[AI洞見]AI產業化還是產業AI化？我對於AI應用的看法|數位時代 BusinessNext

AI的研究已有50多年，近年在大量資料與機器運算關鍵技術突破等因素下，AI在應用上有極大的進展，其中最熱門的應用有無人車、AI醫療、AI金融與AI農業。

AI的突破，最有名戰役堪屬AlphaZero，下棋下到天下無敵，事實上，AI也可以用來玩video遊戲呢! （筆者30年前用一台PC接攝影機對著另一台PC控制它的鍵盤，玩Tetris，也算做過AI吧?!）。

AI的應用包羅萬象，例如：科學家用AI找其他太陽系行星，警察用來判斷嫌疑犯有沒有說謊，用臉部辯識為門禁把關，作家用AI幫忙寫哈利波特續集大綱，AI還可以寫現代詩集，作曲，編電影短片的劇本，維基百科用AI輔助編輯，AI報導體育新聞，AI作即時翻譯。

對於一般人的日常生活，AI也有許多用途，例如: 購物網站很久以前就用AI推薦產品了（最新的AI還可以對於同一個推薦商品，依據不同的客戶，用不同的推薦圖案），客服機器人（Chatbot），求職網站使用AI做職業配對，會計師事務所用AI大量閱讀合約，節省稽核人員的時間。在選舉期間，AI也被運用來預測某一地區政黨投票的傾向，AI的應用真是到了演化史上「寒武紀大爆發」的年代。

活下來的AI公司

有一部電影的名言，「生命總會找到出路」，可是事實上，地球從有生命以來，99%的物種都消失了，現今的AI新創公司很多有可能會消失，就像2000年的網路泡沫。

可是，就如同地球上的生物，絕種的雖然很多，存活下來的物種卻是越來越聰明，其中最聰明的物種──人類──主宰了整個地球，由此讓我們聯想會不會將來AI存活下來的新創公司，將主宰了整個產業？

這是有可能的，但是機率很低，因為像Google跟Facebook這類的Internet巨人一定不會讓這種事情發生，不但如此，他們正在大量網羅世界上頂尖的AI工程師，讓自己再次走在新科技的浪頭上。

現在AI的新創，跟2000年的新創所面臨的產業與環境的挑戰確有其相似與相異之處，相同的是沒有獲利但是估值很高，但不同的是當今的產業巨人，已經在做很多AI新創公司的事情（甚至我們可以說是模仿）。可以確定的是，當年的Internet幾乎影響了所有產業，現今的AI應該也很有可能。

+AI比較可以找到「獲利」的應用

所以什麼樣的AI新創會留下來? 什麼樣的AI應用會變成殺手級應用？很簡單，可以獲利的應用，可以「持續」獲利的應用，就能存活下來。

本夢比是一時的，夢醒了，還是要付帳單啊？目前號稱AI的新創公司大部分都還在燒錢的階段，沒人知道何時會獲利，甚至開始獲利以後，可以維持多久的獲利？

這種以AI新創為主，找到應用然後公司開始成長，我們稱之為AI+，也就是AI產業化，相對應的就是+AI，也就是「產業AI化」，筆者認為+AI是比較可以找到「獲利」的應用。

譬如筆者所在的公司趨勢科技，全球最大的資安公司之一，就很快的把AI的想法跟技術，應用到公司的產品跟經營。我們利用機器學習來找垃圾郵件，辨別惡意檔案，網路異常流量分析，甚至，我們用機器學習來加強我們對客服的經驗，預測客戶流失的機率等等，這種+AI的模式（把新科技導入公司），對於台灣產業是比較可行的方式。

把機器學習導入公司某個產品或營運，不用開工廠做生產線，即使失敗了影響也不大，就算剛開始的成果不如預期，加入更多的數據，仍有很高的機會把成果提升。這種開發成本不高，成果可以持續改善的專案，對於台灣的企業應該是最佳的AI應用方式。

至於怎麼樣可以在公司內部找到可以AI化的產品或應用呢？

建議先參考別人已經在做的事情，譬如客戶流失預測、產品推薦預測、銷售目標預測、產品瑕疵預測、線上客服經驗提升，若是想做一點跟別人不一樣的，可以看看公司內部的營運有沒有已經有很多數位化的歷史資料，簡單用一下公有雲上的機器學習模型做個簡單的預測，配合原來流程，再與既有資料相互驗證，就知道有沒有幫助了。

由於很多資料科學家跟工程師正努力把機器學習門檻降低，在加上Internet上面也有很多範例，一般企業應該是有機會獲得AI的能力做到+AI的。

我們就不要做AI+了？

AI+需要投入大量的技術研發，加上何時獲利的未知，所以是不是我們就不要做AI+了？

筆者認為要做可以，但是要挑著做；譬如無人車，投入成本高，法律規範多，回收期未定，國外大公司以經建立技術門檻，很難跟他們競爭。又譬如臉部辨識（或影像辨識），國際上很多這樣的比賽，中國隊伍總是有著非常亮眼的成績，在加上他們資料量大，辨識率一定比別人好。

