破除智慧製造2大痛點，IBM揪凌華、台達、緯謙、世平五虎組生態圈|數位時代 BusinessNext

破解智慧工廠的高牆！IBM組智慧製造生態圈五虎，瞄準台廠2痛點

智慧製造對台灣業者至關重要，但有兩大痛點：難以規模化及預估投資報酬率（ROI）。為打通製造業資訊（IT）與營運端（OT）之間高牆，IBM揪四廠結盟。

幾乎所有台灣製造業都在拼智慧化，但現階段劃一塊概念測試場域（POC）練兵，業者最大痛點都是：單點做，能複製到整廠，甚至跨區域到全球各製造據點嗎？第二大痛點則是如何評估投資報酬率（ROI）？

智慧製造要有3~5年計畫，各業種重心不同

為解決製造業痛點，IBM試圖打造智慧製造生態圈協助客戶轉型，3日宣佈與專攻邊緣運算的凌華科技、定位物聯網聚合商（代理商）角色的世平集團、串連台達電軟硬整合平台、與緯創集團旗下雲服務商緯謙合作，試圖打通企業資訊系統IT（資訊技術）與工廠端OT（營運技術）之間那道牆。

台灣IBM全球企業諮詢服務事業群合夥人李立仁觀察，製造業數位轉型常碰到兩難： 難於快速規模化 及 難於落地推廣 。另外，製造業執行長心中最大的挑戰往往是： 擔心無法產生有感的經濟價值 。

智慧製造生態圈成員能利用AI應用協助製造業，更容易看到具體投資收益，並讓工廠智慧化可以規模複製。

工業電腦凌華董事長劉鈞提醒，企業想做小型專案嘗試，又要顧及未來可以規模化導入，最關鍵是選定對的架構，且要給三至五年計畫發展，如果想三個月見成效，絕對90%是白花錢。

對智慧製造生態圈業者而言，智慧工廠規模化最大挑戰，其實是「行業別不同」，不同產業需要的AI場景也不同。舉例來說，組裝代工業最在乎是「生產良率」，金屬加工業因為機台昂貴，最在乎「設備稼動率」，擅長A行業智慧製造的業者經驗，未必能複製到B行業去。

李立仁觀察，製造業都想智慧製造，半導體及通訊業積極做的是AI應用及研發到產線間的串連，甚至是供應鏈預測；組裝業則導入大量自動化，希望用機器視覺檢測取代人工判斷。

凌華強攻機器視覺，AOI成本縮減19倍

工業電腦凌華董事長劉鈞指出，智慧工廠的核心命題就是「提高品質」及「降低成本」，客戶馬上就會關心導入的是投資報酬率（ROI），凌華長期關注邊緣運算領域，最終發現，影響成本跟品質的三大要素是：看人、看機器、看產品。

他舉例，看人就是人臉辨識及人類行為模式監控，過去一台AOI自動光學檢查機要200萬元，但在深度學習技術進步下，現在只需要10萬元，成本降低，可以使業者在一條產線各環節上大量導入，當生產產品不良率在某一環節發生，就立刻解決，不必等成品時才發現。

AOI自動光學檢查技術出現大突破，帶來產業重新打破重組的新契機，劉鈞高興地指出，過去機器視覺影像分析，是在封閉嵌入式系統中寫電腦程式，一旦寫好放到硬體裡，就會長期沿用難以更新，這屬於傳統運算思維。

緯創集團子公司緯謙科技總經理夏志豪博士指出，緯謙借助母集團在智慧製造的經驗優勢及自身的數據與數位工具，並透過與IBM的合作與兩者產業互補性，目標將集團經驗擴大並拓展至新市場。

圖／ IBM

但現在機器視覺跟深度學習結合，軟體三天兩頭都能修正升級，能讓AOI精準度不斷提升，未來凌華將整合4大（通訊、管理、維修及安全）服務導向架構（MSA）的生態圈夥伴，與IT端串連，讓未來智慧工廠落地。

因此，凌華目標是期望2020年底，2021年初，全球累積有一百家OT合作伙伴，在邊緣端提供完整智慧製造解決方案。

進入門檻高，智慧製造大者恆大

執行長最關心智慧製造推動後帶來的ROI效果，劉鈞認為，現階段智慧製造對大企業才有價值，智慧製造可以達到做對的決策，採取對的行動；反而30到50人的小公司不需要智慧製造。

大聯大世平集團物聯網解決方案部副總經理鈕因任表示，世平身為聚合商，可幫助客戶導入最具成本效益的解決方案，並期望與IBM以群策群力方式，共同在物聯網生態圈推動應用標準的建立。

圖／ IBM

李立仁也認同，打造智慧製造架構繁多，舉例有AI分析架構、OT與IT整合架構、資安強化架構等等，確實不是所有企業都有能力做，也因而造成進入障礙，因此決心做智慧製造時，企業要先找到合乎自身能力的藍圖。

他坦言，各產業獲利模式不同，績效指標不一樣，建議執行長導入智慧製造時，應該設定3~10個題目讓團隊推動，而不是單項，因為AI模型訓練也有臨界點，多應用場景可以疊加效益。

相對歐美，劉鈞也倡議亞洲製造業著眼於人力精簡，不必忙於遵循歐美的智慧製造標準，凌華積極參加ROS2（機器人作業系統）協會，參與AI模組標準制訂，他也鼓勵政府應該主導定義AI平台標準，善於運用台灣在智慧製造的獨特地位。

「我們不只是上了AI這列車，也不是坐在後座看熱鬧，我們現在已經上到駕駛座！」劉鈞說。

延伸閱讀：
OCP專案一年前喊卡，英軟體團隊連虧5年，凌華劉鈞如何實現兩年期限的一場豪賭？
趁華為分身乏術，緯穎、凌華攜手NOKIA搶5G邊緣運算商機

責任編輯：陳映璇

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。