應用人工智慧發展雷雨胞暨閃電即時預警技術（115095C）

# 應用人工智慧發展<br/>雷雨胞暨閃電即時預警技術

## 交通部中央氣象署　｜　案號 115095C

<span style="white-space:nowrap;"><strong>投標廠商</strong>：提特斯科技有限公司</span>　｜　<span style="white-space:nowrap;"><strong>統一編號</strong>：97512668</span>　｜　<span style="white-space:nowrap;"><strong>負責人</strong>：楊嘉豪</span>

<strong>簡報主軸</strong>：<strong style="color:#1d4ed8;">可重現 ・ 可解釋 ・ 可作業化</strong> 的 0–60 分鐘短延時預警

</div>

---

## 簡報大綱

| § | 議程段落 | 張次 |
|:--:|---|:--:|
| 0 | 開場（封面・簡報大綱） | S1–S2 |
| 1 | 研究背景與科學缺口 | S3–S4 |
| 2 | 技術總體設計與系統架構 | S5–S7 |
| 3 | 技術主軸一：時空關係資料庫 | S8–S10 |
| 4 | 技術主軸二：AI 侵襲機率預警模型 | S11–S14 |
| 5 | 技術主軸三：XAI 與 QPESUMS 作業化 | S15–S17 |
| 6 | 服務需求逐條回應總表 | S18 |
| 7 | 研究方法與工作分解 | S19–S21 |

</div>
<div class="tbl-sm">

| § | 議程段落 | 張次 |
|:--:|---|:--:|
| 8 | 執行期程與里程碑 | S22 |
| 9 | 品質・資訊安全・中資合規 | S23–S24 |
| 10 | 團隊組織與人力配置 | S25–S28 |
| 11 | 公司簡介與實績 | S29–S30 |
| 12 | 風險管理 | S31 |
| 13 | 經費概估 | S32–S33 |
| 14 | 預期效益與企業社會責任 | S34–S35 |
| 15 | 結語與答詢引導 | S36 |

</div>
</div>

---

## 研究背景：0–60 分鐘預警盲區

![0–60 分鐘預警盲區示意](diagrams/slide-03-problem-context.svg)

</div>
<div class="txt">

- <strong>外延法失效</strong>：雷達回波外延（60–90 分鐘臨近預報）在生命週期轉折處（生成／分裂／合併）判斷失準
- <strong>NWP 無解析度</strong>：數值天氣預報的時空解析度不足以刻畫單一對流胞的短延時演變
- <strong>關鍵盲區</strong>：外延已失效、NWP 又無解，<strong>0–60 分鐘</strong>正是防護決策最需要卻最缺工具的時段
- ★ 本案定位：<strong>運用貴署既有觀測</strong>（雷達雙偏＋閃電）建 AI 模型，<strong>非自建觀測網</strong>

</div>
</div>

<p class="footer-ref">（對照服務建議書 壹之一, p.7）</p>

---

## 科學缺口與切入點

</div>
<div class="txt" style="font-size:.6em;">

- <strong>物理起點</strong>：起電發生於對流胞<strong>冰相區</strong>（過冷水滴／霰／冰晶碰撞起電）
- <strong>已知定性門檻</strong>：−10°C 等溫層 <strong>Z ＞約 36.5 dBZ 且 Z_DR ＞約 0.31 dB</strong> 最能判別閃電起始
- <strong>四參數不預設等權</strong>：dBZ／Z_DR／K_DP／ρ_HV，權重由<strong>資料驅動量化</strong>（Z_DR 顯著改善、K_DP 部分無額外助益）
- ★ 切入點：人工定性門檻升級為<strong>資料驅動的非線性學習</strong>

</div>
</div>

<p class="footer-ref">（對照服務建議書 壹之二, p.8）</p>

---

## 技術總體藍圖：五環節端到端

![五環節端到端藍圖](diagrams/slide-05-blueprint.svg)

