UV Hardcoat 硬度預測 AI
10 組配方考題中，精準命中 9 組的硬度實測結果。
限定條件：在已投入實驗數據的物料範圍內。
0%
答題精準率 · 10 題中 9 題
01 · 技術實績
這筆錢會不會打水漂？先看付款條件，再看考卷。
AI 專案最大的風險是投入了、卻不知道結果對不對。鍵結把「對不對」變成一場可以合約約定的考試：機器學習成果先接受考題，通過標準才付款。
商業條款
機器學習成果經過考試，
通過標準才付款。
- 考試答題正確率可合約談。
- 結果不如預期時，由機器學習專家與配方經驗人才協作，提出具體可執行的改善對策。
- 投入成本可被預期。
UV Photoinitiator 配方推薦 AI
5 題考題中對 4 題。
可對未投入實驗數據之物料進行預測，並可依配方研發規格需求推薦配方。
0%
答題精準率 · 5 題中 4 題
02 · 落地方向
補齊三塊專業，有三條路。先比支出的形狀，再比誰懂配方。
多數化工公司已經有「化工產品數據」這一塊，缺的是數據資料工程、配方計算模擬、應用系統架構開發。要補齊，有三條路。
自建團隊
路徑 A招募第 1 年第 2 年第 3 年
- 三個新職缺，人事成本逐年發生。
- AI 人才近五年需求成長 97.6%（104 人力銀行調查），招募本身就是成本。
- 公司培養一個懂配方研發邏輯的員工要 1–2 年。
支出形態：逐年發生
租用商用平台
路徑 B—第 1 年第 2 年第 3 年
- 授權費與維運費逐年支付。
- 平台多半不具備化工配方經驗。
- 模型鎖在廠商平台裡、判讀依據看不見。
支出形態：逐年支付
與鍵結合作
路徑 C建置第 1 年第 2 年第 3 年
- 單次建置、程式碼完整交付；無授權費、訂閱費、維運費。
- 系統平日由您的團隊自行維護，大幅調整再委由鍵結單次訓練。
- 四大專業同時到位，而且不會提離職。
支出形態：單次建置
03 · 效益論證
回收在三個地方：省、賺、保。
省下實驗成本、提早入帳的毛利、留在公司裡的經驗——三個面向，各有公開案例可對照。
省
省下的實驗成本
AI 縮小每一輪實驗的嘗試範圍：同樣的研發目標，需要的實驗批次變少，省下材料機台直接成本與研發工時。
公開依據：公開案例中實驗批次可減少一半以上——
日本國家型計畫在高分子透明薄膜配方的實測，將實驗次數降至 1/25 以下；
《Nature Communications》電解液配方研究以 42 次實驗完成最佳化。
替客戶試算時只取最保守的一端。
日本國家型計畫在高分子透明薄膜配方的實測，將實驗次數降至 1/25 以下；
《Nature Communications》電解液配方研究以 42 次實驗完成最佳化。
替客戶試算時只取最保守的一端。
賺
提早入帳的毛利
開發週期縮短，送樣與量產隨之提前：同一張訂單的毛利提早入帳；同一批研發人力一年能回應更多客戶需求。
公開依據：化工大廠 Huntsman 公開說明，導入 AI 後噴塗發泡配方的開發時間縮短約三成。
保
留在公司裡的經驗
資深研發離職，流失的不只是人力，更是多年累積的經驗。AI 把實驗紀錄、判讀邏輯、失敗原因都留在系統裡。
公開依據：台灣企業平均花 60.3 天補一個職缺，新進人員半年留任率僅 65.4%（104 人力銀行《人資 F.B.I.》調查）；
遞補一位員工的總成本，Gallup 估計在年薪的 0.5 到 2 倍之間。
遞補一位員工的總成本，Gallup 估計在年薪的 0.5 到 2 倍之間。
效益試算 · 只算「省」
用您公司的數字算一次
三個滑桿是示意預設值，請改成貴公司實際狀況。
預設：研發 10 人 × 每週 3 批
材料＋機台
研發人員每批投入的時數
研發時薪成本 WNT$ 520／時
