[新聞] 所羅門陳政隆:仰賴15國人才!打造機器人 AI 軟體平台
原文標題:所羅門陳政隆:仰賴15國人才!打造機器人 AI 軟體平台
※請勿刪減原文標題
原文連結:https://udn.com/news/story/7240/8115249
※網址超過一行過長請用縮網址工具
發布時間:2024-07-24 08:22
※請以原文網頁/報紙之發布時間為準
記者署名:經濟日報/王郁倫
/台北即時報導
※原文無記載者得留空
原文內容:
所羅門(2359)董事長陳政隆表示面臨跟半導體科技大廠搶人才壓力,公司長期仰賴國外
人才,視覺事業處就有來自15個以上不同國家的員工共同合作,而機器人若要取代人力,
必須能近似於人類聰明度,多工工作,他樂觀預言若有一天機器人能當理髮師時,就是無
所不在之日。
所羅門跨入機器人開發已經10年,陳政隆23日出席台北電腦公會舉辦「迎向AI新時代」產
業座談會表示,所羅門長期仰仗國際人才,光視覺部門人力就來自15個以上不同國家,有
些是來台灣念碩博士畢業的,有些是外國員工介紹他們當地朋友,來自越南或印度等國,
「這是不得不走的一條路。」
陳政隆表示,招聘人才時,若台積電(2330)或聯發科(2454)也發出聘書,則人才回家
跟父母討論該去哪裡上班時,「90~100%家人都會建議到台積電上班。」
除招聘人力挑戰大,陳政隆樂觀預期未來3~5年,人形機器人加上AI未來能力可以大幅提
昇,可以也坦言所羅門開發機器人要取代人的挑戰仍很高,因人類與生俱來就很靈巧,具
多功能,但工業機器人發展就相對單純,回顧機器人發展史,就是機器手臂執行A到B或B
到C的部分照人類指令去做,後來加入機器視覺技術,才可以做較多任務,但早期的視覺
系統仍有很多限制,比方環境光線一變化,或者物件複雜度高,視覺辨識率就會立刻明顯
下降。
而機器視覺在近年導入AI後,進步很快,可以解決一些複雜不易解決的問題,比方AOI有
overkill過殺的問題,透過AI可以解決,但現在新的課題也隨之而生,如在軟體平台上導
入AI視覺或3D視覺應用時,客戶很在意要多少張圖片才能訓練出AI模型,若聽到要一千張
圖片以上時,客戶光聽到要派很大量人力去貼標籤,就不太想做。
所以所羅門也開始思考開發一個軟體平台,看如何減少樣本,讓客戶可以用少量圖片就能
訓練出客製化AI模型。陳政隆表示,甚至半導體客戶會表示根本瑕疵樣本可以訓練AI,因
為良率高達99%,此時就得靠生成式AI去生成看起來像真的瑕疵的資料讓AI學習。
為此所羅門的軟體平台串連全球20~30多種品牌的設備,包括IP CAM及機器手臂,並將現
有的開源神經網路模型進行優化,整合各種軟硬體,降低客戶訓練AI模型訓練成本過高的
問題,讓客戶不需要寫程式,以nocode或lowcode方式就能創建自己需要的應用,這要不
僅滿足客戶需求,也能讓所羅門的軟體能快速切入不同行業別市場。
陳政隆表示,提供客戶20~30種機器手臂品牌選擇,好處是客戶彈性高,不被單一品牌綁
死,機器視覺硬體也有許多種類可以配合客戶需求選擇,比方有的視覺精度高,但速度慢
,但有的機器視覺速度快,但精度低,可以依照客戶需求選擇。
陳政隆表示,未來AI機器人要解決企業人員短缺問題,則必須能做到跟真人一樣聰明,能
多功,他對此趨勢看法樂觀,「哪一天若大家到理髮廳去剪頭髮,能放心讓機器人幫你剪
髮,且你可以很放心地告訴機器人要什麼髮型的話,這時候機器人就會無所不在。」
心得/評論:機器人也是未來發展的重點產業,光所羅門公司也有15國人才
全面AI化後,機器人發展速度大幅提升,所羅門成長將飛快,股價向上?
※必需填寫滿30正體中文字,無意義者板規處分
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 61.230.80.173 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1721785339.A.15A.html
推
07/24 09:43,
1月前
, 1F
07/24 09:43, 1F
→
07/24 09:44,
1月前
, 2F
07/24 09:44, 2F
推
07/24 09:46,
1月前
, 3F
07/24 09:46, 3F
→
07/24 09:48,
1月前
, 4F
07/24 09:48, 4F
推
07/24 09:50,
1月前
, 5F
07/24 09:50, 5F
推
07/24 09:51,
1月前
, 6F
07/24 09:51, 6F
→
07/24 09:52,
1月前
, 7F
07/24 09:52, 7F
→
07/24 09:56,
1月前
, 8F
07/24 09:56, 8F
噓
07/24 09:57,
1月前
, 9F
07/24 09:57, 9F
→
07/24 09:57,
1月前
, 10F
07/24 09:57, 10F
推
07/24 09:57,
1月前
, 11F
07/24 09:57, 11F
推
07/24 10:01,
1月前
, 12F
07/24 10:01, 12F
→
07/24 10:04,
1月前
, 13F
07/24 10:04, 13F
→
07/24 10:04,
1月前
, 14F
07/24 10:04, 14F
推
07/24 10:07,
1月前
, 15F
07/24 10:07, 15F
推
07/24 10:08,
1月前
, 16F
07/24 10:08, 16F
推
07/24 10:11,
1月前
, 17F
07/24 10:11, 17F
噓
07/24 10:14,
1月前
, 18F
07/24 10:14, 18F
→
07/24 10:19,
1月前
, 19F
07/24 10:19, 19F
推
07/24 10:22,
1月前
, 20F
07/24 10:22, 20F
推
07/24 10:23,
1月前
, 21F
07/24 10:23, 21F
推
07/24 10:41,
1月前
, 22F
07/24 10:41, 22F
推
07/24 10:41,
1月前
, 23F
07/24 10:41, 23F
推
07/24 10:51,
1月前
, 24F
07/24 10:51, 24F
推
07/24 10:52,
1月前
, 25F
07/24 10:52, 25F
推
07/24 11:05,
1月前
, 26F
07/24 11:05, 26F
推
07/24 11:29,
1月前
, 27F
07/24 11:29, 27F
推
07/24 11:39,
1月前
, 28F
07/24 11:39, 28F
推
07/24 12:47,
1月前
, 29F
07/24 12:47, 29F
→
07/24 12:47,
1月前
, 30F
07/24 12:47, 30F
→
07/24 14:01,
1月前
, 31F
07/24 14:01, 31F
推
07/24 14:30,
1月前
, 32F
07/24 14:30, 32F
推
07/24 15:46,
1月前
, 33F
07/24 15:46, 33F
→
07/24 16:23,
1月前
, 34F
07/24 16:23, 34F
推
07/24 17:58,
1月前
, 35F
07/24 17:58, 35F
→
07/24 18:24,
1月前
, 36F
07/24 18:24, 36F