高效資料收集與分散式控制
從通用協議與機上盒起步，再以隨插即用降低接入門檻，讓經過培訓的非 IT 人員也能參與部署。
具象職人｜為行業專家而做
讓 AI 進入物理世界，成為數位工匠。
讓行業專家，把經驗做成應用，讓應用進入現場、開始工作。
資深者離開時，企業需要接續的不只是人數，還有判斷方法與服務能力。我們從這個工作問題出發，協助企業保留經驗、界定 AI 可支援的任務，再以小範圍試辦確認品質、淨工時與人工覆核負荷。 閱讀研究與試辦評估框架
以現場數據留在內網、應用在內網運行為原則。開發時對外提供經核准的需求與程式碼；需要外部 AI 的功能，另行確認資料邊界。
把企業內部的經驗，累積成自己的能力與資產。成熟工具可以採用，自己的判斷方法與改善能力，仍需要在內部累積。
企業裡就有最懂工作的專家：電力與設備工程師、製程人員、能源管理人員，以及現場老師傅。我們協助找出這些專業，把工作方法轉成可驗證、可修改、可傳承的應用。
EDC 是持續沿用的品牌縮寫，隨賦能迭代，由高效資料收集與分散式控制，經 AI 資料核心，發展為 Embodied Digital Craftsman（數位工匠）。目前產品為 EDC BOT BOX，持續整合現場資料、AI Coding 與受控任務能力。懂工作的人不必先成為軟體工程師，也能主導自己的工作工具。
我們協助專家養成 AI 訓練師的能力：把工作說清楚、把判斷規則整理好，並驗收與持續改善應用。顧問、設備商與系統整合商協助落地，主導權留在企業。
再依工作需求整合設備與流程，讓應用逐步成為參與現場工作的 AI具象職員（AI數位員工）。能力與安全邊界，依整合條件及驗收結果確認。
BOT BOX｜一機一匠
硬體沒有換，能做的工作持續增加。
從解決設備連接困難，到協助用戶開發應用，再到受控的 BOT 任務協作，我們持續處理同一個問題：專業人力有限，現場工作卻需要有人接手。
早期 EDC 為 Efficient Data Collection & Decentralized Control System（高效資料收集與分散式控制系統）；其後延伸為 AI 資料基礎與機上盒，現以數位工匠 BOT BOX 持續發展。
AI Coding 應用開發
讓懂電力、設備與製程的人說出工作方法，由 AI Coding 協助開發自己的應用，再由專業人員驗收。
EDC BOT BOX
在資料基礎上整合模型、工具、Skill 與任務權限，朝能查證、執行授權任務與回報的數位工匠持續演進。
同一台 miniPC，從採集到分析、應用，再到 BOT。
客戶先用同一台 miniPC 把設備資料採集與保存做好，再透過 EDC 軟體、工具與 Skill 的持續升級，依工作需要加入分析、AI 協作開發與 BOT 任務。持續賦能 EDC，也協助客戶把已累積的資料與經驗用在更多工作上；不必一開始就導入全部功能。
能力擴充以版本相容、運算與儲存資源及授權條件為準；AI 模型可依配置使用外接企業大腦或雲端服務。
了解 EDC BOT BOX從一台設備、一項任務開始。
AI EMBODIED ENGINEER
從一句交辦，到有依據的報告與看板。
AI具象工程師理解您的需求，對接適用的 Python 算法，再把分析報告與現場守門員交回您手上。
- 01
理解任務
用自然語言說明設備、時間與目的，只補問真正缺少的資訊。
- 02
對接算法
優先重用既有成果，由可信 Python worker 處理資料與計算。
- 03
交付報告
先回答問題，再交代關鍵數字、資料限制與下一步。
- 04
持續守門
從手機開啟需量、諧波或能耗碳排看板，依設定持續監看。
同一台工業 IPC，整合 BOT BOX 與 MCP Server。
- vCAN：機器 → AI通信模組 → 串聯至 BOT BOX
- ModbusTCP：機器 → 交換機 → BOT BOX
資料基礎：肯革陸科技 ASNS／EDC／vCAN。具象職人負責工作設計、應用整合與驗收協作。
聊聊您希望 AI 接手的工作
1 / 35
EXPERTISE × AI × FIELD DATA
從專家的工作方法，到現場能用的能力。
ASNS｜AI Sensory Nervous System（AI感知神經系統），串起現場感知、資料治理與專業應用。 看懂 ASNS 架構
DEVELOP WITH AI · RUN LOCALLY
需要更多細節？看開發、運行與責任分工。
開發：把方法做成程式
依需求選擇合適的 AI 工具，協助整理需求、實作與修改。對外僅提供核准的需求與程式碼，不上傳原始現場數據。
數據：EDC 留在現場內網
EDC Runtime｜EdgeAI Data Core（AI通信基座）記錄設備數據，應用透過核准介面在內網讀取。實際存取權限與網路配置依專案確認。
運行：程式優先，AI 按需
完成的應用可在內網獨立運行。固定計算、規則與報表由程式執行；需要語意理解或複雜判讀時，再依設計呼叫 AI。
成本怎麼控制？
AI 儘可能用於開發，運行時減少 token（模型處理文字的計費單位）消耗，讓費用可控。可設定呼叫條件、頻率、預算與人工覆核；是否可用及如何執行，需在開發與驗收時確認。
不呼叫模型的功能不產生模型 token 費用；使用 AI 推理的功能仍可能產生模型或算力費用。硬體、儲存、維運與開發工具費用另計，不承諾零 token 或總費用不隨用量增加。
資料與安全的邊界，由誰確認？
使用者提出工作、權限與資安要求；開發與整合方共同確認可行性、實作保護措施並提供測試。由懂工作的使用者與相關權責人員人工驗收，確認計算、異常處理、存取權限及交付範圍。
PLC（Programmable Logic Controller，可程式邏輯控制器）的控制迴路與安全聯鎖維持獨立，AI 不取代它們。若選擇雲端 AI，須另行核准傳送內容、資料保留與供應商政策；不能把所有 AI 應用都當成完全離線。
了解 AI 主權與資料邊界工具能力與實際成果，如何區分？
我們對工具所說明的功能與約定交付負責，不把工具能力直接宣稱為必然的節能、降本或效率提升。委託開發與整合服務，依約定範圍及驗收標準交付。
實際成效取決於需求、資料品質、專業方法與後續使用。行業專家定義工作並驗收；資料接入、部署及資安仍可能需要工程協作。
如何讓企業經驗累積成自己的資產？
不只留下應用，也要保存需求、判斷規則、程式碼、文件與驗收紀錄，讓後續人員能理解、驗證與持續修改。使用權、修改權、交付範圍與第三方授權，應在專案開始時釐清；不是使用 AI 開發，就自動取得所有權利。
外部夥伴協助開發與整合，企業內部專家持續掌握工作方法與驗收標準。目標是讓能力留在企業內，而不是排斥外部合作。
APPLICATION EXAMPLES
您的工作，決定應用的樣子。
需量守門員、諧波污染守門員、能耗／成本／碳排守門員與 AI Power Digital Twin，展示不同專業方法可以建立的應用。EMS／EGS 等畫面也是應用案例，不是 EDC 唯一能支援的固定 UI。