陳慈晏 2021/02/09

 

AI逐漸成為普及於世的新興技術，讓⼈類⽣活中無論是看的到還是看不到 的，都能夠感知到AI的存在，這樣的普及也帶動了市場上諸多新創團隊相繼

投入此領域。DIGITIMES Research分析師陳辰妃指出，在AI技術愈趨成熟之際，AI產業發展重⼼漸漸轉向降低企業發展AI應⽤⾨檻。由於AI⼤廠所推 出的⽅案客製化程度不⾜，因此出現了許多AI新創開創跨域⽅案，弭平其中  缺⼝。

 

美國新創Beyond Limits成立於2014年，核⼼AI技術為美國太空總署(NASA)與旗下噴氣推進實驗室(Jet Propulsion Laboratory；JPL)的技術延伸。Beyond Limits提供企業級AI解決⽅案，成立⾄今於⽯化能源產業、電

⼒⾃然資源業、製造業與醫療保健產業皆有所斬獲，市場遍及美洲、亞洲、中東地區等，並於2020年正式進入台灣市場。DIGITIMES此次專訪Beyond Limits亞太區執⾏董事廖⼦平，並邀請他闡述Beyond   Limits的成立過程、現況與未來的布局，以及對台灣市場的期待與AI產業的觀察。

問：請您說明⼀下Beyond Limits的成立過程。

 

Beyond  Limits是2014年成立於美國的AI公司，技術源⾃於美國太空總署跟其附屬的JPL。NASA於2012年送上火星的探測器—好奇號(Curiosity)中， 運⾏的AI系統正是Beyond Limits的團隊建立起來的。Beyond Limits的執

⾏長AJ Abdallat先前曾任JPL與加州理⼯學院(簡稱Caltech)的商業化策略負責⼈，並在2014年說服他們將IP導出做商業化。

⼀開始是NASA為了火星探測器去建立⼀個⼯具箱(toolbox)，由於火星與地 球之間必定會有時差存在，因此對地球的⼈⽽⾔有數分鐘是無法控制探測器。若這之間的傳遞與連結仍然運⽤數值AI (numeric AI)，倚靠傳遞數據資料(data)，基本在當時探測器的應⽤是無法使⽤數值AI進⾏的。因此，當時需 要據此設計出新的模組，由於火星是⼀個新的開發場域，等同於並無過去累積 的數據資料，因此必須運⽤具⼈類思維的模組進⾏，讓火星上的探測器能夠⾃

⼰整理想法與結果。

 

我們選擇能源產業作為第⼀個涉獵的領域，歸因於當時⼤型跨國⽯油集團BP    於墨⻄哥灣發⽣漏油事件，讓他們為了解決相關事宜耗費了約300多億美元，     內部營運也因此需要整頓。因此，當時他們在找公司協助他們做決策過程的優  化。在幾經周折後被介紹到Beyond Limits，⽽由於過去Beyond Limits有NASA探測器的經驗，並在過程中解決許多通訊、系統上的問題。溝通之後bp  認為Beyond     Limits的技術可以為他們解決決策過程的問題，在後來的合作過程中也確定我們的技術能夠提供良好的⽀援，進⽽在B輪募資的時候成為投     資者，其後於C輪時也有進⾏投資。

⾄於我們的商業模型，⼀開始會在某個產業或領域之中開發許多新產品，最後會變成⼀個SaaS的模組，也就是說我們做的是⼯業企業AI解決⽅案提供者(industrial enterprise AI solution)，進⽽導入企業協助解決決策過程中的問題。

 

在2014年spin off這項技術的時候，就與BP討論是否有需要解決的問題，比如探油，開發類型的⼯作內容是較為複雜的，因此我們會去探討探油的過程中是否有需要被解決的問題，進⽽去打造⼀個AI解決⽅案。換⾔之，與業者的   合作伊始會先去看商業問題，進⼀步提供AI解決⽅案，最後會將這個解決⽅   案產品化，就能夠做成SaaS服務。

有鑑於BP的信任，當時便從上游開始進⾏優化，⾃探油開始，在油井開了之 後該怎麼維運或進⾏管理，  AI該如何協助優化維運的過程。到了煉油階段， 由於煉油廠的過程非常繁雜，除了優化流程之外，我們也提供AI解決⽅案輔  助化學家開發新的成分。綜合⽽論，從煉油過程到開發⼯作皆有解決⽅案，也能涵蓋⾄最後的物流，提供⼀條龍的AI解決⽅案服務。

問：是否能夠簡述⼀下Beyond Limits的AI技術的特點？

 

