【Meet Taipei精選】只解決一件事情的AI更實際，3家新創如何擊破法律、醫療、物流痛點？

隨著技術的成熟，垂直領域的AI市場成重點趨勢，如何發現垂直領域的痛點，並用效率更好、成本更低的方式解決，便成為致勝關鍵之一。2022 Meet Taipei的AI及醫療展區中，就有3間新創瞄準垂直產業的AI新創，希望在起跑點就與其他人做出區隔。

手動輸入付款日、金額好麻煩！律果簽為法務人員自動核對法律合約

當企業在與外部客戶簽署有關合作、採購合約時，往往需要經過法務部門協助審核內容，並且手動記錄金額、到期日、付款日等資訊在Excel表格中，並定時審核、手動更新，「我以前就是這樣一筆一筆對幾千筆資料，很耗時間又麻煩。」律果簽營運長簡嘉瑩提及自身痛點，她過去擔任企業法務顧問，深深感受到一次管理多部門法律合約的不易。

即便疫情推進數位轉型，許多企業改使用電子合約及簽名，不過仍擔心文件竄改、電子簽名是否合法等問題，導致法務人員大多繼續管理紙本合約。

律果簽推出一站式合約生命週期管理服務，讓所有用戶直接在平台上撰寫合約、簽名、審批，每份文件上皆記錄簽署者的IP位址、裝置及時間戳等資訊，確保合約無竄改記錄。接下來把合約集中管理，進一步利用AI技術提取合約中的到期、付款日及金額等重要資訊，自動通知法務人員付款及更新合約內容，為公司各部門減少溝通成本、紙本作業流程。

簡嘉瑩分享，此次來Meet Taipei參展的原因正是希望與參展者交流資安相關服務，「因為合約也牽涉到資安問題，所以想透過Meet Taipei這個平台，探討更多資安上的創新服務。」

eNeural為司機偵測精神疲勞、駕駛盲區，防止公安意外發生

大卡車司機疲勞駕駛、看不見死角等問題一直是造成車禍的原因之一。有鑑於此，發跡於陽明交大實驗室的eNeural打造車用邊緣AI運算方案，用AI偵測駕駛盲區、車子偏離車道，以及司機是否正在打瞌睡、手握方向盤等細節，並在車子碰撞前即時提醒司機，防止車禍發生。

eNeural營運長蘇培陞表示，過去雖已有相關AI技術解決此市場痛點，不過皆屬於監督式學習（Supervised learning），需要技術開發人員手動監控並優化AI模型以及高規格相機，由於相機畫素高，導致圖片檔案內容太大，導入至AI需耗費一至兩個禮拜時間標注資料才能建模。

不過eNeural則是運用邊緣運算，減少數據傳輸延遲時間，並打造自監督式學習（Self-Supervised learning）模型，只需工業用相機，並投入少量數據，不需要標註，AI就能自動計算出與監督式學習相同精準度的成果，能夠將一次性工程成本（NRE, Non-Recurring Engineering）減少90%、進入市場時間減少90%，目前已和廣達電腦、台鐵合作，前者協助軟硬體整合，後者則是偵測軌道安全。

自拍就能量血壓！傑精靈幫醫生即時追蹤患者生理數據

雖然量血壓、心跳對於大眾來說，是一件平凡又簡單的事情，但當病人每天重複同樣動作，事情就變得麻煩許多。傑精靈創建手機APP Facare，患者用手機拍下自己的臉，Facare即可透過臉上的血管，計算出血壓、心跳、血氧、乳酸值。

傑精靈業務林庭葳說明，當人洗腎完時，因移除大量水份，造成血壓下降，醫生為了監控患者血壓、血氧數值，患者便需要時時測量、記錄血壓，並傳至醫院，供醫生掌控病情。Facare則方便患者一次省去測量時間，直接偵測出五項數據，自動回傳至醫院。

除此之外，健身教練也能利用Facare測出學員乳酸值，觀察肌肉使用程度，並進一步理解學員較適合的運動項目，將健身成果最大化。