標案 3.82.15-115-062
競爭對手分析

信諾科技 公開事蹟（官網案例）

信諾科技 公開事蹟（官網案例）

用途：盤點 incumbent 的公開作品，作為服務建議書「為何我們勝過 incumbent」的差異化錨點。 蒐集日期：2026-05-17 來源：信諾科技官網 https://www.utrust.com.tw/cases（共 116 筆，本檔僅整理第 1 頁 12 筆，含本案最相關的 3 筆深度展開）

一、新北市環保局相關案例（與本案直接競爭）

1.1 新北樂圾車-垃圾清運資訊查詢網（108-109 年，2019-2020）

URL：https://www.utrust.com.tw/cases/5111530516

這是本案最重要的競爭證據——證明信諾在 110 年之前就已是 incumbent。

項目內容
執行年度民國 108-109 年（2019-2020）
機關新北市環保局
技術大數據分析、智慧運算、清運路線最佳化

主要功能：

  1. 主動分析清運路線最佳到站時間
  2. 清運點停留時間統計分析
  3. 路線整併分析（支援多種分析條件）

量化成果（信諾自述）：

  • 2020 年 10 月 篩出 17 條優先改善路線，平均準點率提升 32%
  • 2021 年 5 月 識別 122 個已常態停留 ≥ 5 分鐘的清運點
  • 識別 182 個潛在設置機動定點的清運點
  • 若全數設置 → 定點清運點將達 348 個，比 2021/1 的 226 個成長 53.98%

💡 投標啟示：本案計畫說明書（../計畫說明書-全文.md）「定時定點收運分析」工作項，正是信諾這個案例的延伸——這是他們的強項。新進廠商若不能在「定時定點分析」項目上提出更具體的演算法或新增指標，這個子項基本上敗給 incumbent。

1.2 新北垃圾收運小幫手：完整 RAG 架構（2026 年 1 月發布）

URL：https://www.utrust.com.tw/cases/6471532387

項目內容
發布日期2026-01
機關新北市環保局
技術RAG（檢索增強生成）+ NLP + 意圖識別 + HNSW 向量演算法 + MongoDB + Qdrant

核心架構：智慧分流

User 問題
   ├─ 即時型（清運站資訊）→ 直接調用垃圾車班表 API
   └─ 知識型（法規、回收知識）→ RAG 向量檢索

特色：

  • GPT Function Calling 將非結構化語句拆解為結構化參數
  • 差異化前端渲染
  • 毫秒級搜索 + 幻覺防控

💡 投標啟示：本案計畫說明書「AI 客服優化」工作項，信諾已經部署上線（2026 年 1 月發布）。新進廠商要在「創意」「可行性」兩子項勝過他們，需提出信諾未涵蓋的 AI 應用——例如多模態（照片辨識回收物）、預測性提醒（垃圾未收歷史模式預警）、跨縣市資料整合等。

1.3 生成式 AI 結合 RAG：24 小時智慧客服（2026 年 1 月發布）

URL：https://www.utrust.com.tw/cases/6591532375

項目內容
發布日期2026-01-22
機關新北市環保局
技術NLP + RAG + 智慧雙軌分流 + 多語系支援

四大核心：

  1. NLP：能理解「後天下午」等口語化時間表達
  2. RAG：解決 LLM 知識過時/幻覺問題
  3. 智慧雙軌分流：知識型 vs 即時型分別連接不同資料源
  4. 多語系：意圖識別跨語言

功能：

  • 垃圾分類諮詢、回收規定查詢
  • 即時垃圾車位置、清運點資訊
  • 多輪對話引導式問答
  • 跨單位資料協作更新機制

💡 投標啟示：1.2 與 1.3 顯示信諾在 2025-2026 年度（即上一個合約期內）已交付完整的 LLM 智慧客服系統。本案計畫說明書中的「AI 客服優化」對信諾來說只是「持續優化既有產品」；對新進廠商來說要「從零重建」。這是 ../交接風險.md 列舉的關鍵不對稱風險。

