運，卻也意外加速企業應用 AI、投入數位轉型的腳步。全球矚目、一年一度的 NVIDIA GTC 人工智慧技術大會於線上展開在即，各技術領域的專家、產業領袖都將發表最新研發與應用成果。NVIDIA 長期合作夥伴麗臺科技（Leadtek）已連續 11 年參與 GTC 大會，今年也會在 AI 開發環境、GPU 資源分配管理與智慧工廠電腦視覺等主題帶來搶眼的最新進展。
從顯卡到 AI 完整解決方案，麗臺助企業輕鬆入門 AI 應用
從銷售 Quadro 繪圖卡、Tesla 高速運算卡開始，麗臺一路見證 NVIDIA GPU 成為 AI 影像辨識運算加速晶片的顯學。
尤其當 NVIDIA 推出涵蓋 CUDA 軟體、AI 框架與多種工具在內的 DGX 完整解決方案，解決過去因為硬體、作業系統、或安裝的 AI 框架與驅動程式版本的不同，而影響 GPU 加速效能的問題後，更將 GPU 於 AI 應用推向高峰。
儘管如此，DGX 系列高檔的規格與動輒新台幣數百萬上千萬元的價位，仍然讓許多有意嘗試 AI 研發的中型企業組織望之興嘆。有鑑於此，麗臺投入前沿技術能量，研發出符合 DGX 架構的 AI 完整解決方案，以 1 張 / 2 張顯卡的規格及平易近人的價位，讓更多企業組織能入門 AI 創新應用。
麗臺：企業缺乏維運能力，是 AI 專案失敗的主因
看過許多企業導入 AI 的歷程，麗臺科技電腦事業處總經理周世偉點出，AI 專案要能成功的關鍵，是企業必須擁有 AI 模型維運的能力，並考量實際部署落地應用的環節。
許多企業委外進行專案 PoC，但實際回到企業環境導入時卻發現成效不如預期，甚至也成立 AI 部門並派出多人到 AI 學校受訓，仍然無法將所學應用於產業實際情境。
周世偉表示，很大原因是委外開發的 AI 模型交付到企業手中後，企業的 AI 工程師沒有能力依照模型執行結果重新訓練模型或改變原模型參數，缺乏維運能力是許多企業導入 AI 失敗的原因之一。先能維運，接著再開發新模型，企業 AI 團隊才能成功運作下去。
麗臺科技推出的 AI 解決方案包含 Data Science 工作站、GPU 資源分配與管理工具、AIDMS 模型與設備管理系統等軟體，以及預載多項套件工具的 AI 開發環境，可說是 DGX 系統的輕量精簡版，且所有軟硬體都經過 NVIDIA GPU Cloud（NGC）Ready 認證。其中 AIDMS 內含進階模式，正是用來調整模型參數的工具，此工具可協助企業找出最高良率的模型並直接套用，提升 AI 導入的成功率。
麗臺 AI 輔助瑕疵檢測，降低人工誤判率及操作成本
在具體應用上，以製造業自動光學檢測（AOI）為例，透過麗臺的電腦視覺解決方案能輔助 AOI 系統進行瑕疵品檢查與分類。過去製造業利用 AOI 檢測瑕疵品，為了避免瑕疵品出貨給客戶總會設定較嚴格的檢測參數，通常也因此需要再由人工進行重複檢查，以從中將約半數誤判為瑕疵的良品找回。
而麗臺的電腦視覺方案正是取代這段檢查的人力，平均能找回 90% 的良品，如此可節省人力且不需反覆調整 AOI 的瑕疵閥值。目前麗臺電腦視覺解決方案在 PCB、面板、金屬鑄件、石化、半導體封測等產線上都已有實績經驗。
市場上提供 AI 軟硬體解決方案的廠商不少，然而多數是透過 AI 軟體、硬體設備商及系統整合商等多家業者共組解決方案來實現，而麗臺科技本身即具備 AI 軟硬體、顧問諮詢及系統整合實力，能為企業提供一站式服務。
此外，AI 技術日新月異，NVIDIA GPU 技術不斷推陳出新，各項驅動程式或函式庫也持續優化，由於麗臺從一開始便跟隨 NVIDIA 標準架構開發，能保證於麗臺平台上開發的軟體能持續與 NVIDIA GPU 相容，而硬體部分也能保證持續相容於新款 GPU，甚至可以新舊款不同系列 GPU 同時混搭運作，保障企業在硬體上的投資不浪費。
作為 NVIDIA 夥伴，麗臺以一站式服務拉高 AI 專案成功率
周世偉提醒有意投入 AI 研發的企業，儘管現今有許多 AI 專案資源可以提供直接修改後套用，然而 AI 的應用與企業實際情境息息相關，同樣一套人臉辨識模型在白人身上辨識精準度超高，在黑人身上卻可能無法適用。因此，企業勢必需要能培養自己的 AI 工程師具備維運能力，給予培訓且必須持續精進。
而麗臺是唯一除了 NVIDIA 台灣分公司之外，擁有多位 NVIDIA 深度學習機構（DLI）認證講師的民間組織，在提供企業 AI 軟硬體環境後，能協助開發 AI 模型，並提供教育訓練，完整交接給企業 AI 團隊，使其擁有維運能力，真正讓 AI 專案落地。
展望未來，麗臺將深入垂直領域市場，推出針對各產業的瑕疵檢測模型，讓企業無需寫程式開發，即可直接套用再做微調，協助製造業追求良率的再提升。同時也將進化瑕疵檢測的流程，從瑕疵處向上追溯是哪段製程出問題，企業進而有能力調整前製程的生產參數，由 AI 促成生產製程的智慧化，屆時將是真正智慧工廠的實現。
你可能會有興趣
• Google、軟銀都陣亡過！盤點 AI 專案失敗的 4 大原因
• 【老黃表示不可思議】NVIDIA 營收再創新高，靠比特幣挖礦業務多賺台幣 28 億！
• 機器學習有 5 種偏差，會讓你的 AI 做出錯誤決策！