研究
在 APMIC，我們致力於推動 AI 技術研究與應用創新，深耕私有化 LLM、模型微調（Fine-tuning）、蒸餾等前瞻技術。我們不僅專注於開發最適合企業的 AI 解決方案，更希望透過淺顯易懂的方式，將我們的研究成果分享給更多人，讓 AI 技術不再是艱深的專業知識，而是每個人都能理解並應用的強大工具。
深耕 AI 語言模型十年
自 2017 年創立以來，我們始終專注於一件事——打造更適合產業的垂直主權AI模型。
關鍵里程碑摘要：
-
2017 - 2022： APMIC 成立，率先佈局自然語言處理領域，研究 BERT、GPT-2、PaLM 等世界級技術
-
2023 - 2024： CaiGunn 模型問世，導入 MoE 架構，效能大幅躍進。
-
2025 以後： 發布 ACE 繁中系列模型，以更輕量、更精準、更符合企業應用的邏輯推論能力，重新定義企業 AI 應用
CaiGunn 34B
APMIC 繁中通用語言模型
於 2024 年 1 月登上由 Hugging Face 設立的全球開放大語言模型排行榜，以平均分數 71.19 暫居全球第 64 名，並榮獲臺灣第 1 名，成為臺灣在國際語言模型領域的重要里程碑。
CaiGunn 34B 採用 APMIC 自研的 Brainformers 架構，結合 LLaMA 模型基底，融合 Mamba 動態計算流程、Transformer 架構與 Mixture of Decoding Experts（MoDE）技術，打造具備高精度與靈活性的生成能力。全模型運行於 NVIDIA NeMo Framework 上，具備高效的分散式訓練與推理部署能力，支援企業在地端導入與私有化應用需求。
APMIC 繁中推理模型、多模態模型
ACE 模型是 APMIC 菁英 AI 模型團隊基於「 PrivModel 微調與蒸餾解決方案」打造的繁體中文模型，也全台第一批通過政府 AI 評測機構（人工智慧評測中心 AIEC）語言模型可信任測試的產品。訓練資料涵蓋核心繁體中文語料領域，包含專業知識、科學技術、台灣人文社會，能有效處理複雜邏輯與長文本任務。
企業得以輕鬆打造專屬的地端模型，無論是在中低階 GPU 或嵌入式平台上部署，皆可順暢運行並即時回應，大幅降低導入 AI 解決方案的技術與成本門檻。
搭配 PrivStation 一站式 AI 解決方案執行超多方便應用，例如公文與報告生成、文件審查、公文檢索等應用，適合金融、政府、製造產業等領域使用。
.png)
【模型訓練技術論文】使用 NVIDIA NeMo 進行多節點指令微調：擴展 Qwen2.5-32B 並重塑 s1 模型
APMIC 研發部門研究員 / LLM 工程師 Ethan Kuo
APMIC 內部以 NVIDIA NeMo 進行跨節點分散式訓練，沿用 s1K 的 1,000 筆數理推理資料，對 Qwen2.5-32B-Instruct 進行微調以重現論文觀察。由於當時（2025/03）NeMo 正由 1.0 遷移至 2.0，且 NeMo 2.0 尚未完整提供 Qwen2.5-32B 的現成 recipe，我們手動修補了訓練配置與流程，並在 16 張 H100 的跨節點環境完成訓練。本篇文章將整理環境與設定修補重點、訓練流程，以及微調前後在 benchmark 上的結果與觀察。
使用 DevOps 工作流程對 FunctionGemma 模型進行微調，並部署為 Google ADK Agents
APMIC MLOps 工程師 Simon 劉育維
受邀參加 Twinkle AI 一週年線下活動暨 GDG Build with AI 2026，分享 FunctionGemma 模型介紹、實作流程、成果展示與實務結論，探討 AI 開發落地經驗。
[ DevOps in AI Agent ] 評估 AI Agent 是否能夠上線的測試功能介紹 — Google ADK AI Agent Evaluation 技術實作篇 (2/2)
APMIC MLOps 工程師 Simon 劉育維
在此篇文章中，我將會帶著大家以三個面向方式，實作 ADK Evaluation，但如果沒有帶到的部分，或者官方有更新的話，再請大家閱讀 ADK Evaluation 的文件了。
[ DevOps in AI Agent ] 評估 AI Agent 是否能夠上線的測試功能介紹 — Google ADK AI Agent Evaluation 概念介紹篇 (1/2)
APMIC MLOps 工程師 Simon 劉育維
本文將深入介紹 Google ADK Evaluation 的設計理念與實際功能，說明它如何協助開發者在機率性與可變性的環境中，依然維持對 AI Agent 的品質掌控與開發信心。
歡迎來到 Gemmaverse：分享關於 Gemma 的歷史，以及最新在 Google I/O 的模型 Gemma 3n的比較
APMIC 創辦人兼執行長 Jerry Wu
在 I/O Extended Taipei 活動中，APMIC 創辦人暨執行長 Jerry Wu 也深度分享了 Gemma 模型的演進歷程，並解析全新推出的 Gemma 3n 與系列模型（TxGemma、SignGemma、DolphinGemma）在各場景下的應用差異與潛力。
運用 Google AI 技術快速打造多模態應用原型
APMIC MLOps 工程師 Simon 劉育維
APMIC MLOps 工程師劉育維（Simon Liu）受邀參與 Google Cloud Summit Taipei，現場展示如何結合 Google Gemini 強大 AI 模型，透過自然語言快速打造多模態應用原型（Prototype）。不論是圖像、文字還是結構化資料，只需一段對話，即可實現概念轉化，讓創新更有效率地落地。
.jpg)
Knowledge Distillation in Enterprise AI
APMIC 創辦人兼執行長 Jerry Wu
APMIC CEO Jerry 受邀於 2025 Generative AI 開發者年會演講，分享模型微調與蒸餾技術如何解決企業落地的挑戰，真正打造專屬的主權AI，現場獲得許多開發者的迴響與討論
透過知識蒸餾與測試階段擴展提升，LLM 準確度與運算效率
APMIC 創辦人兼執行長 Jerry Wu
APMIC CEO Jerry 更受邀於 GTC Taipei 演講，分享我們在 AI 模型精煉與商業化應用上的第一手經驗，引發現場熱烈回響，與國際技術社群深度對話，拓展更多合作可能。
私有化 LLM 怎麼導？APMIC x 研華揭開企業 AI 部署實戰關鍵！
APMIC 共同創辦人兼產品負責人 Eli
受到研華邀請，參與digitimes研討會， APMIC 分享他們在製造、金融、政府機構導入私有化 LLM 的第一手經驗，深入解析：為什麼「知識管理」是最適合 LLM 的第一步？APMIC 如何用自訓模型、資料蒸餾與微調技術強化回應品質？