台塑導入AI拚轉型！120個專案展開中，喊出效益上看3億元|數位時代 BusinessNext

台灣石化龍頭台塑拼數位轉型，台塑董事長林健男今（14）日分享集團AI使用成效，除大專以上員工全都必須學習AI課程，集團內鎖定四大應用，總計有120個專案展開中，預計完成時將產生3億元效益。

為了強化與南台灣在地產業的互動與合作，工研院今日在台南六甲院區舉辦了南台灣產業大進擊創新論壇。在活動中，一口氣展示近30項在「數位轉型」、「在地優勢」及「培育新創」等三領域上的亮點技術。

其中，工研院長期的合作夥伴台塑企業董事長兼總經理林健男，也在論壇中發表演說，內容提到台塑近來導入人工智慧（AI）的作法與應用。

他強調，台塑自去年開始，全面推動AI相關技術的開發應用，以確保作業環境改善，並提升產品品質、生產及管理績效。在今年，也將進一步將AI的觀念普及到所有員工。

晉升工業4.0，AI不可或缺！台塑用人工智慧做到這4大應用

「AI是工業4.0中間的一環，如果沒有AI推行，工業4.0就無法發揮；我們認為AI才是王道，」林健男在演講一開始就開門見山地強調AI對於台塑而言的重要性。

首先，林建男分享了台塑從1970年開始，投入工業自動化、資訊化的歷程。他指出，台塑自2007年開始投入自動化生產管理系統、雲端與大數據的布局，一直到2016年，開始往工業4.0佈局。為了投入工業4.0所需的AI技術需求，台塑秉持著「自己的問題，自己解決」的精神，捐助3千萬元新台幣，協助成立台灣人工智慧學校。

展望未來的人工智慧發展趨勢，林健男強調，「以後每個人的工具就是AI，AI不是給特定人士所用。」因此， 現在在台塑內部，只要是大專學歷以上員工，AI課程都是基本培訓內容 。

目前，台塑希望可以透過AI技術達到4大應用情境：

1.產銷優化

為了要抬高達交率、優化產能、縮短生產週期，在接到訂單之後，台塑利用AI來推估要在哪個工廠生產、交期時間、以及整個運輸、輸送流程。同時，這樣的作法也可以協助客戶透過系統即時了解出貨資訊。

2.品質確保

在過去，使用人工抽樣檢驗，使得生產品質異常的原因追查不易。不過現在，透過AI的協助，台塑可以即時得知生產異常的原因，並且即時解決。

3.智慧保養

在過去，必須依靠老師傅經驗來判斷計畫性停機保養週期，也時常必須要等到設備異常警報、停機才能夠維修。不過在導入AI之後，透過數據化管理，可以提前得知設備可能出問題的時間，並且根據工廠適合的時間停機維修，降低維護成本、提升工廠工作安全。

4.降低成本（節能操作）

導入AI優化操作之後，可以兼顧設備安全運轉與產品品質，進而減低生產能耗。同時可以兼顧安全、品質與節能。

導入AI成效看得見！台塑未來還要加碼區塊鏈技術

也由於以上的種種優點，林健男說，「為了提高效益，我們不得不投資AI。」

不過，在導入AI到台塑工廠中之後，目前的成效如何？針對這個問題，林健男也提出數據說明。

他指出，目前台塑有120個AI導入專案正在進行，目前已經完成52案，所得到的效益估計已達到1億4千萬元新台幣；待120案皆完成之後，效益預估將超過3億。

展望未來，台塑在將AI佈局完善之後，也不會停下進化的腳步。

在把客戶、供應方、台塑三方的資訊連在一起、成立一個平台，將銷售量、預估生產時程、品質控管資訊連結再一起之後，林健男說，更重要的是下一步將會把區塊鏈技術導入。

「區塊鏈技術如果跟客戶一起導入的話，可以確保資料安全、不被更改，提升整體的安全性、保密性，」林健男說，未來希望透過區塊鏈技術，降低交易成本與風險，進而提升產業鏈效率。

責任編輯：蕭閔云

從生成式AI訓練、推論，到代理式工作流程（Agentic Workflow）與未來的實體AI，資料流量正以指數級成長，讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出，AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力，加速「Computational Memory」等新架構興起；在這波浪潮中，深耕記憶體與儲存技術數十年的美光科技，正與關鍵夥伴展開深度協同設計，包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術，在AI基礎建設的新賽局中成為不可或缺的關鍵。

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。