主計總處化材業平均薪資推算
實驗減量比例 r20%（固定）
一年的實驗成本，與可省下的部分
單位：新台幣萬元（四捨五入）
年實驗直接成本B × 12 × C
1,152萬
年實驗工時成本B × 12 × H × W
449萬
年實驗總成本兩者相加
1,601萬
一年可省總成本 × 20%
320萬
■ 可省 20%年實驗總成本 100%
04 · 建置路徑
一年後，兩個位置。七個階段由下往上蓋，每一階都有帳可對。
只列與成本、時程、風險有關的條目。
| 階段 | ✕ 沒有鍵結 | ✓ 有鍵結 |
|---|---|---|
①確認目標 |
|
|
②數據收集 |
|
|
③數據整理 |
|
|
④資料轉換 |
|
|
⑤建模 |
|
|
⑥測試 |
|
|
⑦AI 應用架構 |
|
|
Σ一年後總結 |
企業要花 2–5 倍時間與經費試錯，也不一定能達到預期目標。模型鎖在廠商平台裡，數據依然零散。 | 時程看得到進度，預算有盡頭，目標可達成。一年實驗紀錄全數進系統——數據的時間複利從今年起跑。 |
「設備會折舊、人才會流動，AI 會隨著數據增加，變成公司最重要的複利資產。」
05 · 團隊組織
為什麼是鍵結：四大專業同時在一個團隊裡。
鍵結是業界少數同時擁有「產品配方研發經驗」與機器學習、資料庫設計、應用系統架構設計背景的團隊。
專業 1／4
化工產品數據
實驗紀錄、配方經驗、判讀邏輯。
多數化工公司已有
專業 2／4
數據資料工程
把實驗結果改成電腦可讀懂的標準，建實驗數據資料庫。
多數公司缺
專業 3／4
配方計算模擬
機器學習訓練、預測不準之分析、高分子 Dk／Df 模擬計算。
多數公司缺
專業 4／4
應用系統架構開發
配方預測系統、RAG、地端 LLM 架構規劃與設計。
多數公司缺
四大專業 · 四個部門
四大專業對應四個部門：化工產品數據部、數據資料工程部、配方演算模擬部、系統架構開發設計部。
鍵結是業界少數同時擁有「產品配方研發經驗」與機器學習、資料庫設計、應用系統架構設計背景的團隊；五位成員如下。
1–2 年公司培養一個懂配方研發邏輯的員工要花的時間
1–2 個月單純軟體背景的外包商或顧問公司，很難在這段時間內完全理解「配方研發」的邏輯
1–3 年鍵結幫您建立一個具備推理能力的材料配方研發 AI 所需的時間
蘇玲瓏Susan
創辦人兼材料數據分析負責人
- 科技大廠研發部門／研發工程師
- 特用化學原物料貿易公司／業務工程師
- 皮革保養高級品牌／技術資料創建人
- 東海大學化學系＆博雅書院
廖聖侖博士Mark
材料與演算法科學家
- 美國電池新創公司／資深模擬科學家
- 美國史丹佛大學／博士後研究員
- 國立台灣大學／物理博士
黃韻帆Helen
資料科學家
- 紡織大廠／製程工程師
- 東海大學應用數學系＆博雅書院
張懿人Bryan
系統架構開發設計負責人
- SaaS 新創團隊／互動訊息編輯器技術負責人
- 企業內部數位轉型／資深前端工程師
- 數位行銷公司／SEO＆前端工程師
陳子輝Zihui
AI系統架構工程師
- 國立成功大學／資訊工程學系碩士
06 · 合作方式
四項服務，每一項都可以只買「諮詢」，或連「執行協助」一起買。
合作可以從最小的一步開始：一次性數據健檢，結案交付【數據健檢報告書】。
| # | 項目 | 內容 | 諮詢 | 執行協助 |
|---|---|---|---|---|
| 01 | 材料配方研發 AI 建立規劃與諮詢 | 投入機器學習前的數據可行性診斷評估 實驗結果改成電腦可讀懂之標準訂定 | ✓ | ✓ |
| 02 | 數據資料管理流程規劃設計 | 規劃符合研發人員習慣及機器學習需求之表單或系統設計 實驗數據資料庫規劃設計 | ✓ | ✓ |
