AinosAIMD

證券研究機構 Zacks SCR 近期專訪，聚焦公司如何透過 AI Nose 技術，將氣味與環境中的化學訊號轉化為可被人工智慧辨識、分析與運用的資料。 Ainos：建立 AI 的「氣味資料層」 Ainos 的核心目標，是將氣味數位化，讓 AI 系統能夠理解環境中的化學變化。公司將此技術定位為 Smell AI，亦即為人工智慧建立新的環境感知資料層。 隨著攝影機、儲存、連網及機器學習技術成熟，影像已從單純的影音內容，發展為電腦視覺、機器人、工業自動化及自駕系統的重要資料來源。 Ainos 認為，氣味資料正處於類似的早期發展階段。 空氣中包含大量可運用的資訊，例如污染、製程偏移、設備異常及安全風險；但這些訊號過去大多仍屬於難以數位化與規模化運用的環境資訊。Ainos 的 AI Nose 可將氣味模式轉換為結構化資料，公司稱之為 Smell ID，讓系統得以辨識、比對、追蹤並判讀異常變化。 AI Nose 與傳統氣體感測器的差異 Ainos 指出，傳統氣體感測器與電子鼻技術已存在多年，但 AI Nose 的差異在於整合以下四項能力： 1. ppb 等級高靈敏度偵測 AI Nose 可偵測空氣中極微量的化學變化，協助客戶在異常尚未擴大前掌握早期訊號。 2. 小型化、可分散部署 AI Nose 模組約為 iPhone Pro Max 大小，可部署於設備旁、生產線、無塵室、廠務區域或機器人平台上。相較於單一固定式監測器，分散式部署可建立更完整的環境感測網路。 3. 可訓練的 AI 模型 傳統感測器通常針對特定氣體或固定閾值進行警示；AI Nose 則可逐步學習不同場域的正常環境狀態，進而區分一般波動與具意義的異常變化。 4. 跨設備、跨場域的資料共享 AI Nose 蒐集環境訊號後，由 Smell Language Model（SLM）進行判讀並轉化為 Smell ID。不同系統與場域可共享新累積的氣味知識，形成 Ainos 所稱的 Smell Intelligence Network。 Ainos 的定位不只是提供單點感測器，而是建立可持續學習、可跨場域應用、具規模化潛力的環境化學資料平台。 半導體為目前商業化優先市場 Ainos 目前最具體的商業進展來自半導體產業，並已同步切入前段晶圓製造與後段封裝測試場域。 在後段封測領域，公司已取得一項為期三年的商業合約，涵蓋約 1,400 套 AI Nose 系統。由於採訂閱制服務模式，相關收入將於三年合約期間內逐步認列。 隨著專案部署進度推進，該案預期可自 2026 年下半年開始挹注營收。客戶端亦存在進一步擴充部署的潛在機會，但仍須視後續驗證成果及商業協議而定。 在前段晶圓廠方面，Ainos 正推進技術驗證，主要應用包括： * 高風險區域的空氣環境監測 * 製程或環境化學異常的早期辨識 * 毒性或刺激性氣體的監控與可視化管理 醫療與機器人為後續擴張重點 除半導體外，Ainos 亦同步推進台灣的醫療與機器人應用。 在醫療領域，公司目前聚焦三項早期計畫： * 醫院基礎設施與環境安全監測：涵蓋電力、機電、氣體管線及臨床實驗室等場域。 * 急診環境監測：研究 AI Nose 是否可作為急診壅塞及呼吸道感染風險的早期預警工具。 * 病人層級呼氣智慧研究：探討透過呼氣中的 Smell ID 模式，協助急診分流及呼吸困難等臨床情境的判讀。 AI Nose 的早期技術發展，源自醫療診斷相關研究，核心方向為分析人體呼氣中的揮發性有機化合物（VOC）模式。 在機器人領域，Ainos 正與機器人客戶合作，將 AI Nose 整合至移動機器人與機器狗平台，使機器人除攝影機、視覺、LiDAR 與既有感測器外，進一步具備對環境化學訊號的感知能力。 後續可觀察的三項執行重點 後續營運可聚焦以下三項指標： 1. 半導體專案是否由初期部署進一步擴大，並轉化為實質營收。 2. 醫療與機器人驗證案是否由 PoC 或試點計畫進入商業訂單。 3. AI Nose 部署規模是否持續擴大，進而帶動 Smell ID 資料庫與 SLM 模型能力提升。 Ainos 的長期商業邏輯，是透過設備部署累積更多 Smell ID 資料；資料量增加可強化 Smell Language Model 的辨識能力；模型能力提升後，再提高平台於不同場域的商業價值與可部署性，形成資料、模型與商業化相互強化的循環。 公司目前優先鎖定亞洲市場，主因亞洲同時是半導體製造、工業自動化、機器人及醫療應用的重要聚落。 原文： https://finance.yahoo.com/technology/ai/articles/interview-jack-lu-head-corporate-104300095.html