6年出貨十倍速成長，揭西門子打造領先全球智慧工廠的秘訣|數位時代 BusinessNext

賦予產品身分證，每日創造千萬筆數據

2018年，世界經濟論壇評選出「全球九家最先進的工廠」，西門子成都廠名列其中。雖然，德國安貝格（Amberg）工廠才是西門子最早的智慧示範工廠，但成都廠影響力已不在話下， 自2013年成立至今，年產能從78萬個成長超過十倍，2019年預計能衝出1,100萬個。

為什麼說成都工廠像機場？

從數字來看，工廠每天需在5千種材料中，挑選消耗1千萬個材料，好比旅客選擇商務艙、經濟艙各艙等候搭機，最終成為每日生產的3.8萬件產品，再比照航班，飛往世界各地。

驚人的是，在成都工廠總共能生產近800種產品，且每款產品都有獨立的「產品身份證」，能載明兩百條資訊，每日創造1千萬筆數據。

「 天氣預報之所以準，是因為有資料可以優化；數據，才是工業4.0的價值， 」西門子成都工廠總經理李永利強調，許多人看智慧工廠發展，會過度將重心放在設備、生產自動化，試圖將「員工/機器」比例降低，但其實，如何掌控與利用數據，才是西門子能不斷提升效率的關鍵所在。

不需一昧追求自動化，數據才是關鍵

西門子也打造立體倉庫，在將近十萬個裝有零件的「黑箱子」上，貼上四個一維條碼。當客戶訂單上門時，能自動轉換成生產訂單，從倉庫裡的五千多種材料中自動調度至產線。隨著數據每20分鐘更新，西門子能從細到哪一款產品、哪一個元件、什麼時間、哪條產線出現狀況，做出即時和累積的觀察。

李永利舉例，工廠曾發現某款產品的組裝效率一直無法提升，調出數據後發現，原來是機械手臂在抓取控制版時，產生的晃動，導致塞入箱子的效率不佳。他們利用「數位分身」（Digital Twin）技術，在自家techno軟體中測試不同機械手臂、長度、轉速的改變，最後很快就能做出優化。

「不要一直談出貨良率，重要的是自己和自己比，每百萬件產品的加工失效率，能否一年比一年少，這才是真正進步，」李永利說。

他認為，智慧工廠的基礎，共有三項：生產自動化（Produciton automation）、原料自動化（Material flow automation）、資訊自動化（information flow automation）。

以成都廠為例，將送貨、補貨、成品包裝出貨、抽風設備主機、大型設施放在一樓，貨物會跟著黑箱子搭電梯至二樓產線，由工人和手臂完成組裝過程，這些都是顯而易見的自動化過程。「 但工廠不需要追求將設備、生產全數轉為自動化，因為明年的機器永遠會比今年更快，反而要將心力花在累積各式各樣的數據上。 」

西門子自然有其話語權。在PLC、工業電腦和人機介面市場的全球市占率，西門子拿下約三分之一，在中國市占率則有超過40%。

2019年，成都工廠的743位員工裡，有七分之一都是研發人員，藍領階層456人，比去年少了約50位，產能卻能向上提升，與西門子主打「研發與生產要在一起」的策略有關。

成都廠的示範效應，讓西門子不只能自己做產品，更能輸出智慧工廠經驗，大賺轉型財。如廣州明珞汽車，替BMW、BENZ、中國大眾、上汽等品牌提供生產線解決方案，且採用西門子自動化方案，累積更多數據，維持自身競爭力。

力諾製藥董事長張貝文表示，「打造藥物是一場與時間的競賽，當傳統生產模式有好幾百個步驟時，若以自動化模式改變流程，可能會需要投入龐大成本，但結果一定會顛覆產業。」

「過去我們教育教導學生如何從數據中找出標準答案，但在生成式AI的時代，標準答案往往是最廉價的。」臺大EiMBA執行長李家岩一語道破了這波商業典範轉移的核心。他認為，當資訊獲取邊際成本趨近於零，企業的競爭優勢已不再是單純的「掌握資訊」，而是「如何設計讓 AI 與人共同創造價值的流程」。這不只是一句口號，而是一場正在被驅動的轉型。從課程設計的邏輯重組，到學生創業專題的實戰演練，臺大EiMBA正將校園打造成一個允許失敗、快速驗證的「人機共創實驗場」。

告別標準答案，當教授變成「學習架構師」

「我們不再只是教導知識，而是設計學習。」李家岩指出，臺大EiMBA的課程正在經歷結構性的轉變。現在的教授角色更像是一位「學習架構師（Learning Architect）」，他們的任務不是單向輸出，而是設計出高強度的挑戰與情境，讓學生在解決問題的過程中，自然地將 AI 納入決策迴路。

以今年新開設的「雙軸轉型與人工智慧」課程為例，這並非傳統的技術概論課，而是場關於商業邏輯的壓力測試。學生不再只是繳交一份靜態的商業計畫書，反而被要求運用生成式 AI 輔助設計商業模式畫布（Business Model Canvas），甚至利用Vibe Coding技術讓不懂程式語言的商管學生，也能透過自然語言與提示工程，快速生成互動式的原型與操作介面來模擬市場反應。這項技術打破了傳統「文組企劃、理組執行」的藩籬，讓創意能即時轉化為可執行的程式碼。在這個過程中，AI 扮演的角色並非代筆的秘書，而是將概念具現化的加速器，以及最嚴厲的邏輯質疑者。

