研究

追查可靠工作背後的條件

人工智慧研究從身分、政策與證據出發，檢視它們如何影響工業與組織決策。

研究把雲原生基礎架構、零信任、邊緣安全與工業 AI 連到營運現場的實際選擇，讓每項決策都能留下依據。

研究主線

持續追問的研究方向

每條主線都從一個具體的營運問題出發，延伸到技術設計、治理方式與可觀察的行為。

邊緣零信任
邊緣節點離雲端最遠，也最容易在無人察覺時失守。這條主線讓每個節點持續以硬體根源的證據證明自身可信，並在與雲端失聯時仍能於現場守住邊界。
雲原生系統
系統宣告期望的狀態，並持續收斂到那個狀態；零件可以替換，每一次變更都能回溯。這條主線讓這些性質從資料中心延伸到工廠現場，以及企業自有的伺服器。
數位企業治理
把存取控制、職責分離、風險審查與營運規則放進同一套治理框架，追蹤零信任原則如何從單一系統，延伸到整個組織的決策。
AI 代理治理
當 AI 開始代替人操作系統，權限就不能只是設定畫面上的一格。這條主線讓 AI 的每一項能力都能逐項授權、無法自行擴張，並在每一次呼叫留下可追溯的紀錄。
有依據的工業 AI
工業現場容不下自信的錯誤。這條主線讓 AI 以工廠自己維護的知識為權威、每個數字都由資料算出，並在沒有依據時明白說出未知，而不是臆測。
在自有機器上運行的文件 AI
企業的知識大多藏在掃描檔、簡報與試算表裡，要讀懂它們，往往需要同時運行好幾個視覺語言模型。這條主線把這些模型與它們不斷增長的快取，放進企業自有的一台機器的固定記憶體，並量測每一種記憶體分配方式在速度、回答品質與穩定性上的代價。
可被評估的機器記憶
AI 對每台機器的認識應該隨時間累積，它的可靠程度卻不能只憑相信。這條主線保留每一個結論的來源與後續結果，讓 AI 學到的東西能被評估，而不只是被信任。
工業資料標註
工業模型的品質取決於資料。這條主線研究語言與視覺模型如何分擔工業資料集的人工標註，同時守住最終資料的品質。
從能源數據到決策
能源數據往往只被記錄，很少被使用。這條主線研究電表與設備的讀值如何轉成可以採取行動的判斷，並讓同一份紀錄撐得起能源稽核所需的依據。
規則即資料
費率與級距年年調整，過去的數字卻必須維持原樣。這條主線讓規則成為帶有生效期間的資料，使每一筆依規則算出的結果，都記得它所依據的版本。

方法

在決策承受重量的地方驗證想法

問題會在架構、資安控制、組織角色與營運紀錄之間來回檢驗。實驗與評估讓假設清楚可見，現場條件則檢視結論離開受控環境後是否仍然有用。

有力量的研究結果，既能指引技術邊界，也能改善邊界周圍的決策流程。

研究成果

閱讀實務背後的研究

Laysi 沿著多條主線推進人工智慧研究，在真實條件中驗證，並公開發表經得起檢驗的成果。

Future Generation Computer Systems
Zero-trust node security for KubeEdge: A policy-as-service architecture and reliability evaluation
遭到入侵的邊緣節點，仍可能看似正常地運作。研究讓節點持續以硬體根源的證據證明自身可信，並在驗證失效或與雲端失聯時於現場自主隔離，其可靠性以 900 次自動化實驗評估。
Preprint
Allocating a Fixed Memory Budget in Visually Rich Document RAG: An Empirical Study on Unified-Memory Edge Hardware
要讀懂掃描檔、簡報與試算表，往往需要同時運行好幾個視覺語言模型。研究把其中三個模型與應用程式堆疊放進一台公版機器的記憶體，並從速度、回答品質與穩定性，評估十二種分配記憶體的方式。