勤跑地方會勘，孟楷與服務團隊持續為鄉親打拼！

一、接獲林口嘉寶里居民陳情，因當地部分住家鄰近西濱道路，長年以來車輛行駛噪音不斷，嚴重影響當地居民生活安寧，希望施作隔音牆改善音害問題；為了解決問題，邀集交通部公路總局、新北市環保局、林口區公所及林口嘉寶里辦公處，現場會勘，以下結論跟鄉親報告：

1.經實地勘查，該段17.5公里處原有設置隔音牆但位置無法有效隔阻噪音，游段長承諾會指示承包商將隔音牆往北移動40公尺，以民宅為中心向兩邊開展以更好發揮隔音牆效果。

2.該段19K、18.5K及18.8K三處有民宅的路段，里長會陸續要求住戶簽署噪音檢測同意書至新北市環保局。如果噪音值超標，會儘速裝設隔音牆，倘若未超標但確實影響里民生活，游段長也會按每年編列的預算來逐步施作隔音牆。

3.同時也檢視隔音牆周遭，該段19K公里處民宅旁的水溝蓋確認內部並無崩壞的現象；游段長同意如果住戶認為該排水孔會造成土石流失、地層下陷，會請屋主書面簽妥志願封閉排水孔同意書至辦公室，公路總局會立即將原本的排水孔完全封閉。

二、接獲泰山里民陳情，區內社區因不明原因漏水長達數年，近日更如噴泉般湧出，耗損的水費每期多了近數百元，因屬於私人管線，社區嘗試許多方法始終找不出原因；為了解決問題，邀集台電、台水、新北市宋明宗議員辦公室、泰山區公所、同榮里里長辦公處及當地石油氣供應商，現場會勘。以下將結論報告鄉親：

1.經現場了解，該段因長年車輛行駛至管線有破損，現場各單位一致同意以開挖的方式，徹底找出破損管線，從而根本解決問題。

2.現場也要求相關單位儘速提出評估報告供施工單位來開挖；儘早發現問題，讓社區居民早日脫離長年漏水的惡夢。

認真做、用心拚！孟楷與服務團隊會持續打拼，讓鄉親的問題儘速獲得改善！也請鄉親發現問題，即時告訴地方團隊，讓我們一起來努力解決！加油。

迎接終端AI新時代：讓運算更靠近資料所在

作者 : Andrew Brown，Strategy Analytics
2021-03-03

資料/數據(data)成長的速度越來越快。據估計，人類目前每秒產出1.7Mb的資料。智慧與個人裝置如智慧型手機、平板電腦與穿戴式裝置不但快速成長，現在我們也真正目睹物聯網(IoT)的成長，未來連網的裝置數量將遠遠超越地球的人口。

這包括種類繁多的不同裝置，像是智慧感測器與致動器，它們可以監控從震動、語音到視覺等所有的東西，以及幾乎大家可以想像到的所有東西。這些裝置無所不在，從工廠所在位置到監控攝影機、智慧手錶、智慧家庭以及自主性越來越高的車輛。隨著我們企圖測量生活週遭數位世界中更多的事物，它們的數量將持續爆炸性成長。

資料爆量成長，讓許多企業把資料從內部部署運作移到雲端。儘管集中到雲端運算的性質，在成本與資源效率、彈性與便利性有它的優點，但也有一些缺點。由於運算與儲存在遠端進行，來自終端、也就是那些在網路最邊緣裝置的資料，需要從起始點經過網際網路或其他網路，來到集中式的資料中心(例如雲端)，然後在這裡處理與儲存，最後再傳回給用戶。

對於一些傳統的應用，這種方式雖然還可以接受，但越來越多的使用場景就是無法承受終端與雲端之間，資訊被接力傳遞產生的延遲。我們必須即時做出決策，網路延遲要越小越好。基於這些原因，開始有人轉向終端運算；越來越多人轉而使用智慧終端，而去中心化的程度也越來越高。此外，在這些即時應用中產生的龐大資料量，意味著處理與智慧必須在本地以分散的方式進行。

與資料成長連袂而來的，是人工智慧與機器學習(ML)也朝終端移動，並且越來越朝終端本身移動。大量來自真實世界的資訊，需要用ML的方式來進行詮釋與採取行動。透過AI與ML，是以最小的延遲分析影像、動作、影片或數量龐大的資料，唯一可行且合乎成本效益的方式。運用AI與ML的演算法與應用將在邊緣運作，在未來還將會直接在終端裝置上進行。

資料正在帶動從集中化到分散化的轉變

隨著資訊科技市場逐漸發展與成熟，網路的設計以及在其運作的所有裝置，也都跟著進化。全盛時期從服務數千個小型客戶端的主機，一直到客戶端伺服器模型中使用的越來越本地化的個人電腦運算效能，基礎架構持續重組與最佳化，以便更貼近網路上的裝置以及符合運作應用的需求。這些需求包含檔案存取與資料儲存，以及資料處理的需求。