「這是我在課程中學到最深刻的一課，」臺大EiMBA二年級生、寵物百分百用戶體驗暨品牌行銷中心負責人鐘紫瀕分享道。身處近200人新創組織的高階主管，她坦言最初員工對 AI 充滿敬畏，甚至恐懼被取代。但在 EiMBA 的課堂上，她發現 AI 真正的價值在於「攻防」與「鏡像」。「老師設計了一種『沙漏式』的提問邏輯，迫使我們把策略餵給AI後，必須面對它無情的反問。」鐘紫瀕回憶，「這個市場假設有數據支持嗎？」、「你的競爭壁壘在哪裡？」這種高強度的追問，都是AI在對學員提出的挑戰，迫使她必須思考得比AI更深、更遠。「以前我們忙著找答案，現在我們學會如何設計出『連 AI 都沒想過的好問題』。AI就像一面鏡子，映照出我們思考邏輯上的盲點。」

數位孿生實戰，將「感覺」轉化為「數據決策」

除了策略層面的思維激盪，AI 在營運端的落地應用，更是讓許多直覺型創業者經歷了一場痛苦卻必要的轉型。臺大EiMBA一年級生、赤赤子設計師林宏諭對此感觸良多。

身處傳統服裝產業，過去他的經營模式多仰賴美感與經驗，「以前做決策就是憑感覺，甚至忙不過來時，連縫扣子這種小事我都自己跳下去做。」但在李家岩講授的「雙軸轉型與人工智慧」課堂上，他被迫面對冰冷的數據與流程，而這正是李家岩強調的「數位孿生（Digital Twin）」素養。

在虛擬世界中建立一個與真實工廠或商業流程一模一樣的模型，利用AI進行模擬與預測，是現代智慧製造的核心。對林宏諭而言這意味著必須將腦中抽象的「職人經驗」轉化為AI讀得懂的 SOP。「那段過程就像是被老師架著刀子往前走，非常痛苦，」林宏諭形容，為了讓 AI 能協助優化流程，他必須把每一個步驟定義清楚，無法再用「大概」、「憑感覺」含糊帶過。

雖然煎熬但成果是豐碩的。當感性的創意被裝進理性的數據框架後，林宏諭發現自己的決策不再是賭博，而是可被驗證的科學。「現在AI不僅幫我理清思緒，更像是團隊的外掛大腦。我開始能鼓勵員工使用AI釋放重複性勞動，讓大家能準時下班，去做更有價值的事。」這正是課程希望帶給學員的轉變，從「事必躬親的管理者」進化為「善用工具的跨域系統設計者」。

跨域共創，打破同溫層的「破壁效應」

如果說AI是另一位虛擬組團員那麼課堂上原本的同學們，就是來自多重宇宙的戰友。這裡匯聚了醫師、網紅、工程師、律師與傳產二代，如此多元的背景在AI的催化下，產生奇妙的化學反應。

李家岩特別提到了榮獲霍特獎（Hult Prize）肯定的「RiiVERSE」團隊。這個由臺大管院 EiMBA 與 GMBA 學生組成的團隊，成員涵蓋了時尚、行銷與創新創業等不同領域。他們利用舊衣回收再製技術，打造出循環經濟的生態圈。「這就是我們強調的跨域共創。」李家岩解釋，在過去，不同領域的專業人士溝通成本極高，但現在，AI成為了通用的翻譯機與黏著劑。

「AI不僅降低了技術門檻，讓文組生也能做Prototype，更讓理組生也能懂得商業敘事。」在這樣的環境下，創新不再是單打獨鬥，而是像RiiVERSE團隊一樣，結合理性與感性，共同回應全球永續（ESG）的艱鉅挑戰。

為了內心的狂熱，動手去做

然而，隨著AI涉入決策越來越深，一個核心問題浮現：在演算法能預測趨勢、生成文案甚至編寫程式的時代，人類領導者的價值還剩下什麼？「我們教的不是被AI取代，而是擴增智慧。」李家岩眼神堅定地說。他強調，未來的領導者必須具備三項關鍵特質：AI素養、跨域系統設計能力，以及科技人文的反思力。

其中最關鍵的，是懂得界定「自主邊界（Autonomous Boundary）」。領導者必須清楚判斷：哪些決策該放手讓 AI 自動化？哪些時刻必須保留人類的溫度與價值判斷？「例如在智慧工廠中，AI 可以預測機台何時需要維修保養，但『什麼樣的風險可以接受』、『我們要解決什麼社會問題』，這些涉及價值觀的決策，永遠需要人類來定奪。」李家岩補充道。

在李家岩眼中，真正的創新往往不是來自同類型人才的討論，而是從不同背景、不同世界觀的碰撞中誕生。「一個人能看到的只是片段，跨域合作才能讓問題完整。」他再次提到。對他而言，EiMBA 想培養的不是知道最多的人，而是能讓「各種智慧」一起工作的人。在AI與人類智慧並存的年代，領導者最重要的能力，不是掌握所有答案，而是打造一個能讓答案自然生成的組織環境。「未來需要的領導者是能整合技術與人、懂得跨域系統思考、也能『擇人(含機器人)而任勢』的人。」李家岩說，而這群充滿創業創新的管理者也將在未來商業戰場上奏出人機協作的新樂章。