說服老師傅用AI、全球品牌搶取經,72歲染整廠怎從最髒行業翻身?
說服老師傅用AI、全球品牌搶取經,72歲染整廠怎從最髒行業翻身?
  1. 染整廠是紡織業最難自動化一環,但72歲東豐纖維卻成為全球品牌搶取經的AI轉型典範!當企業苦於員工抗拒新系統,它如何讓老師傅們擁抱AI?
  2. 花12年破解轉型最大難題——人性,它讓年輕儲備幹部泡在現場跟老師傅一起做髒活!如今產值不變下,人力縮減近3成、還連年調薪。

想像一下這個場景:當公司建構好最新的AI系統,滿心期待員工因此提升效率,但系統交到員工手上,卻很常被冷凍在一個角落。推動AI轉型,最大的魔王往往不是技術,而是人。

然而,我們竟在這家看似最傳統的染整廠裡,看見他們破除一道道魔咒。

染整廠,曾是紡織業最髒、最熱、最難自動化的一環,地板長年濕滑、機台轟鳴。但在高雄東豐纖維路竹廠,這樣的場景已經改變。

這家成立七十二年的傳產老廠,不只是Nike、Levi's、GU等品牌的供應鏈,甚至成為吸引全球品牌研發部門,專程飛來台灣取經的「AI先進部隊」。而它也經常成為工研院與產業研究單位等,公開分享的紡織業轉型案例。

在他們的創新研發中心,有二十七面螢幕牆即時跳動著台灣、泰國、越南等地工廠的產能數據。今年三月,東豐更上線一套「紡織GPT」,員工只要用自然語言詢問:「昨天織布效率為何下降?」AI就能從破碎數據中,撈取關鍵資訊、提出解方的工具。

小檔案_東豐纖維
成立1954年
董事長陳爾彪
總經理林益民
主要產品天然纖維布、合纖伸縮線織造與染整加工
成績單2025年營收約60億元
地位客戶包含Nike、Puma、Levi's、GU

改變第一步從人開始 養成兩大類種子部隊

轉型至今,在紡織廠產值不變的情況下,東豐的人力竟已經精簡近三成!

他們花了整整十二年才走到這一步,且關鍵不在技術,在於攻克了「人性」。

改變契機,從一個看似微小的問題開始。

東豐纖維總經理林益民告訴商周,公司長年仰賴人工簽核流程,文件須層層審批,再由快遞送往工廠。一旦有人漏簽,整個流程就得重來,導致交期延誤,甚至曾經被迫從海運改為空運,成本暴增三倍,損失動輒上百萬到上千萬元,而且還發生不只一次。

當時,東豐至少連續五年虧損,設備逾三十年未汰換,員工平均年齡四十七歲。明知道長年仰賴人,交期延誤的烏龍事件,一定會再繼續發生,但老師傅們對於任何轉型,容易本能性的排斥。

二○一五年,董事長陳爾彪新上任,他第一句話就問高階主管:「你希望公司五年後長什麼樣子?」

新團隊改變第一步,不是買設備,而是改變人。

他們招募十五名大學剛畢業、理工背景的新鮮人,做為儲備幹部。但這批人,沒有直接被丟進老廠,而是先送往制度成熟、獲利穩定的泰國廠實習三個月。讓這群新人先看見「轉型後的工廠長什麼樣子」,建立起目標和信心後,再回到轉型剛起步的路竹廠。

緊接著,東豐在一八年設立創新研發中心。他們就像是幕僚中心,直屬於董事會,成員不綁業績、不趕著交貨。而他們的任務就是頭上裝上天線,接收資訊。

東豐纖維台灣路竹織染廠事業部經理林明旺補充,許多公司轉型不利,是因為他們把引進AI的任務,交給第一線生產單位的主管。但這些主管,每天光是為了確保量能和品質可以達標,忙得不可開交。更何況導入新技術勢必出現磨合期,產量可能下滑、影響績效,導致主管進退兩難、最後回歸老本行向績效效忠。

讓儲備幹部扛髒活 跟老師傅泡在現場磨合

然而,要讓老師傅心服口服,不能只靠新部門。東豐的殺手鐧,是讓那批最懂新技術的儲備幹部,接手老師傅不想碰的「髒活」。

林明旺深諳:「老師傅反感AI,不是擔心自己被取代,而是擔心做法一改,工作效率被降低!」

為降低疑慮,他們將這群儲備幹部下發到不同部門。但這些人不是「空降主管」,不會站著說話不腰疼,而是跟著老師傅「泡」在現場,從最瑣碎的雜事做起。例如,當工廠太昏暗,就自己手拉電線、架電燈;又看見工廠的廁所老舊,就主動修繕整理。

面對完全沒碰過電腦的叔叔阿姨,這群人也手把手教他們,如何把手寫報表的內容,改成用電腦一個字一個字輸入。而當公司要換新機台,從傳統旋鈕式的機台,改成電子面版,他們也會跳出來,教老師傅不用讀懂說明書,只要跟著他們操作,就會慢慢習慣。

另外,最初導入AI系統可能影響產量,這群儲備幹部也會主動跳出來向工作人員說:請放心,如果因為測試新工具降低產能,「有問題,我們承擔,責任我來扛!」林明旺說。

當然,過程中依舊需要大量磨合。

#1 東豐纖維
過去管理者得走進悶熱的染整廠才能掌握生產狀況,現在東豐纖維廠區(右圖)乾淨明亮,並用AI彙整機台資訊。
圖/ 商業周刊/程思迪攝影

AI溫控上線省成本 重啟分紅制、連年調薪

東豐纖維路竹織染廠永續發展處課長劉昶璋回憶,他們從去年開始開發一套「鍋爐溫度控制」系統,讓AI自動判斷熱能需求、即時調整。這可以避免能源浪費的問題,因為在過去,不少老師傅為避免效率降低,總是習慣一到工廠就把鍋爐調整到最高溫。

但剛開始現場實測這套AI系統,難免會出錯。某一天,當老師傅發現,AI自動操控的熱能不足、可能影響目前染整中的布料時,當場情緒失控,用台語破口大罵:「你們到底在做什麼!」

眼看雙方劍拔弩張,關鍵時刻,幸好劉昶璋因為曾在染整廠基層磨練過,是老師傅們眼中的「自己人」,趕緊出來撫平現場情緒,更立刻提出操作建議,把差點出包的布料搶救回來。

最終,這套系統歷經長達八個月,總算開發成功,一年能為公司再節省約三、五百萬元的成本。而這也代表,東豐從過去被動收集大數據,正式跨階到AI時代,AI可以主動且自動的進行決策。

經過十二年的努力,如今在產值不變下,東豐人力規模縮減近三成;員工平均年齡下降,成功補進新血。

東豐纖維
東豐纖維多與新創合作,例如開發即時模擬布料AI系統,降低打樣成本。
圖/ 商業周刊/程思迪攝影

更關鍵的是,公司從二○一八年起,恢復停滯十年的分紅制度,並連年調薪,幅度最高達五%,直逼紡織業龍頭。「福利越好,你就越能接受改變,」林益民說。

東豐證明了一件事:AI轉型從來不是一場技術競賽,而是一場關於人性的管理工程。

本文出自商業周刊,原文標題為:說服老師傅用AI、全球品牌搶取經,72歲染整廠怎從最髒行業翻身?

延伸閱讀: SpaceX史詩級募資強碰金融變數,台廠供應鏈誰是真金白銀 AI帶動宇宙工業革命!馬斯克、貝佐斯、Google搶57兆元新戰場

關鍵字: #企業轉型
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 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