「AI醫療」跟「AI金融產品預測」應該是台灣最有機會的領域

筆者認為「AI醫療」跟「AI金融產品預測」應該是我們台灣最有機會進入的產業領域，因為我們有全世界最好的健保系統，有大量的資料，一個等者科學家去挖掘的大金礦，一旦有成果，對大眾健康，社會成本等等，有著巨大而正面的影響。

至於「AI金融產品預測」，很多資料也都公開，即使沒公開的也買得到，如果我們可以做出「金融商品神預測」，那得到的利潤將將是十分可觀的。這兩個方向有幾個共通點: 市場超大，可以容納較多廠商；利潤超大，可以持續進步跟擴張；賣到全世界，不用擔心台灣市場太小；投入成本相對小，我們可以跟目前的產業巨人競爭。

結語

過去台灣有很多優秀的AI人才被國外其他公司重用，如果台灣本身就可以有產業讓他們在地發光發熱多好！期許不管是AI+或者+AI，台灣能夠在這次AI的浪潮上，再攀高峰，再造奇蹟。

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場。）

曾是台灣製造業重要根基的塑膠射出產業，如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者，老師傅退休、新人才接不上的現況，更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具，許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出，全球塑膠射出市場規模超過 3000 億美元，每年仍以約 3% 至 4% 的幅度成長。需求並未消失，只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉，老師傅數十年累積的經驗卻很難複製。

這道人才缺口，正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發，歷經近十年研究與工廠驗證，嘗試把老師傅腦中的射出經驗，轉化成可以計算、保存與持續學習的 AI 模型，解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI，射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備，不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後，生產現場仍得依產品、材料與機台特性，調整溫度、速度、壓力、位置等條件；即使使用同一種塑料，不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處，不只是記住參數，而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的，就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後，第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統，工廠只要輸入材料、機台規格、產品尺寸等資訊，sMolding 便能計算第一組成型參數；若試模後出現產品缺陷，再由 sTroubleshooting 提供修正建議。

「它就像導航。我今天告訴你要從 A 點到 B 點，但不知道路怎麼走，導航會把路徑算給你。」張詠翔說。對射出成型而言，這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例，傳統方式需 7.5 小時，導入系統後縮短至 2 小時，材料使用量從 23 公斤降至 8.7 公斤，整體試模成本降低 64%。

但找到正確參數只是第一步，真正進入量產後，工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損，都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組，透過射出壓力數據持續監控品質，並依生產狀態自動補償關鍵參數。換言之，AI 不只在試模階段提供一條正確的「導航路徑」，進入量產後還能因應製程變化持續修正，進一步朝「自駕」邁進。

從產線驗證到海外布局，桃園如何助攻智穎智能跨過0到1？

但要讓 AI 真正走進工廠，智穎智能採取 SaaS 訂閱模式，將核心運算留在雲端持續學習與更新，降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備，因此智穎智能的方案既能導入既有設備，也能與射出機、控制器業者合作，在新機出廠時直接整合。「一個工廠不會只有一個廠牌，就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言，AI 真正走進製造現場的關鍵，在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言，降低導入門檻還不夠，更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言，桃園不只是公司所在地，也提供了技術走向市場的第一塊試驗場。「對新創來說，第一個就是要經費、要人才、要場域，再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期，團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源，降低早期研發與營運負擔。更重要的是，桃園密集的製造業聚落，本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業，智穎智能在創業初期接觸到位於桃園的「良器」，成為公司第一個客戶。從概念驗證、產品調整到實際導入，合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言，第一個願意開放場域的客戶，意義遠超過第一筆營收。

如今，從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次，完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示，透過市府帶領團隊前往日本神戶，智穎智能接觸當地官方與企業資源。在市府引薦下，團隊成功對接了神戶知名加速器，更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局，為下一階段海外市場拓展做準備。

AI 解決「怎麼生產」後，下一步是「替誰生產」

當 AI 開始解決「怎麼生產」，張詠翔看到的下一個問題，是「替誰生產」。部分製造商提高生產效率後反過來問他，如果我的產能多了 20%，但沒有多 20% 的訂單，我何必要做那麼快？

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家，品牌要在海外重新尋找符合特定規範與製程能力的供應商，也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商，讓品牌端能依條件尋找供應商，也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務，初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究，到桃園工廠提供第一個實際驗證場域；從把老師傅經驗變成 AI「導航」，再走向能自行修正製程的「自駕」，智穎智能試圖數位化的，是製造業最難被保存的資產：人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散，這套從桃園工廠磨出的 AI，下一步不只要替老師傅找到數位接班人，也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源，將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去，讓外界看見桃園豐沛且具實戰力的創新動能。

[AI洞見]AI產業化還是產業AI化？我對於AI應用的看法