作者：賴冠伶，創業小聚採訪編輯
談到人工智慧(AI)，多數人腦中浮現的可能是ChatGPT、Gemini這些在雲端伺服器上運作的大型語言模型。然而大型模型卻在追求效率、低功耗和低成本的終端裝置上，有一定的局限性。
因此，Aizip看準了這個市場空缺，憑藉對嵌入式系統、硬體架構的理解，將目光投向了大型模型在終端應用時所會面臨的挑戰，專注於研發能夠在邊緣裝置高效運行的「微型AI模型」。
Aizip的技術主要聚焦於賦予終端裝置「感知」與初步「思考」的能力，其解決方案已在不同行業落地，並與SoftBank、Analog Devices (ADI)、瑞薩電子（Renesas）等知名企業建立了合作關係。
成立僅5年便獲得多家行業大廠的訂單，這家選擇小而美路徑的AI新創，背後究竟有著怎樣的產品邏輯和成長故事？
當AI從雲走向終端：Aizip如何用「小而美模型平台」搶先佈局Edge AI？
「大公司一定不能比速度，它也不可能比速度。」執行長孫雁說，相較於需要冗長開發週期和龐大資源投入的大模型，微型化、能夠在邊緣端高效運行的AI模型，更能快速響應市場需求，並在特定應用場景中發揮獨特價值。
Aizip的產品線主要分為「感知類型」模型與「思考與行動」模型。感知類型模型，是其最早投入並已實現大規模應用的產品線，主要處理與聲音、影像及其他感測器相關的數據。例如，在聲音處理上，Aizip就主要用此解決傳統數位訊號處理較難處理的問題。目前，已被應用於對音訊體驗要求較高的產品中，如戶外運動耳機、騎行通訊頭盔、可穿戴智慧眼鏡裝置。
「過去擅長處理有固定模式或頻率特徵的聲音。」孫雁以風噪聲為例，「風是沒有固定聲源的，還有一些突發性的聲音，像玻璃打碎的聲音，這種隨機性和多變性，是沒有辦法被捕捉的。」
他解釋，Aizip的AI模型透過大量數據的訓練，建立一個過濾器，能夠更有效地處理這類聲音。「包括玻璃破碎聲這類突發性的聲音，我們的AI模型也能進行辨識。」
在其他模型的應用上，孫雁則分享與日本瑞薩電子（Renesas）合作的智慧咖啡機。
透過搭載AI視覺辨識模型，Aizip讓咖啡機能夠「看見」杯中咖啡的液位，並在即將滿溢前自動停止注水，避免傳統咖啡機因固定時長或流量控制而出錯的狀況，即使杯中裝的是冰塊或佈滿奶泡也能準確判斷。這個看似細微的改進，對於商用場景而言，不僅能提升顧客體驗，更能避免因溢出造成的清潔成本和潛在工傷風險。
Aizip團隊。圖左為AI Vision團隊負責人許雁棋，右為執行長孫雁。（圖片來源：蔡仁譯攝）
感知模型除了能處理影像、音訊，還能處理帶有時間順序性的數據。
在企業應用中，該模型可監測設備運行狀態，透過數據判斷營運狀況是否正常。孫雁指出，像是在偏遠地區的石油開採機械或大型發動機等高價值設備上，裝設加速度儀等感測器並部署Aizip的AI模型，即可即時監控設備運行狀態。一旦偵測到異常初期跡象，便可發出警報。
不過，要怎麼預先知道什麼是異常呢？
「你只給一些正常的數據就好了，模型能辨識出正常值的範圍，超過這個範圍我們就會提出預警。」孫雁說，不過為了應對AI模型在長期部署中可能出現的模型漂移問題，Aizip為其模型研發持續學習能力。「你如果告訴我們這個數值誤報為異常，我們就可以把這個狀態納入到正常範圍裡面。」
之所以有這樣的策略，也是為了確保小型模型在特定任務上的性能，確保AI模型能夠在使用過程中越來越聰明，而不是越來越笨。「相較於大語言模型，小型模型不可能擁有那麼多的知識和精度，」孫雁坦言，「所以我們在定義小模型的時候，會規範它的『應用範圍』。在這個明確的邊界內，其精度是不能妥協的。」
這種高度聚焦應用場景的研發策略，也在2024年Aizip與日本電信商SoftBank的合作中得到驗證。成立5年就以新創之姿拿下SoftBank訂單，這個里程碑是怎麼達到的？
事實上，AiZip與SoftBank的合作淵源已久。孫雁說，先前雙方合作的是養殖漁業的專案，這款AI模型能在手機等小型設備上運行，進行魚群計數和漁網檢查等，更因此榮獲CES創新獎。有了這次經驗，SoftBank在2024年，再次因為需要一款能在員工手機上運行的AI模型，而啟動這次的合作。
SoftBank作為一家在日本擁有數萬名員工、服務網點遍布全國的大型電信商，員工在服務客戶時常需即時查詢大量內部資訊。然而，過往主要將內部知識問答系統部署在伺服器上，在網路條件不佳的地區沒辦法使用。
「當時我們已經啟動了這個小型模型的專案，正好SoftBank需要一款能在員工手機上運作的AI模型。」孫雁回憶，SoftBank提出的需求非常明確：模型需部署在手機端而非伺服器，以應對網路不穩定的情況。同時，需藉此提升性能，加快回應速度。
為此，Aizip運用了如檢索增強生成（RAG）等技術，讓其小型模型能夠學習並索引SoftBank內部龐雜的規章制度、產品手冊、業務流程文檔以及日積月累的常見問題解答知識庫。值得一提的是，Aizip更能將資料處理流程自動化，「我們可以不接觸敏感文件，企業可以事先跟我們溝通，哪些資料涉及隱私不能用於訓練，這可以自行設定。」孫雁說。