智慧型手機與其他行動裝置的爆炸性成長，加上物聯網的快速成長，促使我們需要為如何讓資產進行最佳的部署與安排進行評估。而影響這個評估的因素，包括網路的可用性、安全性、裝置的運算力，以及把資料從終端傳送到儲存設備的相關費用，近來也已轉向使用分散式的運算模型。

從邊緣到終端：AI與ML改變終端典範

在成本、資源效率、彈性與便利性等方面，雲端有它的優點，裝置數量的急遽增加(如圖2)，將導致資料產出量大幅增加。這些資料大部份都相當複雜且非結構化的，這也是為何企業只會分析1%~12% 的資料的原因之一。把大量非結構化的資料送到雲端的費用相當高、容易形成瓶頸，而且從能源、頻寬與運算力角度來看，相當沒有效率。

在終端執行進階處理與分析的能力，可協助為關鍵應用降低延遲、減少對雲端的依賴，並且更好地管理物聯網產出的巨量資料。

終端AI：感測、推論與行動

在終端部署更多智慧的主要原因之一，是為了創造更大的敏捷性。終端裝置處於網路的最邊緣與資料產生的地方，可以更快與更準確地做出回應，同時免除不必要的資料傳輸、延遲與資料移動中的安全風險，可以節省費用。

處理能力與神經網路的重大進展，正協助帶動終端裝置的新能力，另一股驅動力則是對即時資訊、效率(傳送較少的資訊到雲端)、自動化與在多數情況下，對近乎即時回應的需求。這是一個三道步驟的程序：傳送資料、資料推論(例如依據機器學習辨識影像、聲音或動作)，以及採取行動(如物件是披薩，冰箱的壓縮機發出正常範圍外的聲音，因此發出警告)。

感測

處理器、微控制器與感測器產生的資料量相當龐大。例如，自駕車每小時要搜集25GB的資料。智慧家庭裝置、智慧牙刷、健身追蹤器或智慧手錶持續進化，並且與以往相比，會搜集更多的資料。

它們搜集到的資料極具價值，但每次都從各個終端節點把資料推回給雲端，數量又會過多。因此必須在終端進行處理。倘若部份的作業負載能在終端本身進行，就可以大幅提升效率。

推論

終端搜集到的資料是非結構性的。當機器學習從資料擷取到關聯性時，就是在進行推論。這表示使用AI與ML工具來幫忙訓練裝置辨識物件。拜神經網路的進展之賜，機器學習工具越來越能訓練物件以高度的精準度辨識影像、聲音與動作，這對體積越來越小的裝置，極為關鍵。

例如，圖4顯示使用像ONNX、PyTorch、Caffe2、Arm NN或 Tensorflow Lite 等神經網路工具，訓練高效能的意法半導體(ST)微控制器(MCU)，以轉換成最佳化的程式碼，讓MCU進行物件辨識(這個的情況辨識對象是影像、聲音或動作)。更高效能的MCU越來越常利用這些ML工具來辨識動作、音訊或影像，而且準確度相當高，而我們接下來馬上就要對此進行檢視。這些動作越來越頻繁地從邊緣，轉移到在終端運作的MCU本身。

行動

資料一旦完成感測與推論後，結果就是行動。這有可能是回饋簡單的回應(裝置是開啟或關閉)，或針對應用情況進行最佳化(戴耳機的人正在移動中，因此會針對穩定度而非音質進行最佳化)，或是回饋迴路(根據裝置訓練取得的機器學習，輸送帶若發出聲音，顯示它可能歪掉了)。物聯網裝置將會變得更複雜且更具智慧，因為這些能力提升後，運算力也會因此增加。在我們使用新的機器學習工具後，一些之前在雲端或終端完成的關鍵功能，將可以移到終端本身的內部進行。

終端 AI：千里之行始於足下

從智慧型手機到車輛，今日所有電子裝置的核心都是許多的處理器、微控制器與感測器。它們執行各種任務，從最簡單到最複雜，並需要各式各樣的能力。例如，應用處理器是高階處理器，它們是為行動運算、智慧型手機與伺服器設計；即時處理器是為例如硬碟控制、汽車動力傳動系統，與無線通訊的基頻控制使用的非常高效能的處理器，至於微控制器處理器的矽晶圓面積則小了許多，能源效率也高出很多，同時擁有特定的功能。

這意味著利用ML工具訓練如MCU等較不複雜元件來執行的動作，之前必須透過威力更強大的元件才能完成，但現在邊緣與雲端則是理想的場所。這將讓較小型的裝置以更低的延遲執行更多種類的功能，例如智慧手錶、健康追蹤器或健康照護監控等穿戴式裝置。

