過去10年間，許多先進國家都將智慧製造視為重點發展項目，包括2011年德國的「工業4.0」與美國的「先進製造業國家戰略計畫」、2014南韓的「創新3.0」、 2015年日本提出的「機器人新戰略」與中國「製造2025」。臺灣也自2014年起力推5+2產業創新計畫，將「智慧機械」列為重點項目，旨在將臺灣由精密機械升級為智慧機械，創造就業機會並擴大供應鏈輸出；更在2016年通過「智慧機械產業推動方案」，期望國內的精密機械產業成果，能結合（AI）、大數據（Big Data）等ICT技術能量，協助產業導入智慧化相關技術，建構智慧機械產業的新生態體系。
從中不難看出，臺灣與其他先進國家，均將AI、大數據等相關軟硬體與基礎設施的整合，視為是國家發展製造業生態體系的關鍵，更是全球製造業供應鏈搶先布局的重點。
然而，臺灣製造業近年在導入AI、數位轉型的過程中，無可避免的面臨許多現實的挑戰，例如工廠機台設備老舊無連網能力、業者不清楚AI導入後的效益、欠缺資料整備與機敏資料處理經驗、缺乏實驗認證場域、投資成本考量等。因此，在這場全球競逐大戰中，臺灣製造業若要實現AI落地，必須貫徹三大策略：跨域合作、軟硬兼施、產業落地，如此將大有機會率先搶攻全球AI商機。
策略一：展開跨域合作
跨域合作，指的是AI結合領域知識（Domain Knowledge）。自AI出現以來，聽過太多有關AI的「狂想」，彷彿AI無所不能。然而，驅動AI的必備條件就是要有充足、有效的資料，才能確保AI學習的成效。
以PCB印刷電路板、半導體晶圓的瑕疵檢測為例，如果缺少PCB業者、半導體業者的瑕疵影像資料與專業的瑕疵標記知識，空有AI影像辨識技術，也無從判斷哪些產品有瑕疵。
臺灣製造業出口值佔整體出口總值的七成，是臺灣創匯主力，上下游供應鏈完整、長年更累積出寶貴的領域知識與資料，例如配方資料、檢測資料等。發展AI的過程中，可以很容易結合相關的領域知識，從中淬煉大量標記資料，透過AI與硬體設備的結合，提升硬體設備價值，方能透過AI演算法，以提升效能、減少浪費、創造價值。
策略二：「軟硬兼施」升值
第二是軟硬兼施，臺灣的強項為終端晶片與硬體，若能結合AI演算法，必能如虎添翼，價值倍增。以製造業而言，包括工具機、加工設備、製程設備、檢測設備等，皆為AI軟硬整合的具體對象。
因此，國內AI軟體業者應與硬體設備廠合作，讓搭載AI功能的設備機台，深入產業解決生產線的難題，可提升硬體設備的價值；甚至軟體業者能升級成為AI資訊服務業者或系統整合業者，針對硬體業者面臨的數位化困境提出解決方案，藉由衍生出新型態的AI服務商業模式，加大機會建立智慧機械產業的新生態體系。
例如工研院長期投入智慧製造研發「機台故障預診斷」，即透過AI技術分析機台設備過往的故障紀錄，及早預測設備需維修的時間點，不僅大幅降低產線突發機台故障的風險與成本，也提升了機台設備的價值。
策略三：產業落地解題
第三則是產業落地。也可說是綜合前兩項建議為基礎，實現AI在臺灣落地成真。利用臺灣製造業的多樣業態，進行AI場域驗證，針對企業已知的、既存的問題，嘗試以AI的創新方式去解決。舉例來說，工研院創立共創平台AIdea，便旨在提供企業需求分析顧問服務、資料整備服務、提供驗證解題結果的場域，縮短企業導入AI的時效及降低成本等解決方案，以回應國內企業導入AI所面對的困境。
當AI能順利導入企業、為企業帶來全新的解決方案，讓製造業者願意買單，才能真正實現AI產業落地，搶佔全球商機。
簡言之，臺灣的精密機械若能貫徹「跨域合作、軟硬兼施、產業落地」這三大策略，結合臺灣AI、大數據等ICT產業研發能量，發展出「高階的MIT」，可望建構智慧機械產業的新生態體系。對此，工研院也擘劃了2030技術策略與藍圖，致力協助製造業者導入AI、轉型升級，帶領臺灣產業實現智慧製造，並為永續環境貢獻心力。
（本文由工研院巨量資訊科技中心執行長馮文生授權轉載）