</div>
<div class="txt">

- <strong>五環節</strong>：觀測源 → 整合資料庫 → AI 預警模型 → XAI 可解釋 → QPESUMS 作業化
- <strong>三主軸環環相扣</strong>：資料庫（軸一）→ 模型（軸二）→ XAI＋作業化（軸三），完全對齊服務需求三面向
- <strong>XAI 回饋迴圈</strong>：可解釋分析回饋模型精進，形成「量化—檢核—修正」閉環
- <strong>國際對標</strong>：對標 LightningCast 等閃電預報方法，以貴署資料自主實作

</div>
</div>

<p class="footer-ref">（對照服務建議書 貳之一, p.14）</p>

---

## 系統架構與資料管線

![系統架構與資料管線](diagrams/slide-06-data-pipeline.svg)

</div>
<div class="txt">

- <strong>以 SCIT 三維對流胞格點為錨</strong>：對流胞辨識與追蹤作為時空定位基準
- <strong>雙輸入流</strong>：雷達雙偏極化 ＋ 閃電資料，經 SCIT 辨識／閃電歸戶
- <strong>配對＋品管</strong>：時間窗 Δt ＋ 空間半徑 R 配對，加品質控制（QC）過濾雜訊
- <strong>自始對齊</strong>：0.0125° 網格、雷達每 <strong>6–10 分鐘</strong>體積掃描週期

</div>
</div>

<p class="footer-ref">（對照服務建議書 貳之二, p.15）</p>

---

## 技術選型決策：混合時空架構

<div class="cards3">
<div class="card"><h4>方案 A｜ConvLSTM</h4><em>baseline 對照</em><br/>時序建模能力強；空間細節保留有限。作為公平比較的基準線。</div>
<div class="card"><h4>方案 B｜U-Net（融入解碼）</h4>空間細節佳、可直出 2D 格點機率；時序關聯需另行補強。</div>
<div class="card card-hl"><h4>方案 C｜混合時空　★採用</h4>U-Net 編解碼 ＋ ConvLSTM 時序 ＋ 時空注意力；兼顧空間細節與時序演變。</div>
</div>

- <strong>框架路徑</strong>：PyTorch 研究開發 → <strong>ONNX</strong> 作業化匯出（不綁訓練框架、輕量部署）
- <strong>供應鏈自主</strong>：自源頭排除中資，不使用外部競賽資料集或第三方預訓練權重

</div>

<p class="footer-ref">（對照服務建議書 貳之三, p.17）</p>

---

## 主軸一總覽：時空關係資料庫

![主軸一五階段整合流程](diagrams/slide-08-db-fivestage.svg)

</div>
<div class="txt">

- <strong>核心問題</strong>：雷達與閃電兩源<strong>時空座標系迥異</strong>，無法直接對齊
- <strong>五階段整合</strong>：擷取 → 品管 QC → SCIT 錨定 → 特徵配對 → 版本寫入
- <strong>產出</strong>：整合為單一 AI 訓練庫，<strong>回應服務需求 ①-1～①-6</strong>
- 資料庫建置為<strong>期中查核</strong>重心，先立地基再訓模型

</div>
</div>

<p class="footer-ref">（對照服務建議書 參之一, p.22）</p>

---

## 雙偏參數擷取與時空配對

</div>
<div class="txt" style="font-size:.54em;">

- <strong>四參數物理意義</strong>：dBZ（回波強度）／Z_DR（粒子扁平度）／K_DP（液態水含量）／ρ_HV（粒子一致性）
- <strong>−10°C 冰相區特徵</strong>：聚焦起電關鍵層的雙偏極化特徵
- <strong>配對方法</strong>：時間窗 Δt ＋ 空間半徑 R，隨生命週期<strong>自適應調整窗寬</strong>
- ★ 學習 t₀（閃電起始）前的胞結構 → 預測後續 <strong>0–60 分鐘</strong>閃電

</div>
</div>

<p class="footer-ref">（對照服務建議書 參之三／參之四, p.24）</p>

---

## 整合型訓練資料庫設計

![整合訓練資料庫 schema](diagrams/slide-10-training-db-schema.svg)