隨著更多功能在較小型的終端進行，這將可以省下資源，包括資料傳輸費用與能源費用，同時也會產生極大的環境衝擊，特別是考量到全球目前已有超過200億台連網裝置，以及超過2,500億顆MCU(根據Strategy Analytics統計數據)。

TinyML、MCU與人工智慧

根據Google的TesnsorFlow 技術主管、同時也是深度學習與TinyML領域的指標人物 Pete Warden 表示：「令人相當興奮的是，我還不知道我們將如何使用這些全新的裝置，特別是它們後面代表的科技是如此的吸引人，我無法想像那些即將出現的全新應用。」

微型機器學習(TinyML)的崛起，已經催化嵌入式系統與機器學習結合，而兩者傳統上大多是獨立運作的。TinyML 捨棄在雲端上運作複雜的機器學習模型，過程包含在終端裝置內與微控制器上運作經過最佳化的模式識別模型，耗電量只有數毫瓦。

物聯網環境中有數十億個微型裝置，可以為各個產業提供更多的洞察與效率，包括消費、醫療、汽車與工業。TinyML 獲得 Arm、Google、Qualcomm、Arduino等業者的支持，可望改變我們處理物聯網資料的方式。

受惠於TinyML，微控制器搭配AI已經開始增添各種傳統上威力更強大的元件才能執行的功能。這些功能包括語音辨識(例如自然語言處理)、影像處理(例如物件辨識與識別)，以及動作(例如震動、溫度波動等)。啟用這些功能後，準確度與安全性更高，但電池的續航力卻不會打折扣，同時也考量到各種更微妙的應用。

儘管之前提到的雲端神經網路框架工具，是取用這個公用程式最常用的方法，但把AI函式庫整合進MCU，然後把本地的AI訓練與分析能力插入程式碼中也是可行的。這讓開發人員依據從感測器、麥克風與其他終端嵌入式裝置取得的訊號導出資料模式，然後從中建立模型，例如預測性維護能力。

如Arm Cortex-M55處理器與Ethos U55微神經處理器(microNPU)，利用CMSIS-DSP與CMSIS-NN等常見API來簡化程式碼的轉移性，讓MCU與共同處理器緊密耦合以加速AI功能。透過推論工具在低成本的MCU上實現AI功能並符合嵌入式設計需求極為重要，原因是具有AI功能的MCU有機會在各種物聯網應用中轉變裝置的設計。

AI在較小型、低耗電與記憶體受限的裝置中可以協助的關鍵功能，我們可以把其精華歸納至我們簡稱為「3V」的三大領域：語音(Voice，如自然語言處理)、視覺(Vision，如影像處理)以及震動(Vibration，如處理來自多種感測器的資料，包括從加速計到溫度感測器，或是來自馬達的電氣訊號)。

終端智慧對「3V」至關重要

多數的物聯網應用聚焦在一些特定的領域：基本控制(開/關)、測量(狀態、溫度、流量、噪音與震動、濕度等)、資產的狀況(所在地點以及狀況如何？)，以及安全性功能、自動化、預測性維護以及遠端遙控(詳見圖 6)。

Strategy Analytics的研究顯示，許多已經完成部署或將要部署的物聯網B2B應用，仍然只需要相對簡單的指令，如基本的開/關，以及對設備與環境狀態的監控。在消費性物聯網領域中，智慧音箱的語音控制AI已經出現爆炸性成長，成為智慧家庭指令的中樞，包括智慧插座、智慧照明、智慧攝影機、智慧門鈴，以及智慧恆溫器等。消費性裝置如藍牙耳機現在已經具備情境感知功能，可以依據地點與環境，在音質優先與穩定度優先之間自動切換。

如同我們檢視的結果，終端AI可以在「3V」核心領域提供價值，而它觸及的許多物聯網領域，遍及B2B與B2C的應用：

震動：包含來自多種感測器資料的處理，從加速計感測器到溫度感測器，或來自馬達的電氣訊號。
視覺：影像與影片辨識；分析與識別靜止影像或影片內物件的能力。
語音：包括自然語言處理(NLP)、瞭解人類口中說出與寫出的語言的能力，以及使用人類語言與人類交談的能力-自然語言產生(NLG)。
垂直市場中有多種可以實作AI技術的使用場景：

震動

可以用來把智慧帶進MCU中的終端AI的進展，有各式各樣的不同應用領域，對於成本與物聯網裝置與應用的效用，都會帶來衝擊。這包括我們在圖6中點出的數個關鍵物聯網應用領域，包括：

溫度監控；
壓力監控；
溼度監控；
物理動作，包括滑倒與跌倒偵測；
物質檢測(漏水、瓦斯漏氣等) ；
磁通量(如鄰近感測器與流量監控) ；
感測器融合(見圖7)；
電場變化。