最終，SoftBank員工得以透過手機上的企業軟體，以自然語言提問，快速、準確地獲取所需的內部資訊和操作指引，即使在網路訊號不佳的環境下也能運作。這個於2024年春天啟動，同年10月便成功交付的專案，成為Aizip在SLM領域的一個重要里程碑。
至於消費級市場，Aizip則與自行車品牌Trek Bikes合作展示了小型模型的應用前景。Aizip將為了戶外騎行場景打造本地小型語言模型，並透過AI agent，使其能與車載的GPS等感測器數據進行整合。
Trek與AIZIP合作，這款巧妙集成在自行車端的AI助理，整合已規劃的騎行路線等地理資訊、自行車騎行技巧、戶外運動生理學常識乃至基本的運動損傷急救指南。（圖片來源：AIZIP）
這款巧妙集成在自行車端的AI助理，整合已規劃的騎行路線等地理資訊、自行車騎行技巧、戶外運動生理學常識乃至基本的運動損傷急救指南。
在實際騎行過程中，即使騎士身處沒有移動網絡信號覆蓋的偏遠山區，依然可以向這位AI助理詢問前方路況的詳細資訊。「相當於你有個私人助理一路幫著你，即使是沒有網絡了，你可以在過程中隨時問他，像是前面下坡很陡，我應該如何處理我的姿勢，他都會告訴你。」孫雁說。
Aizip的成長引擎：水平化的平台戰略
Aizip的技術實力，根植於其一支由50多名精英組成的核心團隊。
在AI應用日益細分化、行業解決方案層出不窮的今天，許多新創公司選擇深耕某一特定垂直行業，力圖成為該領域的專家。Aizip卻選擇了水平整合道路。「我們定位是平台型的公司，來服務於各個垂直領域。」孫雁坦言，公司的強項不在於對每個垂直領域有深度的理解，而是專注於將AI核心模塊的技術壁壘打造到極致。
「我們前幾年花了很多功夫做一些自動化工具，要是東西成本太高了，週期拉的也長，我們客戶也接受不了。」孫雁解釋，具體的行業應用整合更多地交由該領域的系統整合商或客戶來完成。「客戶把這些數據給到我們，我們只做AI。」
孫雁回憶，創業初期團隊在思考佈局方向時，曾經在應該開發大型模型、聚焦某個垂直領域，或者專注於小型模型兩者抉擇。「但我們發現真正能開發小型模型的公司很少，因為不同客戶的需求差異很大。」孫雁在談及其創業策略時這樣說道，「大公司在這塊市場上又投入不多，他們認為這階段的收益比較小，這並非他們的重點，這就為新創提供了很好的發展空間。」
孫雁強調，因此這反而使Aizip能以相對精實的團隊，專注於特定場景下的小型模型，服務更廣泛的產業需求，避開了大型模型競賽的紅海，同時避免了在不熟悉的行業領域投入過多研發資源的風險。
「未來Edge AI的總量，應該是比雲端AI大很多才對。」孫雁展望道，「未來所有的裝置其實都有智能，我們也在看未來小模型整合到各個裝置的發展趨勢。」為此，Aizip也將持續投入研發，探索AI在更多新場景的應用，在更貼近應用端的邊緣設備上，用小而美的AI方案解決一個個具體的大問題。
創業快問快答
Q: 最常被客戶或投資人問起的事情？您會如何回應？
跟其他開發演算法的公司有何區別？不是誰都能用開源code訓練模型嗎？這是一個行業誤解，目前總體而言，Edge AI還在早期階段，特別是在End Point器件領域。要做Demo很容易，但要做出能夠規模化、商業化的應用軟體還是很難做到的，而我們是少數能實際透過模型協助客戶從中獲利的公司之一。
Q: 要達到下一步目標，團隊目前缺乏的資源是？
Aizip已逐步成為客戶需開發穩健的客製化軟體時所倚賴的業界領先品牌，但是我們需要資源來擴展我們的團隊及市場。 我們將持續精進研究能力、開發更多自動化模型来增加收入，從而有資源來吸收更多頂尖人才加入團隊，進而提供客戶更完善且全面的市場競爭力。
Q: 創業，教會了你哪些事？簡單分享創業至今以來的心得感想？
創業最重要的一項是「適合」，把握適合的「時間點」，項目啟動得太早或太晚都不會成；第二項是找到適合的團隊。創業不是每個人都適合的一條路，一定要享受這種充滿挑戰以及不確定性的過程，才能在創業路上持續有熱忱的走下去。
Q: 創業至今，做得最好的三件事為何？
1. 看準市場時機點，做正確的項目，盡快做好產品，盡快實現收益。
2. 找到可信賴的團隊成員，放到適合的位置上，幫助他們成長。
3. 能快速地從過去的經驗教訓中汲取養分，並持續學習新知。
（本篇文章經同意轉載自創業小聚，原文連結；責任編輯：謝嘉洵。）
- 【創業小聚】Aizip如何靠「小而美戰略」，打進SoftBank與瑞薩供應鏈？ - 2025/06/13
- 【創業小聚】超過萬名學生使用的「家教AI」，上傳課本、考古題就能生成學習計畫 - 2025/06/02
- 【創業小聚】以色列新創Orca推「AI船長」解決航運視線盲區 - 2025/05/28
訂閱MakerPRO知識充電報
與40000位開發者一同掌握科技創新的技術資訊！