</div>
<div class="txt">

- <strong>主鍵四要素</strong>：胞編號 ＋ 掃描時間 ＋ 格點座標 ＋ 雷達來源
- <strong>四欄位群</strong>：雷達雙偏特徵／閃電標註／SCIT 軌跡／生命週期標記
- <strong>自始對齊 QPESUMS</strong>：0.0125° 網格、10 分鐘更新，目標免重採樣免重投影
- <strong>時序嚴格分離</strong>：<strong>108–111 年（4 年）訓練、112 年驗證</strong>，防 data leakage

</div>
</div>

<p class="footer-ref">（對照服務建議書 參之五, p.29）</p>

---

## 主軸二總覽：AI 侵襲機率預警模型

- <strong>0–60 分鐘＝深度學習主戰場</strong>：外延法與 NWP 皆失效的區間，改由資料驅動模型主攻
- <strong>多前置時間頭</strong>：六段（每 10 分鐘一頭）<strong>共享底層時空表徵</strong>，兼顧效率與各時段專屬校準

</div>

<div class="hbar"><strong>混合時空底層表徵</strong>（U-Net 編解碼 ＋ ConvLSTM 時序 ＋ 時空注意力）· 六段共享</div>

<p class="footer-ref">（對照服務建議書 肆之一, p.31）</p>

---

## 模型架構深入

![混合時空模型架構](diagrams/slide-12-model-architecture.svg)

</div>
<div class="txt">

- <strong>U-Net 編碼解碼</strong>：多尺度特徵、保留空間細節，直接輸出 2D 格點機率
- <strong>ConvLSTM 時序</strong>：捕捉對流胞跨掃描週期的演變
- <strong>時空注意力</strong>：強化關鍵區域與關鍵參數的貢獻
- ★ <strong>注意力權重供 XAI 追溯</strong>：模型可被解釋、非黑箱

</div>
</div>

<p class="footer-ref">（對照服務建議書 肆之一／肆之二, p.31）</p>

---

## 生命週期六類自動歸納

![生命週期六類](diagrams/slide-13-lifecycle-6class.svg)

</div>
<div class="txt">

- <strong>六類</strong>：生成 → 發展 → 成熟 → 衰減，另加<strong>分裂／合併</strong>
- <strong>資料驅動隱式表徵</strong>：以深度學習隱式學習生命週期特徵，<strong>非人工定性規則</strong>
- <strong>弱標註對照</strong>：以少量標註校準，兼顧客觀性與可驗證
- ★ <strong>分裂／合併</strong>：以 SCIT 追蹤軌跡的<strong>胞數變化</strong>輔助標記

</div>
</div>

<p class="footer-ref">（對照服務建議書 肆之三, p.33）</p>

---

## 二維格點機率與陸海空門檻

</div>
<div class="txt" style="font-size:.54em;">

- <strong>Sigmoid 逐格輸出</strong>：0–60 分鐘二維機率場，對齊 QPESUMS <strong>0.0125°</strong>
- <strong>差異化門檻</strong>：以<strong>成本—損失最適化</strong>設定各場域 POD／FAR
- <strong>類別不平衡對策</strong>：<strong>加權交叉熵</strong>為主損失＋<strong>Focal Loss 消融</strong>對照；機率經<strong>可靠度校準</strong>後再設門檻

| 場域 | 門檻取向 |
|---|---|
| 機場 | 低漏報、航安優先（高 POD） |
| 港口 | 平衡漏報與誤報 |
| 公路 | 兼顧誤報成本 |
| 車站 | 高人流、偏高 POD |

</div>

<div style="font-size:.55em; color:#64748b; margin-top:.25em;">（示意，實際門檻依機關 UAT 逐案確認）</div>

