大陸經濟成長趨緩，上海台商、業基科技的業績卻依然上衝，憑藉的是在汽車廠、飛機工廠等客戶的產品還沒出生前，就在電腦裡先把每一顆螺絲、每一片鋼板「檢查到毫釐不差」，把可能造成數百萬損失、甚至安全疑慮的錯誤，全部消滅在虛擬世界。
虹口北外灘，是上海新近強勢崛起的新都心，重要性與陸家嘴、外灘並列。台商、業基科技，租下寸土寸金的黃金地段做辦公室。誰也想不到，它不屬於台灣最強的製造業，而是一家做AI軟體的「賣腦公司」。
知名陸廠如阿里巴巴、字節跳動都在做AI，名不見經傳的業基科技，憑什麼在大陸對手環伺下，依舊占得一席之地？
「比亞迪、長城汽車、北京中關村、上海深坑酒店，都曾經是我客戶，」業基科技總經理葉人魁說：「大概只有市值千億以上的客戶，比較容易成為我們的客戶，因為他們的業務痛點會比較複雜跟成熟。」
台北長大的葉人魁猶然記得，某一天，在一間中國大陸頭部車廠的專案會議室。首批改款車型的試製件剛從產線下來，供應商好不容易把所有節點壓到最後一刻趕出來，大家原本鬆了口氣，覺得「終於可以喘一下了」。
車廠的工藝部門照例做抽檢，盯著螢幕上一張又一張的量測與檢測報告，氣氛輕鬆。突然，現場安靜下來。
因為他們發現在某個安裝孔附近，加強結構的曲面，有一小段破損。也就幾毫米，藏在非常刁鑽的位置，肉眼看不出來，3D 圖也看不出異樣，但量測數據顯示「不對勁」。
看不見的錯，最後用真金白銀來救
內行人就會知道，這一點點缺口，足以影響車子的裝配強度與密封性能。若是量產後才被發現，後果將非常嚴重──模具要重開，整批報廢，工期至少往後拖一個月，直接損失就是好幾百萬。
然而，這類「幾毫米危機」，對做了十幾年「產品資料品質」（Product Data Quality，PDQ）的業基科技來說，一點都不陌生。如今加入AI的協助，更是如虎添翼。
葉人魁說，現在不管是整車、飛機還是手機，在真正做出來之前，其實都會在電腦裡「先活一次」，亦即做成 3D 數位模型，在虛擬世界反覆組裝、碰撞、模擬各種極端情境。
聽起來很先進，但問題就出在這裡。只要建模步驟有問題，或不同軟體轉檔時失真，這些「看不見的缺陷」就會潛伏在模型裡，最後一定會在某一關「爆出來」，不是模具加工一直 NG，就是現場裝配組不起來，乃至品質檢驗過不了。這家車廠後來全面導入業基科技的 PDQ（產品資料品質）系統，在資料下發之前，先做一次「數位體檢」，包括幾何完整性、孔位一致性、曲面是否完全閉合等，一項一項過。
隨著幾個專案做出成效，這家車廠乾脆把規則寫死：凡是關鍵模型，沒通過 PDQ 流程，一律不得下發加工。
不是工程師不專業，而是「上游資料不乾淨」
多數人第一次聽到 PDQ，第一反應大概是：「聽起來很專業，但跟我有什麼關係？」
葉人魁的比喻很接地氣，它就像你開車或搭飛機時的「底盤與結構」，表面絕對看不出來，但它決定了你這趟旅程穩不穩、安不安全。
他舉了一個所有開過車的人都懂的例子，如果汽車外殼在建模時，有不連續、破面或幾何邏輯錯誤，那麼在沖壓板金加工時，現場人員就得一直調整、修模、改噴漆參數。
假使沒調好，成品外觀就會出現肉眼可見的波紋、折痕。車體裡面呢？內裝裝配間隙可能太大，車子開久了，異音、震動、風切聲就會明顯放大。
「這就是為什麼，有些德日系高階車款開了很多年還是很安靜、很穩；有些車，剛買的時候覺得還好，兩三年之後就愈開愈吵。」葉人魁說得很直接。
這些問題，很多都不是工程師技術不好，而是工程模型裡本來就埋了錯誤，或是不同軟體之間轉檔時失真，有的則是版本混亂，導致後面的人拿錯資料開工。本質上就是5個字：資料不乾淨。
AI被「髒資料」卡死？
2020年，Gartner一項針對145家大型企業的調查發現，每年因不良資料造成的直接損失，平均達1250萬美元（約新台幣3.75億元）。在AI應用爆發的近幾年，這個金額只會更高。
在大數據與AI的年代，資料的時效性、版本控制、格式相容、上下游一致性，這些通通都會決定最後AI給出的答案，可不可靠。
為客戶系統地做資料治理工程的業基科技，抓住行業痛點，於是進入上升軌道。
2025年，業基科技的新客戶成長率達18％，獲利率比前一年提升22％。葉人魁認為，這不只因為前期研發投入開始開花結果，更重要的是客戶之間的口碑推薦，遠勝任何廣告。
「我們在做的PDQ，本質就是在數位世界，把未來可能變成車輛召回原因的問題，儘量先消滅掉。」葉人魁說得很乾脆。
但也別以為這好像只是大企業、車廠、工程師才需要煩惱的事，資料乾不乾淨，已經在默默影響每個人的生活，特別是許多人每天用的各種AI服務，準不準、偏不偏，也都被背後那堆資料決定。
「要讓對的資料在對的時間，一次給到對的人，做對的事。」葉人魁指出，在AI滿天飛、算力愈來愈貴、每一秒錯誤決策都可能放大成本的時代，這句話不再只是口號，而是活生生的生存法則。
葉人魁判斷，未來幾年，企業裡一堆彼此孤立的系統，如ERP、PLM、MES等，會逐漸被更整體的AI商業架構取代，各種AI代理人（AI Agent）會開始接手大部分日常流程與決策。到那時，企業之間的競爭，很大一部分其實是在比：誰的AI代理人模式比較成熟。
而成熟與否，先決條件自然就是「資料乾不乾淨？」
