只花17天、動員20名工程師趕工...台灣首台醫療級呼吸器誕生,工研院克服哪些挑戰?
只花17天、動員20名工程師趕工...台灣首台醫療級呼吸器誕生,工研院克服哪些挑戰?

「台灣疫情穩定,不缺乏呼吸器,但我們做到超前部署,從只能進口產品,變成有自主生產能力!」工研院院長劉文雄振奮地說。

工研院動員超過20名工程師、花了17天加班趕工,今(8)日亮相台灣首台醫療級呼吸器原型機,預計於10月試量產10台設備,目標明年6月底協助國內廠商量產1百台。

工研院_台灣首台醫療級呼吸器
工研院打造國內首台呼吸器原型機,未來希望號召更多業者加入生產,展現以科技研發守護台灣,與全球防疫併肩作戰的決心。
圖/ 工研院

跨團隊打造醫療級呼吸器,難度在哪裡?

成大醫院急診部教授紀志賢解釋,呼吸器在臨床上可分為兩類:居家照護、醫療專業等級,原理多採用「正壓」形式。居家照護非侵入式產品,適用輕、中度呼吸道疾病,如給慢性肺阻塞、睡眠呼吸中止患者使用;醫療專業級多用於中、重度及嚴重呼吸窘迫症候群。

「台灣有居家照護呼吸器、有零組件供應鏈,但過去並沒有醫療級設備出現,」經濟部技術處長羅達生說。

一方面,醫療級呼吸器製造難度確實很高。工研院生醫所所長林啟萬說,若以人的器官做比喻,呼吸器重視「心臟」、「大腦」、「神經」跟「臉」四個部位。

他表示,心臟代表鼓風爐(馬達),由於呼吸道重症需連續使用器材,產品的噪音控制、穩定程度、體積大小都有限制;大腦象徵程式,管制CPU、電路板與被動元件;感測器與內部管線如同人體神經,掌握壓力與空氣流量變化;臉部指面板人因工程設計,需持續優化設計。

工研院_台灣首台醫療級呼吸器
工研院整合資通訊、機械、機電、顯示面板、醫學、電子材料與光學等七大領域人才,在過去累積快速試量產經驗下完成國內首台呼吸器原型機。
圖/ 工研院

工研院副院長張培仁解讀成功原因,除了有美國醫材大廠美敦力(Medtronic)釋出PB 560機型呼吸器的基礎設計,加上與經濟部技術處5年來合作快速量產,累積不少經驗,更重要的是做到三件事:

首先是軟體,團隊成功解譯美敦力原型機的近5萬筆軟體程式碼與功能。其次是系統組件,團隊積極在上中下游產業鏈,找尋包括微處理器、感測器、電扇馬達、鼓風爐、面罩等零組件,甚至以3D列印方式自製。第三件事是系統驗證,將呼吸器的關鍵零組件國產化。

台灣Can Help?看醫療級呼吸器市場與機會

全球呼吸器緊急需求主要國家概況表

資料來源:Society of Critical Care Medicine;Brookings Institution;歐盟等機構,統計至4/23

劉文雄強調,這台機器能替台灣產業帶來中、長期貢獻,包含超前部署物資、提升高階醫材競爭力等此外,也促成呼吸器測試平台上線,擁有鑑定與驗證能力。加上國際仍有2百多萬台的呼吸器缺口,若有餘裕協助其他國家,能展現Taiwan can help精神。

經濟部指出,2019年的呼吸治療產業全球產值為117億美元,2024年可望成長至176億美元,台灣能整合微處理器、半導體、石化、能源、精密機械等領域業者,做出醫療呼吸器產品,將有助高階醫材競爭力。

「台灣在呼吸器領域從未缺席!」崇仁科技創辦人、昭華慈善基金會執行長李清昭認為,台灣供應全球呼吸器近3成的管路、閥門零件,不能說以前都沒有幫上忙,問題在現在加入醫療級市場後,長久能不能獲利?

工研院_台灣首台醫療級呼吸器
工研院攜手產業合作,17天就完成台灣首台呼吸器原型機並順利運轉,提升台灣產業爭取布局高階醫材機會,展現「Taiwan Helps」的實力。
圖/ 工研院

他觀察,通常廠商接到1百台訂單,就已經很了不起,過去也只有在SARS時期出現過單筆1千台訂單,但最近各國政府都是以「萬」起跳,這代表一件事——呼吸器需求是精神面大於實務需要。

呼吸器技術不難,難在願不願意投入, 」李清昭認為,台灣能快速複製高階醫材、建立自己的產業,這很值得興奮,因為哪天若被斷貨,我們將不需害怕。

他強調,台灣更該趁機思考,醫療用呼吸器還有沒有哪些需求?像是結合物聯網,蒐集患者數據並補足市場缺口,這才會看見更廣的未來。

延伸閱讀:花30天自製呼吸器開賣菲、泰國,金寶在後疫情時代做了哪些超前部署?

責任編輯:陳映璇

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

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
代理式商務連動百兆商機
© 2026 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