</div>
</div>

<p class="footer-ref">（對照服務建議書 肆之四／肆之五, p.36）</p>

---

## 主軸三：XAI 可解釋性

</div>
<div class="txt" style="font-size:.54em;">

- <strong>置換重要性</strong>（全域）：參數重要性的量化排序
- <strong>SHAP</strong>（個案）：單一預測的參數歸因
- <strong>注意力權重</strong>（個案）：模型「看哪裡」的空間可視化
- <strong>兩層解釋</strong>：全域＋個案；<strong>三法交叉印證</strong>
- ★ 重要性由<strong>定性轉為可量化、可排序</strong>，並與物理知識做<strong>一致性檢核</strong>

</div>
</div>

<p class="footer-ref">（對照服務建議書 伍之一／伍之二, p.41）</p>

---

## QPESUMS 作業化整合

![QPESUMS 推論管線](diagrams/slide-16-qpesums-pipeline.svg)

</div>
<div class="txt">

- <strong>推論管線</strong>：讀取／QC → 正規化 → 推論 → 機率重校準 → 2D 機率場 → 門檻告警
- <strong>四項能力</strong>：時效（10 分鐘週期內）・穩定・可重現・<strong>ONNX 輕量部署</strong>
- <strong>時效為設計目標、非保證 SLA</strong>
- ★ <strong>交付監控與知識移轉、非代營運</strong>；產出為<strong>決策參考資訊</strong>

</div>
</div>

<p class="footer-ref">（對照服務建議書 伍之四／伍之五, p.46）</p>

---

## 個案評估與成效驗證

</div>
<div class="txt" style="font-size:.54em;">

- <strong>112 年獨立驗證</strong>：完全不參與訓練，避免 data leakage
- <strong>代表性個案三準則</strong>：天氣系統代表性／生命週期代表性／作業價值代表性
- <strong>評估指標</strong>：CSI／POD／FAR／HSS ＋ Brier／可靠度圖
- 呈現各<strong>前置時間衰減曲線</strong>，誠實揭露性能隨延時下降

</div>
</div>

<p class="footer-ref">（對照服務建議書 伍之三, p.45）</p>

---

## 服務需求逐條回應總表

| 服務需求群 | 對應技術主軸 | 交付對應與查核 |
|---|---|---|
| <strong>①-1～①-6</strong>　對流胞×閃電時空關係資料庫 | 主軸一：時空關係資料庫 | 整合訓練庫建置（<strong>期中</strong>查核） |
| <strong>②-1～②-7</strong>　侵襲機率預警模型 | 主軸二：AI 侵襲機率模型 | 主架構＋訓練跑通（<strong>期中</strong>）→ 完整模型／二維格點／門檻（<strong>期末</strong>驗收①） |
| <strong>③-1～③-5</strong>　XAI 可解釋性與作業化整合 | 主軸三：XAI ＋ QPESUMS 作業化 | 112 獨立驗證＋作業化整合（<strong>期末</strong>查核） |

</div>

- <strong>期中查核（115/11/13）</strong>：資料庫建置＋模型主架構訓練跑通
- <strong>期末查核（116/04/23）</strong>：112 年獨立驗證＋作業化整合，兩查核點四項驗收全對齊

</div>

<p class="footer-ref">（對照服務建議書 壹之三, p.9）</p>

---

## 研究方法總論：物理導向的資料驅動

</div>
<div class="txt" style="font-size:.54em;">

- <strong>物理連結、定量非線性</strong>：起電物理與雙偏參數有明確物理連結，但定量關係非線性、難以單一公式描述 → 適合<strong>資料驅動</strong>建模
- <strong>四原則</strong>：物理導向（可被物理檢核、非純黑箱）／指標一致／時序獨立／可解釋作業化
- <strong>指標一致口徑</strong>：全程 CSI／POD／FAR／HSS ＋ Brier／可靠度圖，杜絕階段漂移
- ★ <strong>閉環迭代</strong>：資料 → 訓練 → 驗證 → 可解釋 → 作業化，逐輪回饋精進