Beyond Limits的技術結合數值AI與符號AI (symbolic AI)，應⽤兩⼤AI邏輯處理數據與建立控制變因，藉此打造Beyond   Limits的認知型AI (cognitive   AI)，進⽽提供建議給予作業⼈員，也能夠在⼈員的反應回饋中不斷學習與優化，直⾄最後⼈與機達到互補智能(Collaborative

Intelligence)。

 

我們的技術模組的其中⼀個特點是具有可解釋性，AI提供給你⼀個建議的時   候，機器會告訴你為什麼要提供這樣的推薦結果。這與市場中⼀些業者所提供 的「⿊盒⼦」不同，當AI無法提供推薦的原因時，事實上⼈類就很難對這個  模組有信任感。

 

AI並不是萬能的，這也是為什麼可解釋的模組如此重要。此模組的存在可以視為建立⼈類信任機器的必要要素，因為⼈可以去分析機器所提供的建議是對或者不對，或是理解它的邏輯推論，⽽在模組為透明的之時，⼈類在決策階段 也能夠較有把握。

 

可解釋的模型跟⿊盒⼦最⼤的不同在於，⿊盒⼦應⽤的是數值AI，需要⼤量      的資料做為運算基底。⽽可解釋的AI除了資料之外，還加入產業的知識與⼈   類的思維想法。除此之外，我們擷取⼈類針對不完整數據資料(missing data)的⾏動，⼈類的思維會在尚無完整資料的狀況下依照過去的經驗進⾏推論。因此，在加入我們的模型後便得以藉由過去累積⽽來的知識庫，去進⾏假 設。

 

⽬前市場中有許多新創投入AI產業，不過⼤多是針對特定的流程提出解決⽅  案。由於我們擁有的技術與新創團隊不盡相同，加上我們傾向為⼀站式的解決

⽅案提供者，因此我們並不認為與其他新創團隊的關係為競爭關係，反⽽非常 期待未來的合作，比如OCR技術、AI晶片、電腦視覺(computer vision)

等，藉由合作讓彼此的技術缺⼝更加精進。

 

問：針對邊緣運算市場您們是否有什麼樣的布局規畫？

 

Beyond Limits先前於邊緣運算有協助美國戰機計算機翼振動頻率的相關經驗，未來也會積極覓求與各界硬體廠商合作的機會，尤其在5G的推動之下更  是如此。邊緣運算的應⽤場景可說是非常多元，比如在能源產業當中維持各個結構體的運作，或是將解決⽅案置放在感測器當中。邊緣運算對我們來說是⼀個⼯具，關鍵在於選定何種感測器作為載體，並不僅⽌於如⼤眾的穿戴裝置相 關應⽤，⽽是可以解決許多企業內部的問題。⽬前邊緣運算的產品還在籌備當 中，不過我們特別想要發展健康照護⽅⾯的應⽤。

 

問：Beyond Limits⽬前在全球市場的發展狀況？企業對於AI解決⽅案的需求是否旺盛？

 

⽬前除了能源產業之外，也有擴及到基礎設施、醫療保健等，以及香港的駐點會比較著重於⾦融。不過，我們所做的產品並不會侷限於特定的市場，⽽是會 將其全球化。⽬前在香港產出的⼀些⾦融解決⽅案，未來也都會進⼀步推到全球市場。未來在台灣若是

 

發展出⼀些AI晶片、智慧製造解決⽅案也將會是如此，我們並不會單單賣給台灣廠商，在建立不錯的產品模型之後就能輸出⾄全球市場。

 

2020年結束C輪募資，共募得了1.3億美元，也於同年佈點於阿拉伯聯合⼤公國(UAE)，也同步進入亞太區，包含新加坡、香港、台灣、⽇本，⽬前整個亞太區⼤概有15位員⼯。就台灣市場⽽⾔，算是剛剛起步，開始招募⼈才並與 客⼾建立初步的互動。

 

事實上，AI是需要教育的，尤其C-level的階層須要先有這樣的認知。原因在 於產業要先認知道有導入AI的需求與必要性，因此除了AI解決⽅案之外， Beyond   Limits現在也有做數位轉型的顧問⼯作，這也可能變成我們進入台灣市場的切入點之⼀。我們會先⾄公司內部評估數位轉型的進度，進⽽從商業問題觀察出需要優化的部分為何，⽽AI技術正是優化過程的重點核⼼。⽬前   數位轉型阿拉伯市場推⾏的較為快速，與當地tier 1的業者進⾏合作，涵蓋物流、醫療照護、保險等等。