一如我們將在使用場景單元中檢視的，這些能力有許多可以應用在各種被普遍部署的物聯網應用中。

語音

語音是進化的產物，也是人類溝通非常有效率的方式。因此我們常常想要用語音來對機器下指令，也不令人意外；聲音檢測是持續成長的類別。語音啟動在智慧家庭應用中很常見，例如智慧音箱，而它也逐漸成為啟動智慧家庭裝置與智慧家電的語音中樞，如電視、遊戲主機與其他新的電器。

在工業環境中，供車床、銑床與磨床等電腦數值控制(CNC)機器使用的電腦語音引擎正方興未艾。iTSpeex的ATHENA4是第一批專為這些產品設計的語音啟動作業系統。這些產品往往因為安全原因，有離線語音處理的需求，因此終端 AI 語音發展在這裡也創造出有趣的機會。用戶可以指示機器執行特定的運作，並從機器手冊與工廠文件，立即取用資訊。

語音整合在車輛中也相當關鍵。OEM 代工廠商持續對車載娛樂系統中的語音辨識系統，進行大量投資。語音有潛力成為最安全的輸入模式，因為它可以讓駕駛的眼睛持續盯著道路，而雙手仍持續握著方向盤。

對於使用觸控螢幕或硬體控制器通常需要多道步驟的複雜任務，語音辨識系統特別能勝任。這些任務包括輸入文字簡訊、輸入目的地、播放特定歌曲或歌曲子集，以及選擇廣播電台頻道。其他的服務包含如拋錨服務(或bCall)與禮賓服務。

視覺

正如我們之前已經檢視過，終端 AI 提供視覺領域全新的機會，特別是與物件檢測及辨識相關。這可能包括觀察生產線的製造瑕疵，以及找出自動販賣機需要補貨的庫存。其他實例包括農業應用，例如依據大小與品質為農產品分級。

曳引機裝上機器視覺攝影機後，我們幾乎可以即時檢測出雜草。雜草冒出後，AI可以分類雜草並估算它對農產收穫的潛在威脅。這讓農民可以鎖定特定的雜草，並打造客製的除草解決方案。機器視覺然後可以檢測除草劑的效用，並找出農地中仍具抗藥性的殘餘雜草。

使用場景

預測性維護工具已經從擷取與比較震動的量測資料，進化到提出即時的資產監控。藉由連接物聯網感測器裝置與維護軟體，我們也可能做到遠端監控。

震動分析

這種類型的預測性維護在旋轉型機器密集的製造工廠裡，相當常見。震動分析可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。例如，把震動計量器接上靠近選煤廠離心泵浦內部承軸處，就可以讓工程師建立起正常震動範圍的基線。超出這個範圍的震動，可能顯示滾珠軸承出現鬆動，需要更換。

磁感測器融合

磁感測器利用磁性浮筒與一系列可以感應並與液體表面一起移動的感測器，測量液面的高低。所有的這些應用都使用一個固定面上的磁感測器，它與附近平面的磁鐵一起作動，與這個磁鐵相對應的感測器也會移動。

聲學分析(聲音)

與震動分析相似，聲測方位分析也是供潤滑技師使用，主要是專注在主動採取潤滑措施。這意味我們可以避免移動設備時產生的過度磨損，否則會為了修理造成代價高昂的停機。實際的例子可能包括測量輸送皮帶的承軸狀況。出現過度磨損時，承軸會因為潤滑不足或錯位出現故障，可能造成整個生產流程的中斷。

聲學分析(超音波)

聲音聲學分析雖然可以用來進行主動與預測性維護，超音波聲學分析卻只能用於預測性維護。它可以在超音波範圍內找出與機器摩擦及壓力相關的聲音，並使用在會發出較細微聲音的電氣設備與機器設備。我們可以說這一類型的分析與震動或油量分析相比，更可以預測即將出現的故障。目前它部署起來比其他種類的預防性維護花費較高，但終端 AI 的進展可以促成這種細微層級的聲學檢測，大幅降低部署的費用。

熱顯影

熱顯影利用紅外線影像來監控互動機器零件的溫度，讓任何異常情況很快變得顯而易見。具備終端 AI 能力的裝置，可以長期檢測微細的變化。與其他對事故敏感的監視器一樣，它們會觸發排程系統，自動採取適當的行動來預防零件故障。

消費者與智慧家庭

將語音運用在消費者與智慧家庭，是最常看到的場景之一。這包括智慧型手機與平板電腦上、未包含電話整合功能的裝置，例如螢幕尺寸有限的穿戴式裝置。這類型的裝置包含智慧手錶與健康穿戴式裝置，可以為各種功能提供免動手的語音啟動。像 Amazon 的 Echo 或 Google 的 Home 等智慧音箱市場的成長，說明消費者對於可接收與提供語音互動等現有裝置的強勁需求，與日俱增。