</div>
</div>

<p class="footer-ref">（對照服務建議書 陸之一, p.50）</p>

---

## 訓練、調參與驗證方法

</div>
<div class="txt" style="font-size:.54em;">

- <strong>108–111 年（4 年）訓練、112 年完全獨立驗證</strong>：112 年資料全程不參與訓練，杜絕資料洩漏（data leakage）
- <strong>調參只在訓練集內</strong>：採 time-series 交叉驗證（依時間切分、不打亂時序）調整超參數
- <strong>公平比較</strong>：以單純 ConvLSTM 為 <strong>baseline</strong>，對主架構逐項<strong>消融實驗</strong>（ablation），同資料、同指標
- ★ 驗證年度「一次性揭盲」，避免反覆試探 112 年而過度配適

</div>
</div>

<p class="footer-ref">（對照服務建議書 陸之三, p.52）</p>

---

## 工作分解結構（WBS）：四工作包

</div>
<div class="txt" style="font-size:.54em;">

- <strong>WP1 資料庫 → WP2 模型 → WP3 可解釋 → WP4 作業化</strong>：邏輯相依、適度重疊排程
- ★ <strong>WP2-1 混合時空主架構為期中查核點</strong>：期中即跑通訓練流程，提早暴露成效瓶頸
- <strong>對齊驗收</strong>：各 WP 對應服務需求群與期中／期末驗收項
- QC 流程文件、測試計畫／報告、XAI 診斷模組說明隨各期報告一併提送

</div>
</div>

<p class="footer-ref">（對照服務建議書 陸之四, p.54）</p>

---

## 執行期程與里程碑（履約 1 年）

</div>
<div class="txt" style="font-size:.54em;">

- <strong>要徑</strong>：WP1 資料庫 → WP2 模型 → WP3 112 年驗證 → WP4 作業化
- <strong>期中查核</strong>：初稿 115/11/03・完稿 <strong>115/11/13</strong>（付 40%）
- <strong>期末查核</strong>：初稿 116/04/13・完稿 <strong>116/04/23</strong>（付 60%）
- 每查核點採<strong>初稿＋完稿雙日</strong>；<strong>進度落後累計 5%</strong> 即提書面改善措施
- 履約期／瑕疵擔保各 1 年（至 116/04/23）

</div>
</div>

<p class="footer-ref">（對照服務建議書 柒之一, p.58）</p>

---

## 資訊安全：管理—開發—防護—應變四層

![資安四層架構](diagrams/slide-23-security.svg)

</div>
<div class="txt">

- <strong>管理層</strong>：以 ISO/IEC <strong>27001:2022</strong> 控制項為框架 ＋ PDCA 持續改善
- <strong>開發層</strong>：OWASP Top 10 防禦 ＋ <strong>SAST／SCA</strong> 自主弱點掃描、安全編碼
- <strong>防護基準</strong>：對應資通系統防護基準（附表十）——RBAC 最小權限、MFA、TLS 1.2+、完整稽核軌跡
- <strong>事件應變</strong>：<strong>1 小時通報</strong>・重大 <strong>36h</strong>／一般 <strong>72h</strong> 完成損害控制與復原

</div>
</div>

<p class="footer-ref">（對照服務建議書 捌之二／捌之三, p.65）</p>

---

## 中資合規「四禁一控」＋智財＋開源

<div class="cards3" style="grid-template-columns:repeat(5,1fr);">
<div class="card"><h4>禁 · 陸製資通訊</h4>硬體／軟體／服務全程不採用大陸廠牌（108 年行政院原則）。</div>
<div class="card"><h4>禁 · 陸製生成式 AI</h4>不接入 DeepSeek 等陸製服務（114/2 公告）。</div>
<div class="card"><h4>禁 · 陸籍／陸資</h4>成員均非陸籍、不允許陸資參與；本公司無陸資成分。</div>
<div class="card"><h4>禁 · AI 產製交付</h4>不以生成式 AI 處理機關資料或產製交付成果。</div>
<div class="card card-hl"><h4>控 · 境內可控</h4>敏感資料與模型於境內可控環境處理，不外傳境外。</div>
</div>