二、其他環境部/環工領域案例（顯示信諾的擴張野心）

2.1 信諾科技 Water AI™ 數位孿生（智慧水務）

URL：https://www.utrust.com.tw/cases/6591532175

領域：水務管理、污水處理數位孿生 技術：自有品牌 Water AI™

2.2 儀科中心 CVD 鍍膜數位孿生

URL：https://www.utrust.com.tw/cases/6091532125

領域：半導體製程數位孿生 機關：國家儀器科學研究中心

2.3 土壤地下水污染地圖圖臺

URL：https://www.utrust.com.tw/cases/6591532070

領域：GIS 環境地理資訊 功能：揭示土壤與地下水污染全貌

2.4 感測器監測底層信任

URL：https://www.utrust.com.tw/cases/6731532056

領域：IoT 感測器資料完整性、區塊鏈/雜湊驗證

2.5 砂石產業資料治理

URL：https://www.utrust.com.tw/cases/6851532044

領域：產業監管、資料透明化

2.6 碳費申報智慧系統

URL：https://www.utrust.com.tw/cases/6971532032

領域：環境部碳費申報、ESG

2.7 奧創 AI：廢棄物回收率智能預測

URL：https://www.utrust.com.tw/cases/6091532020

領域：廢棄物管理 AI 預測 技術：自有品牌「奧創 AI」智能預測引擎

2.8 全台廢棄物管理數位轉型

URL：https://www.utrust.com.tw/cases/6111532018

領域：環境部、全國規模廢棄物管理

2.9 整治費數位轉型申報系統

URL：https://www.utrust.com.tw/cases/6351531999

領域：環境部、整治費

2.10 三大智慧面板（環境衛生管理）

URL：https://www.utrust.com.tw/cases/6471531987

領域：環境衛生管理數位轉型

三、信諾競爭力速覽矩陣

技術領域信諾自述優勢對本案的威脅程度
政府網站維運新北樂圾車 ≥ 7 年實績🔴 極高
GIS / 地圖整合土壤污染地圖、樂圾車路線分析🔴 極高
AI 客服 / LLM / RAG2026/1 已上線 RAG + GPT Function Calling🔴 極高
大數據分析（路線最佳化）32% 準點率提升、348 定點分析🔴 極高
數位孿生Water AI™ + CVD 鍍膜🟡 中（本案未明示需求，但可作為提案加分）
IoT / 感測器監測底層信任案例🟡 中（GPS 車機本質也是 IoT）
碳費 / ESG 申報環境部級實績🟢 低（與本案無直接關聯）

四、結論：新進廠商的差異化空間

信諾在「新北樂圾車本身」幾乎無懈可擊，但有 3 個面向是新進廠商有機會切入的：

4.1 信諾的能力盲點

從 12 筆案例沒看到的能力：

  • ❌ 無行動 App 開發實績（樂圾車是網站，不是 native app）—— 本案計畫說明書要求「行動版改版」，可主打漸進式網頁應用 (PWA) + 多端推播
  • ❌ 無多模態 AI 應用（影像、語音）—— 可主打「拍照辨識回收物」「LINE 語音查詢」
  • ❌ 無清潔隊員工側 SaaS（樂圾車是公民側）—— 可主打「清潔隊長行動工單系統」
  • ❌ 無預測性提醒 —— 可主打「清運異常 LSTM 預警 + LINE 通知民眾」

4.2 信諾跨度大反成弱點

信諾官網把案例範圍從水務、半導體、砂石、碳費、廢棄物全部展現出來——廣度有了，但「樂圾車的單一聚焦」反而模糊。

新進廠商若只專注垃圾清運與市政服務，在服務建議書中可強調「我們不做半導體不做砂石，所有人月都投入本案」，這在「標價組成合理性」評分中是有效論述。

4.3 信諾未公開的弱點（推測）

  • 連續 7 年承接 → 系統可能累積技術債（老舊架構、未現代化）
  • 信諾官網案例多為 2024-2026 發布 → 表示技術升級是近 1-2 年才發生，過往可能維運品質不顯著創新
  • 評委如果厭倦了「每年都是同一家」的格局，任何新提案都有正面加分

五、相關文件

六、待補事項

  • 信諾官網第 2-10 頁案例（共 116 筆，本檔僅 12 筆）—— 完整盤點其他可能威脅本案的案例
  • 比對信諾在其他六都環保局（北、桃、中、南、高）的得標紀錄 —— 評估其「跨縣市複製」實力
  • 從信諾招募網頁推估員工規模（utrust.com.tw 是否有徵才版） —— 評估其人力資源深度
  • 是否有 GitHub / 技術部落格 / Medium —— 評估技術深度（公開技術內容多寡）

信諾科技 公司基本資料

544 台 GPS 車機歷史朔源