 |
中華精測AI製造 實現先進測試介面創新商機 (2024.10.30)
中華精測科技今（30）日召開營運說明會，受惠於智慧型手機應用處理器晶片（AP）、超高速運算 （HPC）相關測試介面出貨暢旺，今年第三季單季獲利超越上半年表現。迎向第四季 |
 |
AI智慧生產競築平台 (2024.08.01)
受惠於近年來生成式人工智慧（Generative AI, GenAI）題材持續發酵，由 NVIDIA 帶動的AI熱潮，使得台灣在 AI製造供應鏈角色備受矚目。台灣資通訊、電子零組件占有出口比重與日俱增 |
|
麗臺AIDMS納入生成式AI 給予數位轉型插上雙翼 (2023.08.15)
基於人工智慧（AI）逐漸擴大應用，麗臺科技今（15）日宣布已將生成式AI功能整合到旗下AIDMS AI開發管理系統，並於8月23~26日舉行的「台灣機器人與智慧自動化展」K828攤位上 |
|
凌華攜手ANSCENTER共創邊緣AI視覺方案 促進製造智慧化 (2022.03.17)
凌華科技攜手ANSCENTER聚焦於AI視覺檢測，為亞太區客戶提供AI視覺解決方案，可協助既有的製造系統加速實現智慧分析和控制功能。澳商ANSCENTER擅長AI視覺檢測方面的軟體開發，結合凌華科技AI運算的硬體專業，使用者可以利用機器視覺技術建立自動調節的環境，提供端對端解決方案加速AI布建，共同促進製造智慧化發展 |
|
中華精測邁向集團化 設立測冠投資、揚弈科技 (2022.03.15)
以半導體產業為軸心拓展新格局，中華精測科技繼2021年推出多款自製MEMS探針卡，完成產品與客戶過於集中的結構性調整後，2022年將正式邁向集團化的新時代。
中華精測經董事會通過決議事項，將透過新設測冠投資股份有限公司，轉投資新設立揚弈科技股份有限公司 |
|
一日購足！台灣打造完整AI產業供應鏈 (2020.06.17)
台灣在發展AI產業時，首重的方向，就是善用自身在半導體與ICT的製造優勢，進而發展出品質與性能兼具AI晶片生產聚落。 |
|
台灣AI軟實力三年佈建有成 防疫僅是成果一小步 (2020.03.10)
新冠病毒當前，口罩地圖的建立，無疑為台灣社會人心惶惶的暗流點亮一條出路，背後推手除了日夜辛勞的政府團隊、醫護人員和相關產學支援外，科技部106年起推動的「人工智慧（AI）科研戰略」也扮演了重要角色 |
|
經濟部工業局推一站式AI應用平台 搶占2020年AI商機 (2019.10.02)
配合行政院推動「臺灣AI行動計畫」，由經濟部工業局主辦，財團法人資訊工業策進會執行，台北市電腦公會、中華民國資訊軟體協會及台灣區電機電子工業同業公會協辦的「AI產業啟航暨AI HUB啟動大會」，推出一站式AI應用平台-AI HUB，串聯16家公協會及法人機構，72家AI新創，近600家業者參與AI應用實證 |
|
AI風潮下的PCB產業新契機 (2019.09.10)
近年來，PCB產業年呈現正向發展，有全新機會，也有全新挑戰。而5G與IoT等應用興盛，直接帶動了高頻、高速PCB的市場需求。未來PCB產業將持續朝高密度、高精度和高可靠性方向前進 |
|
工業4.0掀起熱潮 智慧機械技術論壇吸引產業人士參與 (2018.03.09)
智慧機械是政府近年來的重要產業政策，透過智慧化與工業物聯網的整合，未來的製造系統將有完全不同面貌，為了讓台灣製造業對導入智慧機械有進一步認識，CTIMES／SmartAuto在今日於高雄漢來飯店舉辦「鏈結工業物聯網 智慧機械技術趨勢論壇」，會中邀請產業界指標性人士，深入剖析智慧機械的技術趨勢與應用發展 |
|
數據精準擷取與分流 將成AI製造系統第一步 (2018.03.07)
工業4.0概念的製造模式，是透過軟硬體的整合，讓生產系統具有智慧化，其硬體是根基在現有的自動化技術上，加上軟體的串連整合，使之成為一體化架構，而所謂的一體化架構 |
|
3大趨勢整合AI 製造業2018前景看俏 (2018.03.05)
經濟部近年來積極強化智慧製造的布局，從之前的生產力4.0到現在的智慧機械，都投入大量預算與資源，經濟部認為台灣製造業具深厚基礎，亦累積大量數據資料與製造管理技術、能量 |
|
扮演製造智慧化關鍵 AI將成未來工廠要角 (2017.12.27)
AI是IT產業近年來聚焦度最高的議題，受矚目原因不僅在於各類創意與想像堆積出來的話題性，更在於過去幾年物聯網、工業4.0等概念的醞釀與開始落實，讓AI可與這些系統鏈接 |
|
扮演製造智慧化關鍵 AI將成未來工廠要角 (2017.12.21)
智慧化成為製造業的重要趨勢，A在未來的製造系統中，AI將與工業物聯網整合，扮演重要角色。 |
|
NEC運用AI 協助製造業生產現場產品檢查 (2017.07.17)
對製造業來說，以往要確認產品完成，多採用人眼目測檢查的方式，但這必須由擁有高度技術與知識的專家來進行，因此面臨了人力不足、技能傳承的課題。另一方面，為了將AI與IoT技術運用在製造業，從實際驗證到導入安裝的過程急遽加速，並藉由共享知識、運用ICT技術，讓相關業務更有效率 |