消費者基於各種理由使用智慧音箱，最常見的使用場景為：

聽音樂；
控制如照明等智慧家庭裝置；
取得新聞與天氣預報的更新；
建立購物與待辦事項清單。

除了像智慧音箱與智慧電視等消費裝置，智慧家庭裝置語音的使用，也顯現相當的潛力。諸如連網門鈴(如 ring.com)等裝置與連網的煙霧偵測器(例如 Nest Protect 煙霧與一氧化碳警報)目前都已上市可供消費者選購，它們結合了語音與視覺的感測器融合功能以及運動檢測。有了連網的煙霧偵測器，裝置在偵測到煙霧或一氧化碳時，可以發出語音警告。

終端 AI 為強化這些能力提供了全新機會，而且常常結合震動(動作)、視覺與語音控制。例如，增加姿態辨識來控制例如電視等家電，或是把語音控制嵌入白色家電，即是以最低成本強化功能性最直接的方式。

健康照護

用來發現醫護資訊的 AI 驅動終端裝置的應用，將為病況的治療與診斷，提供更多的價值。這種資訊可能是資料，也可能是影像、影片以及說出的話，我們可以透過 AI 進行型態與診斷分析。這些資料將引發全新、更有效的治療方法，為整個產業節省成本。受惠於終端 AI 的進展，像 Google Duplex 等語音系統的複雜性將會降低。例如門診預約等勞力密集的工作，也可以轉換成 AI 活動。利用自然語言語音來延伸 AI 的使用，也可以把 AI 用在第一線的病人診斷，然後再由醫師接手提供諮詢。

其他健康照護實例包括像 Wewalk5 等物件，這是一個供半盲與全盲人員使用的智慧拐杖。它使用感測器來檢測胸口水平以上的物件，並搭配 Google Maps 與 Amazon Alexa 等 app，方便使用者提出問題。

結論

由於連網的終端裝置數量越來越多，這個世界也越來越複雜。連接到網際網路的裝置已經超過 300 億個，而微控制器的數量也超過 2,500 億，每年還會增加約 300 億個。越來越多的程序開始進行自動化，不過，把大量資料傳送到雲端涉及的延遲以及邊緣運算的額外費用，意味著許多全新、令人興奮且引人矚目的物聯網使用場景，可能無法開花結果。

解決這些挑戰的答案，並不是為雲端資料中心持續增添運算力。降低出現在邊緣的延遲雖然會有幫助，但不會解決日益分散的世界的所有挑戰。我們需要把智能應用到基礎架構中。

儘管為終端裝置增添先進的運算能力在十年前仍不可行，TinyML 技術近來的提升，已經讓位處相當邊緣的裝置 (也就是終端本身)增添智能的機會大大改觀。在終端增加運算與人工智慧能力，可以讓我們在源頭搜集到更多更具關聯性與相關的資訊。隨著裝置與資料的數量持續攀升，在源頭掌握情境化與具關聯性的資料，具有極大的價值，並將開啟全新的使用場景與營收機會。

終端裝置的機器學習，可以促成全新的終端 AI 世界。新的應用場景正在崛起，甚至跳過傳送大量資料的需求，因而紓解資料傳輸的瓶頸與延遲，並在各種作業環境中創造全新機會。終端 AI 將為我們開啟一個充滿全新機會與應用場景的世界，其中還有很多我們現在想像不到的機會。

附圖：圖1：從集中式到分散式運算的轉變。
(資料來源：《The End of Cloud Computing》，by Peter Levine，Andreessen Horowitz)
圖2：全球上網裝置安裝量。
(資料來源：Strategy Analytics)
圖3：深度學習流程。
圖4：MCU的視覺、震動與語音。
(資料來源：意法半導體)
圖5：AI 工具集執行模型轉換，以便在MCU上執行經最佳化的神經網路推論。
(資料來源：意法半導體)
圖6：物聯網企業對企業應用的使用-目前與未來。
(資料來源：Strategy Analytics)
圖7：促成情境感知的感測器融合。
(資料來源：恩智浦半導體)

資料來源：https://www.eettaiwan.com/20210303nt31-the-dawn-of-endpoint-ai-bringing-compute-closer-to-data/?fbclid=IwAR0JTRpNsJUl-DmSNpfIcymGQpkQaUgXixEaczwDpELxGCaCeJpkTyoqUtI

高嘉瑜委員109年度第二會期問政報告:

(一)權證大當機，籲請證交所檢討系統漏洞、維護投資人權益

證交所說權證系統當機是由於部分券商違反委託筆數規定，瞬間輸入大量權證委託所致，嘉瑜認為若券商能單方面透過大量輸入委託來癱瘓證交所系統，則當投資人要獲利時，券商來不及避險就乾脆直接把系統弄崩，豈不成為券商的最佳避險保障？故要求證交所檢討改進！

