面對可能具有高機敏性對話會議資料之企業或機構客戶，公司可為客戶建立 AIspeakin 私有雲或地端 AIspeakin 軟硬整合設備裝置，讓客戶能在保護機敏性會議對話資料不外傳的前提下，同時能享有 AIspeakin 即時自動語音辨識轉寫與多語同步翻譯，帶給同仁在工作與跨國溝通的便利性及高效率，以 AIspeakin 同步翻譯代理人的隨時隨需協助，賦能人類在工作與生活品質上同時增益的理想境界。
邊緣AI軟硬整合
邊緣AI軟硬整合之輕量級深度學習或機器學習模型，可應範圍包含「智慧點餐」、「智慧導覽」、「智慧諮詢」等特定領域專用的語音語意互動式AI，也可訓練企業、政府、醫療院所等單位專有的大語言模型LLM，搭配環球睿視Ubestream的語音辨識模型/翻譯模型/語音生成模型，建置企業、政府、醫療院所專有的智慧語音互動AI代理人，以私有雲或地端方式布署，保有資料安全性、隱私性及正確性。
語音互動AI智慧點餐
語音互動AI智慧查詢
AI智慧虛擬顧問
AIspeakin Edge AI x MSI EdgeXpert MS-C931
於 NVIDIA DGX Spark 平台所開發的 MSI EdgeXpert MS-C931 桌上型 AI 超級電腦（以及同級的華碩 Ascent GX10），其核心搭載的 NVIDIA GB10 Grace Blackwell 晶片能提供高達 1,000 AI TOPS (FP4) 的張量運算算力。
關鍵性能與技術規格
- 1,000 AI TOPS 的算力：採用最新的第五代 Tensor Cores，在 FP4 精度格式下能輸出 1,000 TOPS（或高達 1 petaFLOP 稀疏性）的 AI 算力。
- 整合式系統晶片 (SoC)：GB10 完美整合了 20 核心的 ARM 架構 Grace CPU 與 Blackwell 架構 GPU。
- 128 GB 統一記憶體：配備高達 128GB LPDDR5x 記憶體。透過 NVLink-C2C 技術讓 CPU 與 GPU 共享記憶體架構。
- 運行超大 LLM 模型：高達 128GB 的統一記憶體使它能於地端獨立運行高達 2,000 億參數 (200B) 的 AI 模型（如 DeepSeek、Meta Llama 3 或 Google 晶片模型）。
- 多機雙重串聯擴充：機身內建高速 200 Gbps NVIDIA ConnectX-7 NIC 網路介面卡。可直接將兩台主機串聯，將算力與記憶體擴展至能處理 4,050 億參數 (405B) 的超大型模型訓練任務。
AIspeakin Edge AI x Intel® Core™ Ultra 155H
INTEL® CORE™ ULTRA 155H · EDGE AI PLATFORM
AIspeakin Edge AI x Intel® Core™ Ultra 155H
搭載 Intel® Core™ Ultra 155H 的邊緣 AI 平台，整合高效能 CPU、NPU 與多模態 AI 引擎，能在本地端執行語音、翻譯與對話推論，為智慧城市、醫療、企業與交通場域，提供高隱私、高穩定的邊緣 AI 服務。
●Edge AI Inference
●AIspeakin Offline Engine
●Multilingual Transcription & Translation
●Secure On-Premise Deployment
Intel 155H Edge-ready
Offline Multilingual Speech Transcription & Translation
Healthcare / Defense Friendly
核心功能亮點
- 高效 AI 推論能力：可同時執行多種 AI 模型。
- 多模態邊緣 AI：同時處理語音辨識、語言翻譯。
- 工控級可靠度：24/7 運作、低功耗，高穩定性，適合長時間運作場域。
- 資料在地留存：支援完全離線或企業內網部署，強化隱私與資安控管。
- 資料不離場域：對話內容與紀錄皆保存於院內機房、控制中心或企業內網。
- 適合高資安要求場域：例醫療、國防、運輸營運等對機敏機料與隱私特別注重的產業。
- 低延遲且高穩定：不受外部網路品質影響。
Benchmark 與效能測試
Intel® Core™ Ultra 155H 在語音辨識 (ASR) 與翻譯任務中的 CPU / GPU / AUTO 模式效能如下，
可對應不同場域針對延遲與效能的需求進行調整與選用。
模型模式 A
| No | Language | Audio Duration | ASR CPU | ASR GPU | ASR AUTO | Trans CPU | Trans GPU | Trans AUTO |
|---|---|---|---|---|---|---|---|---|
| 1 | English | 2.11 min | 68.95s | 35.64s | 38.12s | 52.75s | 23.75s | 22.91s |
| 2 | Japanese | 35 sec | 21.39s | 11.60s | 11.71s | 16.95s | 19.33s | 17.62s |
| 3 | Mandarin | 11 min | 319.90s | 170.92s | 212.73s | 89.21s | 30.33s | 31.95s |
模型模式 B
| No | Language | Audio Duration | ASR CPU | ASR GPU | ASR AUTO | Trans CPU | Trans GPU | Trans AUTO |
|---|---|---|---|---|---|---|---|---|
| 1 | English | 2.11 min | 31.95s | 31.57s | 34.41s | 29.34s | 25.13s | 23.35s |
| 2 | Japanese | 35 sec | 11.19s | 9.69s | 10.39s | 16.77s | 19.08s | 17.44s |
| 3 | Mandarin | 11 min | 167.38s | 153.20s | 187.05s | 87.73s | 30.61s | 32.24s |
模型模式 C
| No | Language | Audio Duration | ASR CPU | ASR GPU | ASR AUTO | Trans CPU | Trans GPU | Trans AUTO |
|---|---|---|---|---|---|---|---|---|
| 1 | English | 2.11 min | 32.64s | 33.27s | 32.38s | 30.81s | 27.97s | 24.48s |
| 2 | Japanese | 35 sec | 11.07s | 7.93s | 8.67s | 17.28s | 22.06s | 20.11s |
| 3 | Mandarin | 11 min | 160.00s | 124.30s | 153.66s | 85.67s | 30.88s | 31.75s |
效能結論
- GPU 模式在大部分語音辨識任務中可帶來約 2× 以上加速，特別是長音檔（如 11 分鐘中文）。
- 翻譯任務在 GPU 與 AUTO 模式的延遲明顯較低，適合需要快速回應的互動場景。
- AUTO 模式能依語音長度與負載動態分配資源，適合中長音檔或多模型同時運行。
- 整體而言，Intel 155H 搭配本地 AI 引擎，能在離線與高安全需求場域提供即時且穩定的多語語音服務。