| 03 | 機器學習訓練與演算模擬分析 | 實驗數據分佈趨勢狀況分析 機器學習訓練 機器學習預測不準之分析及提高精準度之規劃 高分子 Dk, Df 模擬計算 | ✓ | ✓ |
| 04 | AI 應用系統架構規劃及設計 | 配方預測系統架構設計 RAG 架構規劃及設計 地端 LLM 架構規劃及設計 | ✓ | ✓ |
數據工作
諮詢導入專業資料庫軟體教學、數據格式及表單形式評估、資料庫欄位建議、資料儲存部署教學；
協助確認短中長期專案目標；
一次性數據健檢——既有數據或資料欄位之完整度及風險評估。
協助確認短中長期專案目標；
一次性數據健檢——既有數據或資料欄位之完整度及風險評估。
執行第一階段（工具 Excel）：表單彙整儀表板、製作可導入資料庫之表單、整理既有數據格式、設計並建立資料庫欄位。
第二階段（工具 專業資料庫軟體）：將數據導入。
第二階段（工具 專業資料庫軟體）：將數據導入。
演算模擬工作
諮詢演算模擬工作所有問題諮詢；
實驗數據分佈趨勢狀況分析；
機器學習預測不準之分析及提高精準度之規劃；
一次性簡易數據健檢——數據資料算出目標數據的可行性評估。
實驗數據分佈趨勢狀況分析；
機器學習預測不準之分析及提高精準度之規劃；
一次性簡易數據健檢——數據資料算出目標數據的可行性評估。
執行演算法選擇及訓練——針對配方／製程／材料測試類型數據；
機器學習訓練；
原子／分子計算模擬——高分子 Dk／Df 計算模擬。
機器學習訓練；
原子／分子計算模擬——高分子 Dk／Df 計算模擬。
系統架構設計開發工作
諮詢權限加密、系統、架構設計問題諮詢；
配方預測系統架構設計；
RAG 架構規劃及設計；
地端 LLM 架構規劃及設計。
配方預測系統架構設計；
RAG 架構規劃及設計；
地端 LLM 架構規劃及設計。
執行系統架構開發設計，不限 AI 專案；
全數建置在客戶地端、程式碼完整交付；
未來發展需要的 Schema 一併規劃，減少日後重建費用及時間。
全數建置在客戶地端、程式碼完整交付；
未來發展需要的 Schema 一併規劃，減少日後重建費用及時間。
最小的一步：一次性數據健檢
第一次正式會議
協助公司確認 AI 專案目標、聚焦數據目標、確定學習數據目標；
確定數據健檢服務的數據量、服務範圍、涉及技術範圍。
結案會議
【數據健檢報告書】詳細說明；
雙方確認簽章結案、確認所有資料交付完成。
07 · 關於我們
從 2020 年開始找答案，2025 年 Q4 才公開推廣。
鍵結科技從 2020 年就開始尋找「化工研發AI」的解決方案，直到 2025 年 Q4 才正式公開推廣，並提供「建立化工研發AI」的所有顧問或執行服務方案。
2020／04
鍵結科技股份有限公司成立。
2025／09
舉辦全台灣第一場專為「化工專業背景人士」準備的技術分享會「化工研發AI應該這樣做」。
2026／01
於全台灣北中南陸續舉辦「化工研發AI應該這樣做」，匯集超過 200 名化工產業專業人士。
2026／01
與啟諾迪（Qnity，前杜邦電子材料事業部）開始合作。
願景
成為化工產業跨領域與跨專業整合、創新、升級的力量
使命
將不同專業背景的人、團隊、公司，鍵結到最短的距離
團隊的基本態度
- 誠信為上，言出必行，使命必達
- 對客戶絕對負責，對資訊絕對保密
- 追求卓越，尊重專業，相互學習，共同成長
創辦人的堅持
「一步一前行，遠大的創新，都是從微小的改變開始」
— 蘇玲瓏
08 · 聯絡
下一步不必是簽約。
先談一次，把目標和數據一起看清楚。
帶著您的問題來——要建多大、手上數據夠不夠、預算怎麼分階段。第一次會議就是為了把這些確定下來。
讓您的 AI 支出成為資產，
讓您的 AI 創建之路不必重來。