(二)嘉瑜成功呼籲關務署詳查冒名報關，但仍有不足之處！

嘉瑜於去年12月9日質詢時警示關務署，應盡速詳查部分報關行冒名報關頻繁、民眾透過「易利委」APP點選申報不符之疑慮及APP內聯繫窗口等情事，而關務署也於日前正式回應嘉瑜的呼籲。
但針對嚴重累犯報關行應處確實為停業處分、「易利委」APP應加強宣導民眾積極回報冒名報關等情事仍未能有效執行，嘉瑜也將持續督促！

(三)淘帝案提前預警金管會，並呼籲嚴禁中資徵求委託書

淘帝KY被指涉及掏空、財報不實、內線交易等案，嘉瑜早在1月7日即去函預警金管會，並於函中呼籲金管會加強對KY公司之中資限制管控，並應立法嚴禁中資背景公司於市場上徵求委託書。

(四)金管會、證交所擺爛爭議一籮筐，嘉瑜持續監督金管會、證交所!

1. 理專A錢案、康友淘帝KY、TDR坑殺小股民，多次發生金融市場監理失靈、失效，金管會卻毫無作為。再從石油正二、TDR之亂及KY股淘空案等，也顯示出金管會與證交所內部管理紊亂，標準不一，嘉瑜強烈呼籲整頓金融監理亂象。
2. 日盛金中資爭議未解，金管會執意護航富邦!
109年12月初富邦金公告將採敵意併購方式，公開收購日盛金50%-100%日盛金股權，但日盛金涉及中資爭議已久，嘉瑜揭露富邦金於公開收購前，早就先行在10月中就開始與金管會高層「溝通」，送件後僅花9天核准，在未釐清日盛金背後是否為中資之前，金管會核准富邦金與其公開收購案，並於收購大限將至之際，無視行政中立、日盛金員工權益，同意富邦金延長收購時間，共長達90天！
嘉瑜長期關注中資議題，多次去函詢問金管會關於日盛金實質受益人處理方式及後續，也都不了了之，金管會也都無動於衷。嘉瑜對金管會抓小放大的裁罰標準及其態度，深感遺憾!嘉瑜會鍥而不捨地監督金管會，以及金金併中資爭議。

(五)嘉瑜積極協調、成功爭取放寬創新板、戰略新板專業投資人門檻

1. 自金管會有意推行新板後，嘉瑜就多次與金管會溝通，並於去年9月舉辦公聽會彙整產業界人士經驗與建言後，認為金管會擬推行僅專業投資人（總資產3,000萬元）及法人（總資產5,000萬元），才能夠在新創版投資門檻過高。
2. 成功爭取放寬專業投資人資格限制，增列近 2年度平均所得達 150 萬元之自然人，讓更多人能參與新創產業的股市成長歷程。

(六)居住正義-正視高房價、高公設比事實，嘉瑜持續推動實坪制!

1. 房價屢創新高，但更讓民眾深惡痛絕的是辛苦花錢買的房子，實際坪數卻是被灌水!民眾花大錢買到的是居住空間還是高比例的公設？嘉瑜長期關注高房價、高公設比議題，嘉瑜在會期中提案要求研議對公設比的限制，並要求內政部檢視現今法規，強制規範建商於銷售廣告中刊登主建物及公設面積!
2. 嘉瑜於總質詢中向行政院爭取、提案要求研議實坪制之可行性，並在內政委員會中提案正視炒紅單亂象，加強聯合稽查及取締等措施，要求內政部釐清紅單之適法性。

(七)居住正義-嘉瑜促選擇性信用管制
央行總算出手!籲請中央落實囤房稅!

1. 嘉瑜會期中多次向央行楊總裁、財政部蘇部長對於何時實施選擇性信用管制，提出質詢、臨時提案等，要求部會審議各管制措施的可行性與影響。而於109年12月2日嘉瑜質詢央行，何時實施選擇性信用管制？隨即於12月3日行政院、國發會提出了#抑制炒房五大面向、九大房市健全方案，12月7日央行提出選擇性信用管制辦法。
2. 其中包括取締預售屋紅單、遏止過多資金流向房市、選擇性信用管制等，但這健全房市方案中卻不見囤房稅，而外界認為最有力度的選擇性信用管制，也只是在中長期規劃中。因此這九大方案的效果究竟能發揮到怎樣的程度，嘉瑜會不斷追蹤、監督後續抑制房價施政成效!
3. 嘉瑜籲請各部會持續檢討房市健全不足之處
● 實坪制仍被忽略、並未重視!
● 囤房稅、房地合一稅仍未落實完全。房屋稅地價稅合併課徵不動產持有稅自2014研議至今仍無下文！房屋評定現值與市價不符，應落實稅基以實價為原則。
● 公設比浮濫灌水，完全沒有處理。
● 建商銷售廣告應刊登主建物與公設面積
4. 針對居住正義，嘉瑜主張:
● 推動實坪計價、實坪制。
● 實價登錄網站應簡單、清楚載明實坪市價。
● 強制規範建商銷售廣告應刊登主建物與公設面積。
● 高公設比，中央應盡速盤點檢討法律中關於公設相關規定，並研議是否針對公設比設定限制。
● 重新檢討不動產登記制度，嘉瑜提出不動產登記法應盡速立法。
● 中央應整合地方落實囤房稅、房地合一稅課徵。
● 推動房屋稅地價稅合一之不動產持有稅。
● 落實房屋評定現值以實價為原則。

