AI時代的浪潮推動各行業積極導入人工智慧，但高昂的硬體成本與龐大的模型運算量，卻讓AI應用發展面臨瓶頸。峻魁智慧看準這個痛點，開發出相應的AI模型優化工具方案，能讓AI模型在算力與記憶體資源有限的輕量化晶片上高效運行，協助企業在硬體成本與效能間找到最佳平衡，加速AI成功落地。
讓AI不再被硬體限制
峻魁智慧創辦人郭峻因表示，公司成立之初便看準AI應用逐步往邊緣端發展的趨勢，特別是在物聯網(IoT)終端裝置、智慧交通等應用中，對即時性、低功耗與成本控管的要求極高。因此，透過剪枝(Pruning)與量化(Quantization)等輕量化技術，讓AI模型能在硬體資源有限的設備上順暢執行，將是邊緣AI能否廣泛落地的關鍵。
因應此一發展需求，峻魁智慧提出完整的AI模型優化技術方案，涵蓋模型剪枝、量化與自我學習三大核心，讓AI不僅能在車載、安防、居家等三大智慧應用領域中落地，更能隨著使用情境不斷進化。
剪枝/量化技術推動邊緣AI普及
郭峻因表示，如何讓龐大的運算模型能有效導入邊緣設備，是AI應用普及的一大挑戰。峻魁智慧AI模型優化工具的核心之一P-Craft，就是針對這一痛點而設計。透過刪除冗餘的神經網路節點，也就是模型剪枝技術，讓模型得以「瘦身」，同時保持精度表現。這讓原本需要龐大運算資源的AI，能在汽車晶片或小型嵌入式裝置上順利執行。
另一項核心技術Q-Craft則是模型量化工具。它的原理在於將模型運算中的浮點數轉為定點數，使模型在小晶片上運作時更加高效且穩定。郭峻因強調，剪枝與量化不僅解決了運算效率與功耗問題，更重要的是讓AI應用能夠跨出雲端伺服器，跨足百工百業的應用。
自我學習讓邊緣AI持續進化
除了剪枝與量化，郭峻因更看重AI模型自我學習(Self-learning)的能力，這也是峻魁智慧與眾不同的地方。他進一步指出，過去AI模型的訓練，高度依賴專家經驗與大量的人工標註，「做人工智慧，要先有工人智慧」這句話，道盡了數據標記的繁瑣與成本。因此，峻魁智慧發展了A-Craft自動標記技術，並進一步規劃讓模型能在運行過程中自行擷取資料、不斷優化。
這種自我學習的能力，可以降低對專家持續調校模型的依賴，讓AI能隨著情境演變而調整。郭峻因強調，峻魁智慧希望打造的未來，是任何終端裝置都能即時擷取當下資料進行自我學習，並將此願景稱為「Self-learning on Edge」。預計三到五年內，這樣的情境就會逐漸實現。
這是一個看起來很直觀，但執行起來需要一整套方法論的工作。以剪枝為例，哪些節點可以刪除，哪些應該保留？節點刪除後，要如何判斷瘦身後的模型表現是好是壞？這不僅要視具體的應用而定，更有許多專業知識(Know-how)在裡面。而這些Know-how就是峻魁智慧的價值所在。
從技術服務延伸多元應用
在市場發展策略上，峻魁智慧以軟體工具矽智財(IP)為核心，同時向設計服務與硬體IP擴展，透過設計服務協助客戶開發專屬模型，進而參與硬體IP合作，建立多層次的營運模式。
郭峻因說明，峻魁智慧主要鎖定20美元以下的低功耗邊緣AI晶片市場，並已與多家IC設計公司及系統大廠合作。目前公司約七成多的營收來自智慧交通應用，在這領域已累積長期且深厚的實戰經驗，是公司最具競爭力的基石。
隨著邊緣AI滲透各產業，峻魁智慧正積極將技術優勢延伸至智慧製造、智慧建築與家庭、機器人及無人機等領域，擴展應用版圖。
持續深化技術助攻晶片生態鏈
展望未來，峻魁智慧將持續深化模型優化與訓練工具的研發，讓更多開發者與晶片廠能以低門檻導入輕量化AI。郭峻因指出，公司最終願景是讓AI能在任何裝置上順利運作，不再受限於昂貴的硬體環境，真正實現AI的普及與落地。
也因此，峻魁智慧決定加入由經濟部產業發展署所成立的「優勢晶片研發應用生態圈」(簡稱「晶創生態圈」)，並在智慧電子產業計畫推動辦公室(SIPO)協助下，提出「驅動國內IC設計業者先進發展補助計畫」(簡稱「晶創IC補助計畫」)申請，期能透過晶創生態圈與更多國內晶片業者合作，讓AI應用更有效率地在國產晶片上實現；同時藉由計畫的補助，取得更多研發資源，進一步開發能壓縮大語言模型和多模態模型的工具，以應對未來愈來愈複雜的AI應用趨勢。
郭峻因談到，在臺灣IC設計產業鏈中，峻魁智慧是屬於軟體公司，商業模式定位是「B2B2X」，其中第一個「B」是峻魁智慧，第二個「B」是合作夥伴(晶片或系統廠)，「X」則是終端客戶。因此，非常需要透過SIPO協助，找到更多第二個「B」，共同將技術推向終端市場。他同時期許，未來SIPO能進一步促進政府或產業對軟體IP價值的認識，讓AI軟體在臺灣產業的地位，得以與硬體並駕齊驅。
