##### 臺灣電子資訊製造業已有 28% 企業實踐 AI
資策會產業情報研究所（MIC）近日公布《臺灣電子資訊製造業導入 AI 發展》調查結果，顯示臺灣電子資訊製造業已有 28% 企業實踐 AI，另有 46% 處於規劃階段。從次產業來看，PCB、光電材料及元件業的 AI 應用發展較為成熟，而其他電子零組件、電腦及週邊設備業的發展相對較慢。
調查指出，大型企業的 AI 布建進度領先於中小型企業，但中小型企業已加速追趕，2024 至 2026 年在 AI 上的投資年均複合成長率（CAGR）達 26%。資策會 MIC 產業分析師張家輔表示，製造業者導入 AI 的主要目標為改善績效與降低成本，最關心的指標包括良率、產能、產品上市時間與成本。
##### AI 投資持續增長，硬體支出占比最高
調查結果顯示，2024 年已導入 AI 的企業平均投入 209 萬元新台幣，預計 2025 年增至 236 萬元，2026 年達 261 萬元，三年 CAGR 達 11.5%。其中，約四成業者仍在持續加大 AI 投資，2025 年預估有 46% 增加預算，2026 年則有 39% 提高投入。
已導入 AI 的企業平均投入預測。
圖／ 未來商務製作（資料取自資策會 MIC）
在資源分配上，2025 年製造業在 AI 領域的硬體支出占比最高，達 46%，其次為軟體（42%），而服務（12%）則占比最低。這顯示臺灣自動化業者在硬體領域具備強勁競爭力，未來商機可期。
2025 年製造業在 AI 領域的投資資源分配。
圖／ 未來商務製作（資料取自資策會 MIC）
##### 觀察一：鑑別式 AI 為主流，生成式 AI 潛力待開發
資策會 MIC 指出，製造業在 AI 技術投資上仍以鑑別式 AI 為主流，2025 年預算配置比例為鑑別式 AI（73%），遠高於生成式 AI（27%）。2026 年預計生成式 AI 的投資占比將微幅增長至 29%。若聚焦製造業製造單位 AI 應用現況，可發現採用鑑別式 AI 的企業家數為生成式 AI 的 1.6 倍。
2025 年製造業鑑別式 AI、生成式 AI 預算比例。
圖／ 未來商務製作（資料取自資策會 MIC）
雖然目前生成式 AI 應用仍以「產品開發報告生成」為主，且滿意度較低，但隨著 AI Agent 與人機協作技術的發展，未來生成式 AI 有望拓展至更多製造與生產環節。張家輔建議，方案商應持續開發相關應用，以搶占新興市場機會。
##### 觀察二：品檢與生產為 AI 應用主流
導入 AI 應用最多的前十名中，有半數與製造生產相關，其中前三名依序為瑕疵檢測、瑕疵圖片標記及生產流程改進。未來製造生產部門對 AI 的需求仍最大，其次為產品研發與產品質檢部門，顯示這些部門的智慧化程度將進一步拉開與其他部門的差距。
資策會 MIC 調查指出，前十名 AI 應用依序為：瑕疵檢測、瑕疵圖片標記、生產流程改進、產品開發報告、瑕疵根因分析、生產排程規劃、檢測設計缺陷、工安事故分析、製成參數最佳化、生產問題肇因分析。
##### 觀察三：IT 部門為 AI 推動核心
在已實踐 AI 的企業中，IT 部門的 AI 發展進度最快，實踐比例達 60%，顯示 IT 部門普遍是企業數位轉型的推動者。其次為製造生產與產品質檢部門，這兩大領域也是目前 AI 應用最集中的環節。
##### AI 導入的滿意度與挑戰：數據是核心問題
調查顯示，業者對於導入 AI 後的成效有不同程度的滿意度，其中最明顯的改善項目包括增加營收、減緩缺工壓力及降低成本。然而，業者對「提升問題的可預見性」的滿意度相對較低。張家輔分析，AI 預測能力未達預期，可能受市場供需變動、政經環境，以及企業自身數據準備度等因素影響。
資策會 MIC 指出，數據問題仍是製造業 AI 發展的最大挑戰，八成已導入 AI 的企業面臨數據相關困難，特別是大型企業因組織架構複雜，數據管理問題更為棘手。此外，仍在規劃導入 AI 的企業則主要面臨高成本與效益難以評估的困境。
產業分析師張家輔表示，數據準備度需實際執行才知道可用性，數據太少造成模型效能不佳，或數據太多未能有效治理，都會導致無法充分發揮 AI 的能力。企業應以終為始，先確認 AI 應用場景，再規劃所需數據，確保數據量、數據品質及數據治理到位，以提升 AI 應用的準確性與效益。