(八) 少子化成國安危機，
籲請中央解決公托、公幼資源不足問題

1. 擴大公共化幼兒園預算逐年提升，但實際就讀公共幼兒園比率卻連年維持在31%，全國更有高達172個行政區公共化幼兒園核定比例未達4成，顯見量能嚴重不足
2. 嘉瑜於總質詢中向行政院爭取，希望中央投入資源活化現有閒置校舍，以擴大公托、公幼量能，將政策目標設立為公托、公幼免抽籤，避免家長需在就業與孩童托育間不斷奔波，造成國人不敢生養
3. 獲教育部承諾育兒津貼由2500元加碼至5000元政策，將於110年初如期執行，在公托、公幼資源仍不充足的過渡期間，希望透過育兒津貼加碼政策，減輕家長生兒育女的經濟壓力
4. 揭露「托育媒合平台」違法資訊揭露程度嚴重不足，要求衛福部需確實整合機構資訊與違法裁罰紀錄，以協助家長挑選合格、安全、可信賴的托育中心。

(九) 持續追蹤勞動基金局弊案

1. 勞動部忽視檢舉，卻不敢面對行政疏失！
2014年12月至今，游迺文遭匿名檢舉高達4次，檢舉內容諸如「行事跋扈霸凌部屬，對龐大基金操作不公，且利用職權運作，選擇特定券商作為基金操作之合作廠商，且多次與券商飲宴應酬等情事。」等誇張行徑，游組長甚至囂張到將與券商飲宴、夫妻登遊艇的相片PO臉書，而此些違反廉政規範的鐵證，勞動部卻都說已善盡行政調查之能事、查無不法等語，根本是在睜眼說瞎話！
2. 責任通通推給檢調，金管會卻坐以待斃！
在勞金弊案爆出投信涉案前，嘉瑜早已致電提醒金管會：這其中可能涉及圖利券商、拉抬特定股票等疑慮，請金管會盡速調查！
投信涉案後嘉瑜持續追蹤金管會調查進度，金管會卻一概回應：「檢調現正調查中，我們會配合」，擺出一副事不關己的態度，卻忽略在刑事司法追訴之外，金管會針對此弊案，「依法」仍有繼續踐行行政調查與監理之職責。
3. 曾欲調職游迺文又撤回理由矛盾，簽呈紀錄卻全都消失？
勞金局3年前「曾出公文」，欲將國內投資組游前組長調離現職，之後卻不了了之， 嘉瑜當時曾質疑勞金局局長當初為何決定要調職，後來又撤回？
嘉瑜並曾去函詢問勞金局，請求提供當時調職後又撤回的簽呈公文，藉以釐清上述嘉瑜對撤回理由的質疑，想不到勞金局竟回覆稱：「未有正式發文紀錄，並已辦理註銷事宜。」拒絕提供，但據當時新聞報導，均稱局長確實是「曾出調職公文」，其中究竟是誰在說謊？消失的公文又是否在隱瞞什麼？嘉瑜定於未來持續監督勞動部行政調查，確實做到毋枉毋縱！

(十) 倡議開放勞退自選+TISA

1. 嘉瑜在109年10月質詢勞保年金改革議題時，就勞保基金財務狀況不佳一事，向勞動部建議應參採私校退撫儲金，提供自選投資組合，為勞保基金運用增加彈性空間，並能提升長期投資績效
2. 109年11月底驚爆勞退基金炒股弊案，顯見勞動基金內控機制有待檢討，同時，嘉瑜再次倡議，退休金制度應順應民意，朝開放勞工自選投資方向改革，讓政府角色由操盤手轉為監督者，籲請勞動部回應民眾對於開放勞工退休金自選投資平台的呼聲，並邀集各界進行研討，朝開放勞退自選平台的方向改革。
3. 此外，嘉瑜也致力於推行TISA個人投資免稅帳戶，預估TISA上路後將會有六、七十萬人參與，可讓台股基金年增160億元規模，證交稅稅收每年可增加80億元。嘉瑜呼籲財政部應審酌推行TISA的必要性，並於將來直接推動修法，使勞工自選投資的權益能更進一步！

