向亞馬遜致敬,仁寶秘密研發2年的搬運機器人進軍物流、製造業
向亞馬遜致敬,仁寶秘密研發2年的搬運機器人進軍物流、製造業
2018.08.30 | Amazon

仁寶在亞洲工業4.0暨智慧製造系列展中發表最新AGV(自動導向車;Automated Guided Vehicle)L250,預計11月量產。

E16B2577-52AC-42A7-B4FE-E128DAD00D2E.jpg
仁寶第二台AGV搬運機器人L250可以讀QRocde也可以用光達無軌移動,以扛貨架方式搬運,適合物流倉儲業。
圖/ 王郁倫攝影

這是仁寶第二款AGV搬運機器人,正方形機身可以左右旋轉前進,減少了機器人轉彎需要的大量空間,頭上的光達可以指引機器人自動前往指定地點,到了定點,機器人會鑽到指定貨架下,「扛起」貨架上物品搬到出貨員身邊。

仁寶的第二台AGV搬運機器人其實是向Amazon「致敬」,為什麼這樣說?

向Amazon致敬,「以物就人」拉高效率

「我們第二款AGV概念來自Amazon,」仁寶主管表示,他解釋,Amazon物流管理首創「以物就人的概念」,把貨架拉到出貨員身邊,相對以往物流倉儲業,是出貨員到貨架撿貨,以人就物更有效率。

B91D3013-41B5-44B9-8679-8A98A6ECD501.jpg
仁寶秘密研發2年的AGV搬運機器人,將對外銷售,鎖定倉儲物流及工廠。
圖/ 王郁倫攝影

仁寶說,AGV搬運機器人開發技術完全自行掌握,但搬貨架的概念確實是來自Amazon。

相對第一台AGV是瘦長機身搭載兩顆光達,以「拖行」貨架方式移動貨品,轉彎必須走L字形過彎,要的空間大,比較適合製造工廠產線應用,仁寶第二款AGV所需要轉彎空間比較小,可以遊走在貨架之間,除可以讀取QRcode前進,也有光達導航,適合物流倉儲業在包裝寄送貨物時,由AGV把貨架「抬起」拉到作業員身邊,負重最高600公斤。

Amazon目前的AGV約有兩種負重度,一種可以扛1,000磅,第二種可以扛3,000磅。

B09531F7-7EAA-4D27-BBFD-AD68F053B2C3.jpg
仁寶第一款AGV搬運機器人可以拖600公斤貨架,身體瘦長,L型轉彎適合工廠產線需求。
圖/ 王郁倫攝影

為取得AGV技術,Amazon也靠併購

AGV對物流或製造工廠而言扮演重要角色,由於搬貨是吃重工作,耗費人力,根據市調機構統計,製造工廠中花95%時間在包材、儲存及裝卸、搬運及等待加工上,只有5%時間在真正組裝製造上,若AGV能自動搬運可以加快效率,時間可以大幅縮短。

amazon warehouse.jpg
Amazon 倉儲自動化很成功,靠高速自動化提高效率,AGV每天早晨都自動上班開始搬貨。
圖/ Flickr-Álvaro Ibáñez CC BY 2.0

為加快物流效率,Amazon更買下AGV業者Kiva System(現在更名Amazon Robotics)作為自身無人倉儲的搬運工系統,台灣研華是主要供應商,前兩年採購了1.5萬台。

Amazon的倉儲中心運量大,幾乎是世界一流等級,但Amazon仍揚言未來要更智慧化,期望打造無人倉儲夢想。

根據市調機構統計,2020年時AGV市場規模上看26億美元,相當近800億台幣商機,但Amazon跟阿里巴巴等業者,都已經自己打造AGV團隊,自給自足,仁寶的AGV搬運車勢必得瞄準中型以下倉儲物流業者,對此仁寶表示,已經取得CE安規認證,有助於拓展歐洲市場。

仁寶AGV練兵兩年,將外賣

仁寶今年不僅展開世代交替,副董事長陳瑞聰交出任期29年的總經理大位給翁宗斌,打造新經營團隊,仁寶其實也默默投資許多新事業,並加強工業設計實力,是國際IF大獎金獎常勝軍,2018年75個IF金獎中,台灣就只有拿到2座,而仁寶是唯一的業者(另一家是學校)。

IMG_4835.JPG
仁寶總經理陳瑞聰交棒升任副董事長,展開世代交棒。
圖/ 王郁倫攝影

此次仁寶會開發AGV,最初也是自家工廠的自動化需求,目前仁寶AGV已經在集團各廠區超過4座工廠服務2年,累積豐富的場域經驗,秘密研發練功兩年,未來將賣到其他倉儲及工廠產線上服役。

仁寶第二台AGV L250產品同樣有橘紅色外表,但功能跟定位與第一台大不相同,除底部有相機可以辨識RQ Code編碼,前方也有光達感測,可以旋轉行進,跟第一台AGV將鎖定不同市場,分頭出擊。

廣達投資達明機器人,今年開始收割

不只是仁寶要賺自動化機器人商業財,廣達集團旗下達明機器人也早已佈局協作機器人多年,今年終於開花結果,可望銷售2,000支手臂。

19316DB4-EB2A-468C-B8B7-0B2CEC44D304.jpg
工研院推出航太加工高精度機器人及OPCUA機器人通訊標準聯盟,要打造台灣隊。
圖/ 王郁倫攝影

達明機器人28日出席工研院行動機器人記者會,宣佈首度參加OPCUA機器人通訊標準聯盟,打造台灣隊,加入聯盟成員還有台達電、上銀、新代、勤堃機械及新漢智能,達明表示,機器人有不同PLC、CNC、設備語言,建立一套共通標準,可以讓機器人彼此能協調聯繫,達到方便管理的目的。

圖2.JPG
工研院在「2018台灣機器人與智慧自動化展」中,邀業者組台灣隊,右起為機械所副所長蔡禎輝、機械所組長游鴻修、盟立自動化總經理方玉崗、漢翔董事長廖榮鑫、新代總經理蔡尤鏗、新漢總經理林弘洲、達明研發處長郭耀庭。
圖/ 工研院

漢翔拼毛利率12%,導入國產機器人

漢翔航空工業董事長廖榮鑫表示,航空業毛利率低,訂單來100%大概只能接到6%,其他都流失掉,關鍵就是成本、交期等因素,其中成本又可以拆分人工成本跟物料成本,台灣人力成本約50美元,相對日本100美元便宜,但土耳其10美元,墨西哥只要2美元,就相對無優勢。

其次台灣航太零件原料99%靠進口,佔整體成本5成,加上28~30%是人力成本,使全球航太零組件平均毛利率只有8%,而漢翔期望今年毛利率可以朝10%邁進,長期目標思索如何提高至12%,要靠的就是供應鏈整合,過去漢翔用5軸精密加工機生產零件,一台動輒4,000~5,000萬元,但大部分功能用不到,導致殺雞用牛刀,未來用國產航太高精度機器人替代,成本立刻下降50%。

63670C3E-2A08-4703-9FD9-EAB631795DCF.jpg
工研院推出行動式手臂機器人系統,可以幫零售業盤點及補貨。
圖/ 王郁倫攝影

國際機器人聯合會IFR(International Federation of Robotics)統計,全球服役中工業機器人2017年達到205萬台,預估2020年全球將有300萬台工業機器人投入工廠產線;今年全球將出貨37萬台工業機器人,較去年成長18%,2019年將達43萬台,2020年則會挑戰50萬台大關。

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