从工业检测到自动驾驶，导入AI视觉辨识系统已成为趋势。 然而，要开发视觉系统模型并不是件容易的事。 模型训练需要长时间的数据搜集，搜集的过程中也需要花费许多人力与金钱成本。
新创InstAI创办人皮克宇正是经历过数据搜集的苦，因此打造了嵌入式视觉系统开发工具，运用生成式AI的技术产生拟真的虚构数据当作训练资料，节省数据搜集的流程，整体缩短75%的的模型开发时间，并降低20%的开发成本。
「在夏天收集雪景的数据根本不可能！」 为何自动驾驶训练这么难？
皮克宇先前在自动驾驶视觉公司担任营运长，深知车厂在开发AI视觉模型时有许多困难。
举例来说，为了训练自动驾驶AI，需要各种时段的路况与影像数据，才能判断大大小小的道路状况。 然而，越是罕见的突发状况，就越难拿到数据。 再加上景象还有季节性的问题，「光是要搜集夏天太阳跟冬天下雪的景象，就一定要花半年以上的时间。」 皮克宇说。
搜集完数据只是开始，接着还要耗费人力进行数据筛选与标注。 皮克宇举例，半夜的道路上几乎没有人车，等红灯的那60秒，可能整个画面都毫无动静，这对AI来说就是无用资料，需要被剔除。 从搜集数据到清洗数据、标注数据，整个模型训练的过程，动辄需要超过一年以上的时间。
意识到现行技术的不足之处，皮克宇在前东家期间却是有志难伸，「公司总部在美国，实际生产与销售则在中国，疫情期间又没办法两地跑，因此始终难以掌握发展方向。」
与其等待，不如起身行动，皮克宇找来之前合作过的朋友与技术人才，创办InstAI，打造全新的视觉系统开发工具，致力缩短训练模型的时间，并简化冗长的训练过程。
AI自动筛选结合云计算，降低开发成本
InstAI的技术主要分为两大部分：数据筛选与云端运算。
为了省去人工数据处理和标注所需的人力成本，InstAI开发了一套深度学习算法，可以自动识别影像的价值。
「但我们发现汽车代工厂对于SaaS模式并不理解，所以目前还是以软硬整合的方式当作商业模式。」 皮克宇说，InstAI将这套算法放进了自己设计的AI芯片，再将芯片放入名为「Keybox」的产品，Keybox则可以嵌入所有型号的行车记录器或车用相机中。
当车辆实际上路搜集数据时，Keybox就会同步筛选有用的数据，并将这些数据传送至云端进行训练。 为了补足那些无法搜集到的数据，InstAI的云端藏了另一套生成式AI算法，能够针对搜集回来的数据特征，用AI产生出虚拟数据。 同时，把真实数据与AI生成的虚拟数据一起丢进AI模型中训练。
像是夏天只有大太阳的道路画面，AI能依照搜集到的夏天画面，并补入冬天下雪的场景，自行生成出冬天带有雪景的路况画面，将原先至少需要半年以上的数据搜集时间大幅缩短。
目前，InstAI主要以项目的方式与OEM、ODM厂商合作，已经确定与6家厂商合作，进行嵌入式AI视觉系统的模型开发，目前也正在筹集种子轮资金的阶段。
降低技术门槛，以小团队创造大产值
未来InstAI仍希望可以朝向SaaS的模式发展，「因为目前以软硬整合的商业模式，扩张速度还是很慢。」 皮克宇说，甚至未来希望开放公司、家庭甚至是个人都可以使用这一套虚拟数据生成的AI，只要透过InstAI的云端，就可以自行开发出符合应用场景的AI模型。
InstAI目前也有招募研发人才的计划，不过有了前一次公司的创业与营运管理的经验，皮克宇在组队方面有了一套新的理念，「我认为管理者的目标，是让自己变得不再重要。」
皮克宇希望团队都能由相同理念的成员组成，让公司不管有没有他的参与，都能顺利运作，这种做法不只可以降低管理成本，同时利用小而精干的团队，依然能够创造出极大的产值，让AI视觉影像辨识成为更加普及的技术。
