在智慧科技發展興盛下，O2O（Online to Offline）商機的虛實整合越來越即時了。
「消費者在行進間時，會更需要即時性，且直觀且豐富的資訊。」臺灣大學電信所副教授周俊廷舉例，當消費者週末在礁溪洗完溫泉，決定返回臺北，或就近吃個甕窯雞，以避開雪隧的塞車尖峰時，目前只能透過交通流量APP的紅線或黃線猜想塞車狀況，再透過網路搜尋附近甕窯雞店家，並一一致電是否要排隊。
周俊廷指出，如果能讓現有類似Google街景服務即時化，且影像化，消費者就能用很直觀、便利的方式規劃自己的行程。「臺灣網路環境的便利，和行車記錄器的普及，正好適合做為此類行動影像平臺的實驗基地。」
之所以稱為實驗基地，是因視頻內容正從專業的商業團隊製作，轉換成個人化的過程，全球各地都在上演。如果能善用移動視頻的內容，擷取並轉化成大眾感興趣的資訊，將可創造極大的商業利益。也因此，在教育部新型態產學研鏈結的補助下，結合臺大電信所、資訊網路與多媒體研究所，和中研院、工研院團隊的OmniEyes霧計算行動影像管理平臺，一開始植入的基因就是一個世界級的分享平臺。
共同主持人逄愛君教授指出，不管是行動商務，或是虛擬實境、擴增實境的體驗，對於時間差的計算，已縮小到「毫秒」，這也讓霧計算成為全球近年的發展重點。「霧計算就是讓數據就近在基地臺，或路由器等裝置就得到處理，立即回饋，不但速度更快，對於後端傳輸的成本更可做到大幅度降低。」

to B到to C，建構三階段獲利模式

但平臺建置談何容易，如何在平臺具備基本規模前，就有明確的獲利模式，對於新創團隊來說是個重大課題。
「所以在第一階段，我們透過核心的影像深度學習技術，協助產險公司和商業車隊，如計程車、物流車隊，甚至是公車等大眾運輸工具，在累積影像數據庫的同時，也透過影像的判讀，評估駕駛行為的風險係數，為行車安全把關。」周俊廷說明，目前車載電腦只能透過急踩油門與煞車來判斷危險駕駛，但遇到闖黃燈、變換車道等行為，除非透過影像的判讀，是無從查知的。此外，透過眾多行動視頻的收集，也可以在事故發生後重建全景的事發經過，有效的釐清肇事責任，就如同有成千上萬個行車紀錄器在守護著駕駛。
周俊廷指出，在結合影像判讀與機器學習，建立駕駛行為的模型後，不但可以為商業車隊或大眾運輸的行車安全把關，也可協助產險公司推出更多元的車險產品。「如果車險可以依照使用天數來付費，就能提高車險的普及率，讓產險公司和消費者達到雙贏局面。」
當第一階段，透過這些商業車隊與產險公司，建構全臺影像街景的路線後，第二階段則是導入O2O商機，透過崁入式技術直接推播廣告。「好比說週五下班，在驅車前往小巨蛋聽演唱會時，除了可以透過這個平臺知道小巨蛋的排隊狀況，也可以看到周邊有哪些餐廳。」周俊廷說。
至於第三階段，則是在累積第一階段的多元模組，和第二階段的人流後，成立一個開放式的API（Application Programming Interface）應用程式介面平臺，讓更多企業與個人運用這個平臺，更便利的開發影像的應用程式。

成立API開放平臺

「很多人都說，臺灣市場太小，沒有打造平臺的條件。但從過去很多破壞式創新的案例可以看到，創新是來自於有人勇敢地去當First Mover，推動了一個時代的進步。」周俊廷以地圖導航軟體Waze為例，說明Waze就因為將地圖導航導入群眾分包概念 (crowd sourcing) 做到極致，讓蘋果、facebook競相併購，最後和google聯手。
「重點是，要有辦法跨出第一步。」周俊廷說，就因有教育部新型態產學研鏈結試辦的補助，才讓這項過去無法被業界接受的提案，有了實現的機會。「尤其，有逄愛君教授在影像多媒體通訊、中研院鄭文皇先生影像辨識和工研院團隊在軟硬體系統整合上的合作，也讓這個平臺得以更完整。」
從to B的業務累積第一桶金，並由點而面建構全臺影像街景平臺，最終將know-how開放成為API平臺，無非是因為OmniEyes的最終目標，仍是為了呼應政府亞洲矽谷的概念，集合更多人的力量，讓臺灣更多產業得以進軍國際市場。