- <strong>智財全歸機關</strong>：原始碼／模型權重／訓練推論程式／整合資料庫智財全歸機關，<strong>不設後門、不鎖定</strong>，機關可自由維運修改
- <strong>開源揭露</strong>：交付開源軟體清單 ＋ <strong>SBOM</strong>（軟體物料清單），確認授權相容、無供應鏈風險

</div>

<p class="footer-ref">（對照服務建議書 捌之四／捌之五, p.67）</p>

---

## 團隊組織架構：三層式＋雙聯絡人

</div>
<div class="txt" style="font-size:.62em;">

- <strong>第一層</strong>：計畫主持人 <strong>楊嘉豪</strong>（兼系統架構師、資安負責人，親自簡報）
- <strong>第二層</strong>：專案經理／計畫聯絡人 <strong>廖信謀</strong>
- <strong>第三層 五大功能小組</strong>：資料工程／AI 模型／可解釋與評估／作業化與視覺化／品質與資安
- ★ <strong>雙聯絡人</strong>：楊嘉豪（技術決策）＋廖信謀（日常溝通）並列對接機關
- 各小組下另以<strong>約聘專業人員</strong>（虛線）依工作計畫書補足尖峰人力

</div>
</div>

<p class="footer-ref">（對照服務建議書 玖之一, p.70）</p>

---

## 核心成員 I：主持人與 AI 核心

<div class="cards3">
<div class="card">
<h4>楊嘉豪｜計畫主持人</h4>
系統架構師／資安負責人。全端系統工程 <strong>8 年</strong>，主導作業化落地與整體架構、親自出席簡報。
</div>
<div class="card card-hl">
<h4>張睿壬｜AI／XAI 核心</h4>
成大資工碩士，主導混合時空主架構與可解釋性分析；架構經主持人覆核、必要時依約聘機制引入資深顧問，分散單點風險。
<div style="margin-top:.4em; display:inline-block; background:#eff6ff; border:1px solid #2563eb; border-radius:5px; padding:.05em .45em; color:#1d4ed8; font-weight:600;">發明專利 113127582 共同開發人</div>
</div>
<div class="card">
<h4>花千祐｜AI 應用</h4>
中山資工，AI 模型訓練與作業化推論；<strong>App Store 上架</strong> AI 旅遊助手／量化交易應用。
</div>
</div>

<p class="footer-ref">（對照服務建議書 玖之二, p.73）</p>

---

## 核心成員 II：資料・管理・品質・視覺

<div style="display:grid; grid-template-columns:repeat(2,1fr); gap:.7em; width:100%;">
<div class="card card-hl">
<h4>Calvin Huang｜資料工程</h4>
後端與資料工程 <strong>8 年</strong>（iPASS／iKala）；Go／Spark／K8s。
<div style="margin-top:.4em; display:inline-block; background:#eff6ff; border:1px solid #2563eb; border-radius:5px; padding:.05em .45em; color:#1d4ed8; font-weight:600;">每日 2TB 資料湖 ・ gRPC 日 200 萬筆</div>
</div>
<div class="card">
<h4>廖信謀｜專案經理</h4>
計畫聯絡人（雙聯絡人之一）；4 年以上跨領域專案管理，負責進度追蹤、月會報與文件交付。
</div>
<div class="card">
<h4>曹子允｜QA／資安檢測</h4>
政大語言學碩；功能與迴歸測試、資料與成效驗證、資安檢測執行。
</div>
<div class="card">
<h4>高嘉宏｜視覺化</h4>
視覺設計產業 <strong>14 年</strong>（TNL 視覺總監）；預警產品視覺化呈現。
</div>
</div>

<p class="footer-ref">（對照服務建議書 玖之二, p.73）</p>

---

## 人力配置與工時：18.3 人月

![六角色人月配置](diagrams/slide-28-manpower.svg)

