DaoAI以特徵認知檢測為核心 將AI代理帶入AOI檢測

DaoAI共同創辦人暨技術長陳小川。DaoAI

隨著全球製造業邁向智慧化轉型，電腦視覺在工業質檢（Quality Inspection）中的角色益發吃重。來自加拿大的AI新創公司DaoAI，憑藉其創新的AI視覺技術，成功吸引西門子（Siemens）與巴斯夫（BASF）等國際大廠合作。

該公司共同創辦人暨技術長陳小川詳述DaoAI如何利用特徵認知檢測（Feature Cognition Inspection）解決傳統自動光學檢測（AOI）的高誤報率與曠日費時的編程痛點，並透露將於2026年 COMPUTEX 期間積極尋求台灣設備商與代理商的深度合作。

從學術研究到工業實踐：讓AI落地電子製造現場

DaoAI技術長陳小川自2014年起於加拿大深耕AI與視覺研究，正值深度學習技術發展的關鍵期。2017年，他與具備成功創業經驗的合夥人於溫哥華共同創立DaoAI，帶領來自 英屬哥倫比亞大學與滑鐵盧大學的頂尖AI視覺團隊，專攻工業自動化應用。

陳小川認為，AI製造在北美與亞洲市場均具備極高潛力。DaoAI的技術不僅能優化生產良率，更透過地端資料佈署機制守護企業的資料主權。我們深知在數位轉型中，數據的安全性與自主權是製造商的核心利益，這也是DaoAI的技術基石。

解決傳統AOI編程時間長與高誤報痛點

傳統AOI算法在印刷電路板組裝檢測中常面臨誤報（False Call）頻發的問題。陳小川解釋，傳統算法多依賴顏色匹配或像素比對，例如當電阻與電路板底色皆為黑色時，傳統算法便難以區分。
DaoAI 的核心技術在於「特徵認知檢測」。該技術透過超過百萬張的圖像資料集進行預訓練，將AI觀察到的影像抽象化到一個特殊維度。

其優勢主要體現在兩個層面：1. 多維度空間區分：AI不再僅比對顏色，而是在特徵空間中精準區分元件上的缺陷有無。2. 持續學習機制：模擬人類學習邏輯。若AI初次判斷錯誤，檢測人員可將反饋加入其記憶系統，使AI在下次遇到類似組件時不再犯錯。

陳小川透露：「我們以真實產線的數據預先訓練印刷電路板組裝專用的檢測模型，用戶只需利用一塊參考樣板，在無需CAD或元件庫的前提下，AI就能辨識每個元件的位置，自動生成檢測區域、自動計算閾值。有時僅需幾秒鐘或幾分鐘即可完成建模，AI自動完成以往AOI最需要人力介入的環節。」

這種高效的建模方式，特別適合「多樣少量」的生產模式，解決了過去新產品導入時期因建模緩慢且依賴編程工程師的困境。

解決算力與數據主權難題  克服雲端依賴

針對客戶高度重視的數據主權與資訊安全，DaoAI採取100%本地端處理模式。為了在有限的邊緣端算力下達成高效能，DaoAI採用「預先訓練 + 快速微調」的策略，用戶能夠在本地端使用預先優化的專用模型，同時確保數據安全。

跨國合作與COMPUTEX布局：與台灣供應鏈互補

目前 DaoAI 已與德國西門子（Siemens）及巴斯夫（BASF）建立深度合作。展望未來，陳小川對台灣市場充滿期待，並宣布2026年將首度參加 COMPUTEX。

他表示，DaoAI 的定位是一家視覺AI應用公司，因此本次訪台有兩大戰略目標：1. 硬體設備整合：尋求台灣本地設備製造商合作，將DaoAI的AI軟體演算法與台灣優質的硬體設備結合，提供客製化方案。2. 拓展代理通路：在台灣尋找專業代理商與服務商，以更貼近本地電子製造業客戶的需求。除了深耕電子業表面黏著技術的產線檢測外，DaoAI也對半導體封測領域表現出濃厚興趣，期盼能與台灣探針或其他檢測設備商共同開發新應用，進一步延伸AI視覺的技術邊界。