直擊Seagate新加坡產線!幾乎沒人的工廠,如何用AI生產「硬碟的靈魂」
直擊Seagate新加坡產線!幾乎沒人的工廠,如何用AI生產「硬碟的靈魂」

你有想過用來儲存資料的硬碟,是如何被生產出來的嗎?來自美國的硬碟大廠Seagate(希捷),與東芝(Toshiba)、威騰(WD)並列三大硬碟大廠,成立超過40年以來,已經出貨容量超過3ZB(十垓位元組)的硬碟,你我生活周遭都有Seagate的產品蹤跡。

Seagate成立於1979年,核心產品是硬碟,從一般消費型的外接硬碟、Xbox遊戲機,甚至是企業的資料中心都能看到產品蹤跡。Seagate就靠這項產品,打進全球前三大地位。

只是硬碟是高度精密的產品,生產過程需要非常細緻、精準地管控,Seagate採取高度集中生產模式,加上Seagate產品類別廣泛,儲存容量到數十TB,加上生產線上每天所產生的數據、需要監控的細節日益增加,這使得多仰賴人工的生產流程,所面臨的挑戰日益巨大。Seagate因此從9年前啟動數位轉型,導入AI、自動化生產流程,現在可以做到「連泡沫都能AI監控」。

究竟Seagate是怎麼辦到的?《數位時代》前進新加坡,揭開Seagate數位轉型的祕訣。

Seagate把AI導入生產流程,連洗劑泡沫都能監控

從市中心出發約20分鐘車程,就會抵達Seagate。位於新加坡北方的Woodlands廠區,生產的是Seagate最核心的產品——資料儲存碟片(Recording Media),這是硬碟內儲存資料的重要元件。

Woodlands工廠是除了美國以外,全球第二座生產資料儲存碟片的地方,所有產出的產品,100%提供Seagate內部生產硬碟使用。

Seagate
位於新加坡的Woodlands工廠,是除了美國以外全球第二座生產資料儲存碟片的地方。
圖/ Seagate

走進Woodlands工廠,幾乎看不到操作人員,這是因為他們2019年開始將AI(人工智慧)導入生產流程,在九大生產步驟中,包括:將磁碟盤放上架子、清洗、濺鍍、塗上潤滑層、抹除潤滑層、拋光、測試、MDW(多磁頭寫入)最後是出貨,只有第一跟最後一個步驟需要人力參與。

Seagate
Seagate位於新加坡北方的Woodlands廠區,生產最核心的產品—資料儲存碟片(Recording Media)。
圖/ Seagate

不容許小差錯,Seagate全球七座工廠導入AI

Seagate目前在全球有七座導入AI技術的工廠,新加坡的Woodlands就是其中一座,整座工廠只做一樣產品,就是資料儲存碟片(Recording Media)。

Seagate
Seagate目前在全球有七座導入AI技術的工廠,新加坡的Woodlands就是其中一座。
圖/ Seagate

Seagate執行工程總監Bian Cheng Lee表示,資料儲存碟片從設計到生產製作,都有許多專利,是Seagate的重要核心技術,過去生產流程仰賴大量人工參與,但由於許多流程相當精密,加上所生產的硬碟容量、材料技術的演進,每天產生大量資料,單靠人工已經不足以分析應付,一點小差錯就可能導致產線停機,因此從2019年開始陸續將AI技術導入產線,取代人工作業檢測。

每日生產100萬片資料儲存碟片,拆解Seagate生產流程

走進Woodlands廠區的生產線,映入眼簾只有生產線裝潢的白色,以及機台的銀色,每座機台整齊劃一地運作。Bian Cheng Lee告訴採訪團隊,這座工廠每天生產約100萬片的資料儲存碟片,生產流程大致可以分為九大步驟。

Seagate
Woodlands廠區每天生產約100萬片的資料儲存碟片。
圖/ Seagate

步驟一:磁碟盤放上生產架

首先是將外形如同CD、未加工過的磁碟盤,放上一個盒裝的架子,宛如坐上雲霄飛車的車廂,接下來會經過一道道的生產程序。

Seagate
資料儲存碟片(Recording Media)外形如同CD。
圖/ Seagate

步驟二:清洗

磁碟盤固定好後,接者會透過特殊的清潔劑清洗,看似簡單的清洗,其實需要非常精準的掌控清潔劑的泡沫等細節,否則品質就會出問題,過去這個關卡多靠人工檢視。

為了增加精準度,Seagate在2021年導入Athena計畫,這是一個影像辨識的AI技術,能透過產線攝影機所拍攝的影像,辨識出清洗的泡沬是否符合標準,若出現異常,會即時發出email示警工程師處理,好處是可以即時找出問題,縮短產線停機時間、減少不良品生產頻率。

步驟三:濺鍍

清洗完成後,磁碟盤會進入「濺鍍」流程,在表面度鍍上最多20層的膜,這一關同樣也有Athena影像辨識的監控,檢查濺鍍過程是否符合標準。

步驟四、五:塗上潤滑層、抹除潤滑層

磁碟盤鍍上膜後,接著會塗上一層潤滑層減少摩擦,下一個步驟,是機器會抹除多餘的潤滑劑。

步驟六:拋光

磁碟盤上的必須要有光澤才能運作,第六個步驟是會在磁碟盤上拋光。

步驟七:測試

為了確保磁碟盤出貨後,能順利運作製作成硬碟,出廠前需要經過一連串的自動化測試。

步驟八:MDW(多磁頭寫入)

硬碟運作的原理,是透過寫入彼此平行而不重疊的磁軌來記錄資料,這個步驟會透過多磁頭寫入磁碟盤基本資料。

步驟九:出貨

完成後就可以包裝出貨了,Seagate位於Woodlands的工廠全程自動化,磁碟盤經過真空包裝後,就會透過傳輸帶直接送入倉庫出貨。

Seagate
Seagate在2021年導入Athena計畫,這是一個影像辨識的AI技術,若出現異常,會即時發出eamil示警工程師處理。
圖/ Seagate

Seagate資料營運副總裁Kiat Choon Seow回憶,Woodlands工廠從1996年正式啟用,以三棟建築物為基礎,所產出的資料儲存碟片經過包裝後,會送往其他組裝廠製作成硬碟,這座工廠的目的是希望做到垂直生產,支撐自家硬碟產品的產出。

從數十年前只生產數GB的硬碟,到推出雲端產品「Lyve Cloud」,看似有著巨大轉變,但對Seagate來說,企業轉型及創新,依舊圍繞造儲存事業不變的核心與根基,就如同這座全自動化、由AI監控的硬碟工廠,標誌著Seagate硬碟事業的新篇章,傳統與創新同步向前。

責任編輯:林美欣

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