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
AI 同事愈來愈多怎麼管?Going Cloud 用「多代理系統」,助企業打造最強營運大腦
AI 同事愈來愈多怎麼管?Going Cloud 用「多代理系統」,助企業打造最強營運大腦

ChatGPT、Gemini、Claude 等 AI 通用工具問世後,「AI」無疑成了現今全球最熱門的關鍵字。儘管許多企業已經開始導入相關應用,多數卻仍停留在文書輔助、單一聊天機器人(Chatbot)運用等單點階段。但隨著商業環境快速變化、缺工日益嚴峻,企業需要的不再只是一個會回答問題的對話框,而是具備「自主決策與行動執行」能力的「代理式 AI」(Agentic AI)。

Going Cloud 和 IDC 合作發布的《多代理系統崛起 打造敏捷韌性企業》報告便指出,如今「AI First」時代來臨,企業的 AI 應用正從輔助性質走向自主營運,有 80% 的企業期望藉此提升生產力,70% 的企業希望能更輕鬆處理複雜任務,還有 66% 的企業期望透過多模型來提升整體效能。

代理式 AI 愈來愈多,必須納入組織管理

但究竟什麼是「代理式 AI」?

「過去人們使用生成式 AI 時,需要一步步下達明確指令,但現在使用者只要賦予代理式 AI(Agentic AI)明確目標,它就能自己理解前因後果、進行推演,甚至能去呼叫 API 完成任務。」Going Cloud 總經理黃柏淞點出差異。
而當企業內部的代理式 AI 日益增加,比方說,人資部門有專屬 AI、業務部門有報價 AI、法務部門有合約審閱 AI,跨部門協作的複雜度也隨之飆升,「如果你是管理者,你就會意識到,必須把 AI 當成一個人,納入組織裡來管理。」黃柏淞強調,能統籌、指揮多個 AI 代理協作的「多代理系統」(Multi-Agent System, MAS),正是為了解決這個痛點而生。

簡單來說,MAS 就像虛擬的企業總部,負責協調、治理負責不同任務的 AI 代理、工具和功能模組。在讓 AI 自主決策的同時,各個 AI 代理間也能共享資訊、協調分工。MAS 還具備極佳的擴展性和分散性,企業可以依照業務需求,隨時新增、更改 AI 代理,能大幅提升營運韌性。

雖然企業普遍意識到,代理式 AI 已經蔚為風潮,但實際部署時,仍面臨諸多挑戰。《多代理系統崛起 打造敏捷韌性企業》報告便顯示,資安疑慮、預算限制、缺乏 IT 支援分別是企業最擔憂的三大問題,「企業最擔心串聯多個 AI 代理時,要是權限沒控管好,很容易有機敏資料外洩的風險。」黃柏淞提到,在此情形下,Going Cloud 推出了以「分層式多代理架構」為核心的解決方案。系統會由一個「主管代理」(Supervisor Agent)作為主要決策層,底層則串聯了各個負責單一任務的「任務代理」(Task Agents)。

以 Going Cloud 服務的大型金融企業為例,假設一位 VIP 客戶登入銀行 APP,詢問 AI 客服:「我想申請房貸,請問現在利率多少?另外,請幫我評估把我目前的科技股基金贖回當作頭期款適不適合?」如果是傳統的聊天機器人,可能會因為問題太複雜直接轉接人工客服。但在 Going Cloud 的分層式 MAS 架構裡,「主管代理」接收到任務後,會先拆解再指派負責「房貸利率」的「任務代理」,去後台抓取客戶的信用評分和最新房貸專案。同時,這位虛擬主管還會指派「理財分析」的「任務代理」,去檢視客戶最近科技股基金的績效並預測市場。最後,再由「主管代理」統整資訊,一併給出一份完整且客製的財務建議,「分層式 MAS 能確保整個過程的指令被清楚傳遞,而且因為權限分層管理,房貸 Agent 不會碰到不該碰的理財資料,符合金融業的風險控管與合規要求。」黃柏淞說。

目前 Going Cloud 已經協助知名金融機構導入 MAS 架構。以實際成效來看,多代理客服平台能降低 50% 以上的人工客服工作負擔,並讓回覆使用者問題的平均時間減少 60% 以上;FAQ 知識導向與 API 資料調用的正確率,在調用得當的情況下,也都達到9成以上的成功率。黃柏淞指出,金融、製造、顧問等有複雜跨部門協作需求的大型企業,都是亟需採用代理式 AI 的產業。

#0 AI同事愈來愈多怎麼管?Going Cloud用「多代理系統」,助企業打造最強營運大腦
提到目前與台灣領先金融集團的合作進程,黃柏淞表示因為金融機構的特殊性,需要縝密的全方位服務,從前期討論到技術導入,大約需要半年到九個月的時間。
圖/ 數位時代

懂雲也懂企業痛點,助員工無痛升級「AI 小組長」

但為什麼 Going Cloud 能為企業打造出如此高效的代理式 AI 底層架構?一方面,Going Cloud 先前服務過亞洲最大 AI 多媒體科技集團科科科技(KKCompany Technologies),奠定具備理解和服務大型企業的經驗,且自 2022 年創立起,就鎖定服務架構最複雜的大型企業市場。同時,Going Cloud 是全台首家榮獲 AWS 生成式 AI 服務能力認證及 ISO27001、ISO27701 雙重國際驗證的雲端產業專家,此成就彰顯 Going Cloud 在堅實的資訊安全基礎上,深化了對個人資料保護的承諾,為客戶提供符合國際標準的資料保障,強化雲端服務領導地位。另外,Going Cloud 還能為企業量身打造底層 AI 平台,提供 AI 策略方針定調、雲端架構設計、Agent 任務規劃、效能優化等一站式服務。

對於準備跨入「AI 商用階段」的企業,黃柏淞建議,釐清應用場景,比追求最新技術更重要,「唯有清晰定義痛點,才能讓強大的 MAS 平台真正落地。」
他特別提到,導入 MAS 系統不只是 IT 部門的責任,其實更像企業的升級轉型,「未來的知識工作者,不能只是單純『接球就打』,每個人都將成為『小組長』或『專案經理』。」例如員工不必再親自打開 excel 敲公式、解讀報表,應該要學著指派手下的「數位同事」去執行。員工的核心價值,將從過去繁瑣、重複性任務的執行,轉移到前期的目標定義、流程規劃,以及後期的決策判斷和審核把關。

AI 技術飛速推進,企業間的競爭已從「要不要用 AI?」,升級成「如何管理與協作多個 AI?」。透過建構靈活、安全且具高擴展性的多代理系統,企業不僅能解放員工的生產力,更能在瞬息萬變的市場中,打造敏捷、韌性兼具的營運大腦。

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
AI全球100+台灣20
© 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