 

就⽬前觀察，企業級AI解決⽅案的市場需求非常龐⼤，與過往軟體發展的狀 況非常相似。過去軟體改變了許多企業內部的營運、運作狀況，那麼未來AI 的應⽤將會改變企業決策的流程，⽽這也是我們所看到的主流趨勢。觀察亞太 區企業導入AI的進程，中國⼤陸的⼤企業導入速度非常快，雖然仍以數值AI 為主，但⾃有的技術含量⾼，⼤企業也普遍對於未來AI將會滲入各個進程的認知程度頗⾼。

 

問：未來針對台灣市場的布局與規劃？

 

在台灣⽽⾔，我們當然會針對已經進入的領域如能源，尋求與相關業者的合 作。尤其台灣的製造業非常強，管理的能⼒也很好，因此我們會就⼯業4.0、智慧製造作為切入點，在台灣找尋⼀些合作夥伴。

 

⾃2020年進入台灣市場之後，事實上也觀察到許多需求。除了⼯業4.0的進 程與規畫之外，業者也應該要思考未來的發展⽅針。我想我們針對台灣製造業的服務⼤致上會分成幾塊，第⼀個就是供應鏈管理，這是對於製造業來說非常 重要的⼀環，與成本有直接的關係，其次則是為製造設計(design for manufacturing)。

正如先前所提及的，我們有AI平台，缺少的是若⼲產業中的專長與專業知    識。舉例來說，BP對我們的重要性便在於因為我們先前做的是太空產業，藉

由與能源產業tier 1的業者合作，得以擷取產業中的專業知識，進⼀步攻入產業。綜上所述，我們在進入某個產業的時候，⾸要的任務便是尋找產業中的合作夥伴，所以在台灣的話主要就是找製造⽅⾯的合作夥伴。這對於我們的意義不只是開發產品，⽽是這些已經擁有悠久歷史的產業常擁有非常多的制度知識(institutional  knowledge)是需要被保存的，這也是我們在做的。台灣有許多管理的知識值得擷取與保存，將這些知識導入AI模組後，AI就可以在流程 中擔任⼀個監察、提供建議的⾓⾊，以確保流程的順利進⾏。

 

確實，不同製造業擁有不同的製程，然⽽在這些不同的製程當中必定會有⼀致的地⽅。因此其實我們的系統可以放置在不同的製程之中，關鍵在於感測器所擷取的數據資料為何，以及⼈類決策流程在何處，因為優化決策流程正是我們的核⼼⼯作。

 

除了將於台灣積極在智慧製造⽅⾯尋找夥伴之外，也希望技術與硬體結合。過去探測器的經驗讓我們擁有邊緣運算⽅⾯的技術，可以微型化或利⽤低耗能的特性進⾏⼯作。我們不會成為⼀個晶片公司，但是我認為可以運⽤既有技術尋找合作廠商，⽽台灣以製造業聞名，正是最好的場域⼀同創造更多的商機與運

⽤。

 

進入台灣的原因除了上述兩個因素外，⼈才也是很⼤的吸引⼒。我們認為台灣擁有很好的教育培育制度，⼯程師的⼈才品質也非常好。

 

問：台灣中⼩企業非常多，Beyond Limits所提出的解決⽅案似乎都是主要給⼤型企業應⽤，請問這樣的狀況下，中⼩企業在導入Beyond Limits或是其他AI解決⽅案時，是否會遇到什麼困難？

確實，我們現在的許多解決⽅案可能對規模較⼤的企業較為合適。不過即便是中⼩企業，仍然會有決策流程的存在，也就會在流程中具有被忽略的問題或謬誤。無論規模⼤或⼩，必定會有經年累⽉的數據資料，唯需⾃感測器當中擷取出來即可。有鑑於台灣中⼩企業較多，這也是我們可以取經⾃台灣企業的其中

⼀點，也許未來能夠將Beyond Limits的AI解決⽅案應⽤範圍擴⼤。

 

事實上，我們在進入新產業開發客製化的解決⽅案時，⾸要之事正是與產業業 者進⾏共同開發(co-development)的⼯作，⽽台灣在中⼩企業很多的狀況 下，開發的效率也會較⾼。這將不僅是台灣會帶給Beyond Limits的資產， 同時我們也會協助業者將職⼈精神與經驗持續傳承，進⼀步系統化。

 

 

圖說：左起為Beyond  Limits亞太區⾸席營運長黎湍、亞太區執⾏董事廖⼦平與台灣總經理張中宜。陳慈晏攝