(十一)
成功爭取區間測速納國家標準檢定

1. 第一會期提案要求經濟部將區間測速系統納入法定度量衡器，經濟部於109年10月正式公告納檢，自110年1月1日起，公務用區間測速系統需經國家標準檢驗合格後，方可作為執法開罰依據，以維護執法正當性與公信力，避免準確度不足之儀器使民眾妄遭開罰。
2. 引述台北地方法院判決，證實未經國家標準檢驗之區間測速系統，竟有高達64%之測速資料精準度不足，導致測速結果難以認定民眾是否有超速駕駛，再次要求交通部及警政署應全面撤銷罰單，以落實國家行政行為信賴保護原則。

(十二) 和泰汽車爭議案件連連，強力監督

1. 於109年9月揭露TOYOTA油電車煞車零件瑕疵案，透過記者會、質詢、委員會提案等各種形式，持續要求交通部積極處理該案，並呼籲和泰汽車應提供車主顧客服務活動，為車主免費檢修、更換瑕疵零件，歷經三個多月強力監督，TOYOTA終在109年12月中公告免費服務活動訊息，成功為車主爭取權益並保護用路人交通安全。
2. 於109年10月再度接獲數百名TOYOTA車主連署陳情，揭露TOYOTA RAV4相關車型出現漏水災情，同樣以記者會、質詢、委員會提案等各種形式，要求交通部積極處理，TOYOTA後於109年12月底發布聲明，將主動聯繫車主回廠檢測，並提供相關零件免費更換，嘉瑜迄今仍持續追蹤此案零件更新情形，希望盡最大所能保護車主權益。

(十三) 倡議機車汰舊換新資格放寬，獲政院採納

於109年11月於委員會質詢，向財政部提出機車汰舊換新政策應放寬適用資格，包含擴大親等限制、將首購族納入補助對象，並於109年12月提出法律修正案，政策倡議獲行政院採納，110年1月初所公布之汰舊換新修正草案中，直接取消了機車舊車登記期及親等限制，使得首購族亦能享有機車汰舊換新補助，除了降低國人購入機車的經濟負擔，亦可有效汰除老舊車輛，減輕環境負擔。

(十四) 推動檸檬車法成功，並要求縮短緩衝期！

1. 嘉瑜於109年12月召開記者會，呼籲我國應盡速比照美國「汽車瑕疵擔保」的特殊規定：「新車交付一定期限或里程內有瑕疵情形，車主可要求車商更換新車或解約退款」，這就是俗稱的「檸檬車條款」！
2. 在嘉瑜持續監督力倡下，檸檬車條款將在7月1日上路，但嘉瑜認為還有許多不足，也會持續監督修法。

(十五) 揭露民眾被迫花萬元換天然氣抄表裝置，呼籲經濟部約束業者

於109年8月接獲民眾投訴，召開記者會踢爆天然氣業者利用民眾資訊不對等，先要求用戶更換裝微電腦瓦斯表，再自費上萬元加裝無線抄表裝置，要求經濟部應約束業者，為用戶更換瓦斯表前應清楚說明可選裝傳統機械表或微電腦瓦斯表，而無線抄表裝置費用應比照水、電業，由業者自行從盈餘中負擔，不應將設備成本轉嫁給消費者。

(十六) 持續關注內湖、南港相關議題
1. 成功爭取【1881圓山-礁溪】增設南港轉運站站點
嘉瑜上任後多次與交通部公路總局協調，爭取國道客運【1881圓山-礁溪直達車】增設南港轉運站站點，歷經兩個會期的努力，在109年12月底起，南港居民已經可以在南港轉運站西站搭乘【1881A】路線往返宜蘭！
2. 倡議松湖變電所改作社會住宅
松湖超高壓變電所建案延宕近20年，嘉瑜多次向台電、內政部及住都中心倡議，應將該用地改作社會住宅，讓在內湖科學園區工作的青年族群可就近居住，更可一併舒緩內科地區塞車問題，可謂一舉數得！
3. 督促交通部推動捷運汐東線、基隆捷運，路網整合問題
持續關注港湖地區捷運路網辦理進度，原汐止民生線與基隆輕軌改為汐東線與基隆捷運，要求交通部加速相關作業，讓各項軌道建設能在原訂期程內完成綜合規畫，早日提供基隆、汐止地區居民更便利的大眾運輸系統，以減少從此兩地區開車到台北上班的車流，緩解內湖、南港地區長久以來的塞車情形。
4. 國道五號塞車問題
國道五號塞車問題日益嚴重，造成車流從南港聯絡道一路回堵至環東大道，嘉瑜透過質詢、協調會等形式，邀集交通部高公局、台北市交通局及新北市交通局等單位研商改善方案，並分別請交通部高公局研擬國三、國五匝道分流辦法、台北市政府評估增設匝道可行性，嘉瑜也會在交通委員會追蹤後續進度，希望能盡早改善南港地區聯外交通壅塞問題。