</div>
<div class="txt">

- <strong>全案 18.3 人月</strong>（1 人月＝22 工作日）
- <strong>期中 8.6 人月</strong>（資料庫建置重心）／<strong>期末 9.7 人月</strong>（模型＋XAI＋作業化）

| 角色 | 人月 |
|---|:--:|
| AI 模型／XAI（張睿壬・花千祐） | 6.6 |
| 資料工程（Calvin） | 3.7 |
| 專案管理（廖信謀） | 2.6 |
| 計畫主持人（楊嘉豪） | 2.5 |
| QA／資安（曹子允） | 2.2 |
| 視覺化（高嘉宏） | 0.7 |

</div>

</div>
</div>

<p class="footer-ref">（對照服務建議書 玖之三, p.80）</p>

---

## 公司核心能力與技術實績對照

![技術需求與團隊實績對照](diagrams/slide-30-tech-portfolio.svg)

</div>
<div class="txt" style="font-size:.54em;">

<strong>公司六大核心能力</strong>

- <strong>AI／深度學習</strong> → 主軸二模型・主軸三 XAI
- <strong>資料工程</strong>（Spark 資料湖）→ 主軸一資料庫
- <strong>後端／高吞吐 API</strong> → 作業化推論
- <strong>基礎設施</strong>（Docker・K8s・ONNX）→ 作業化整合
- <strong>視覺化／前端</strong> → 預警產品呈現
- <strong>資安／合規</strong>（OWASP）→ 貫穿全案

</div>
</div>

<p class="footer-ref">（對照服務建議書 拾之一／拾之二, p.84）</p>

---

## 主持人 AI 產品實績：Seasalt.ai 產品線

<div style="display:grid; grid-template-columns: 1fr 1fr; gap:6px 14px; margin-top:.2em;">
<div style="text-align:center;"><img src="diagrams/seasalt-seavoice.png" style="max-width:100%; max-height:140px; border:1px solid #e2e8f0; border-radius:8px;"/><div style="font-size:.45em; color:#64748b; margin-top:.1em;">SeaVoice — STT 模型管理後台（模型版本・WER・語料庫／測試集）</div></div>
<div style="text-align:center;"><img src="diagrams/seasalt-seameet.png" style="max-width:100%; max-height:140px; border:1px solid #e2e8f0; border-radius:8px;"/><div style="font-size:.45em; color:#64748b; margin-top:.1em;">SeaMeet — Agentic AI 會議助理（轉錄・議題・摘要主控台）</div></div>
<div style="text-align:center;"><img src="diagrams/seasalt-seaword.png" style="max-width:100%; max-height:140px; border:1px solid #e2e8f0; border-radius:8px;"/><div style="font-size:.45em; color:#64748b; margin-top:.1em;">SeaWord — NLP 工具鏈（中英實體辨識・個資自動遮罩）</div></div>
<div style="text-align:center;"><img src="diagrams/seasalt-seax.png" style="max-width:100%; max-height:140px; border:1px solid #e2e8f0; border-radius:8px;"/><div style="font-size:.45em; color:#64748b; margin-top:.1em;">SeaX — 雲端客服中心（SeaSuite 驅動）</div></div>
</div>

- 計畫主持人楊嘉豪 2021–2022 任 <strong>Seasalt.ai 資深工程師</strong>：參與 <strong>SeaVoice</strong> 產品與 <strong>SeaMeet</strong> 官網開發（產品介面・<strong>STT 模型管理後台</strong>・服務端整合）
- ★ 佐證 <strong>AI 模型生命週期管理／產品作業化</strong>實務 → 對應主軸三；圖為任職期間之 Seasalt.ai AI 產品線

</div>

<p class="footer-ref">（對照服務建議書 玖之二, p.73）</p>

---

## 風險管理：5×5 矩陣＋三道防線

</div>
<div class="txt" style="font-size:.54em;">

<strong>高等級風險（R1–R4）</strong>

- R1 SCIT 取得方式待確認・R2 QPESUMS 格式未列明（介接）
- R3 閃電正樣本稀疏、類別不平衡（資料）→ 加權交叉熵＋Focal Loss 消融、機率校準
- R4 模型成效未達驗收口徑（技術）

1. 履約初期技術確認會議
2. 架構鬆耦合、格式轉接層緩衝
3. 期中跑通＋XAI 定位瓶頸迭代回補

<div style="font-size:.92em; color:#475569;">R1–R4 列每月會報固定追蹤</div>

</div>
</div>

<p class="footer-ref">（對照服務建議書 拾壹之一／拾壹之二, p.91）</p>

---

## 經費總覽：總標價 1,950,000 元（含稅）

![經費六科目占比](diagrams/slide-32-budget-pie.svg)

</div>
<div class="txt">

- <strong>總標價 1,950,000 元（含稅）</strong>，占預算上限 <strong>97.5%</strong>（上限 2,000,000）
- <strong>人力成本 84.4%</strong>（科目一至四合計 1,645,000），符資訊服務以人力為主之常態

| 科目 | 金額 | 占比 |
|---|--:|:--:|
| 一 主軸一 資料庫人力 | 418,000 | 21.4% |
| 二 主軸二 模型人力 | 411,000 | 21.1% |
| 三 主軸三 可解釋作業化人力 | 489,000 | 25.1% |
| 四 專案管理與主持人 | 327,000 | 16.8% |
| 五 雲端運算與設備使用費 | 80,000 | 4.1% |
| 六 管理及機動費用 | 132,143 | 6.8% |
| 　營業稅（5%） | 92,857 | 4.8% |

</div>

</div>
</div>

<p class="footer-ref">（對照服務建議書 拾貳之一／附件一, p.96）</p>

---

## 分期付款：綁里程碑、無預付款

![分期付款與里程碑](diagrams/slide-33-payment.svg)

</div>
<div class="txt">

- <strong>期中 40% ＝ 780,000</strong>：完成資料庫建置＋模型主架構訓練跑通（115/11/13）
- <strong>期末 60% ＝ 1,170,000</strong>：完成 112 年獨立驗證＋作業化整合（116/04/23）
- <strong>無預付款、無獨立保留款</strong>，付款與驗收里程碑一致
- <strong>費率對標</strong>：資訊軟體協會 2025 估算原則 ＋ 104 薪資報告

</div>
</div>

<p class="footer-ref">（對照服務建議書 拾貳之二, p.98）</p>

---

## 預期效益：0–60 分鐘短延時預警

![0–60 分鐘預警之陸海空防護效益](diagrams/slide-34-benefits.svg)

</div>
<div class="txt">

- <strong>填補預警盲區</strong>：外延法失效、NWP 無解析度的 0–60 分鐘關鍵時段
- <strong>陸海空關鍵基礎設施防護</strong>：機場／港口／公路／車站差異化門檻告警
- <strong>可解釋、可作業化</strong>：XAI 量化參數重要性，ONNX 輕量整合 QPESUMS
- <strong>智財全歸機關</strong>，可自主維運與後續發展
- ★ 產出為<strong>決策參考資訊</strong>；<strong>告警發布由權責單位依其作業程序辦理</strong>

</div>
</div>

<p class="footer-ref">（對照服務建議書 拾參之一, p.102）</p>

---

## 企業社會責任（CSR）

<div class="cards3" style="grid-template-columns:1fr 1fr;">
<div class="card">
<h4>工作與生活平衡</h4>
彈性工時、遠距協作、友善家庭；<strong>不設年齡上限</strong>、以能力為本；薪資不低於法定最低工資 1.1 倍。
</div>
<div class="card">
<h4>綠色採購</h4>
落實綠色採購；優先採購具環保標章之設備與服務。
</div>
</div>

<p class="footer-ref">（對照服務建議書 拾參之二／拾參之三, p.103）</p>

---

## 感謝聆聽・歡迎指教

<p class="footer-ref">（對照服務建議書 執行摘要, p.5）</p>