製造業是台灣出口主力，當AI進駐工廠，會帶來什麼樣的新風貌和新商機？老師傅經驗傳承的方式有可能變成虛擬教練嗎？或者以後不再有「工人」這個職業？
AI賦能製造業的威力，在半導體業打滾30多年的台積電前研發處長楊光磊最清楚。工業AI重要嗎？他只反問一個問題：如果你要從台北開車去屏東，你會走省道還是高速公路？
他1998年進台積電，當時還沒有AI或數位轉型這種流行名詞。他大膽和高層提出：我的組織其實只需要4分之1的人，甚至在某些情況下10分之1就夠了。原因是他認為生產力的人力不是重點，「系統化」才是關鍵。與其找10個人推車走泥土地，不如投入資源蓋馬路，一個人就能開車抵達目標。
「工業AI的核心概念是，當你的成果需要成長10倍時，人力的投入頂多增加2倍，其他要靠電腦（可類比於現在的 AI）來達成。」楊光磊說。
但當人習慣了推車送貨，你讓他去蓋馬路，他覺得那是浪費時間。當時，台積電前董事長劉德音請楊光磊負責研發系統（R&D system）的建置。這是一套在全世界看來都非常先進的系統。然而，當他準備跟整個研發部門溝通這套系統時，帶頭的一名研發主管直接當著劉德音的面拍桌子反對，說：「你不要找我們麻煩，我們每天已經非常忙了。」
他對那位反對的主管提出一個方案：「你們原本的路繼續走。你們這條省道從台北到屏東，中途要經過每個村莊，雖然很慢，但你們每天都要用，我不會去動它。我只要帶半個工程師，用極少的、甚至讓你完全察覺不到的資源，另外開一條『高速公路』。這樣可以嗎？」
高速公路打通之後，與省道的差別就顯而易見了。「當一個人的目標是從台北到屏東，只要他發現了高速公路的存在，他一定會選擇走高速公路，而不會繼續走省道，因為他的本質目的就是抵達屏東。」楊光磊說，工業AI的本質，說穿了就是讓生產力提升10倍到100倍。
告別牛馬時代差什麼？老師傅智慧的「超效」傳承
根據波士頓諮詢公司（BCG）2026年《未來工廠》研究，AI、自動化與數位系統整合後，工廠生產力最高可提升60％。BCG指出，這不只代表單一工廠效率提高，更可能改變全球製造成本結構：原本因人工成本高而外移的產能，有機會因自動化與AI重新取得競爭力。研究估計，若無法升級未來工廠能力，西歐、北歐與美國合計約有1.47兆美元製造產值面臨外移風險。
之於台灣，工業AI又能如何幫助製造業往前大躍進、解決掉什麼樣的瓶頸？
製造業產值占台灣GDP近4成，是台灣經濟最重要的成長引擎之一。經濟部統計，全台營運中的工廠約有9萬多家，從業人員將近300萬人。
傳統的工廠中，學徒透過和老師傅一起工作，漸漸練出技能。但現實狀態可能有言語不通、溝通不良、輩分隔閡等問題，導致年輕人不懂也不敢問。
然而，有沒有可能未來的工廠是這樣：學徒在工作現場，開始錄影把畫面送進「老師傅AI模型」，然後老師傅的智慧和經驗就像小精靈一樣出現，告訴他這個零件要怎麼組、什麼東西再往右轉一點。這是人工智慧學者、Google台灣前董事總經理簡立峰期待AI在工業應用裡可以做到的老師傅傳承：一個「虛擬的老師傅分身」。
少子化將持續發生的台灣，有些人認為或許「AI進工廠」是勞動力短缺的一項解方，但簡立峰則認為，少子化並不是製造業最大的問題，因為製造業本來就逐水草而居，你可以將工廠移到中國、東南亞或全球其他地方，製造業的工人在全世界。基層勞動力可以跨國配置，但老師傅累積多年的經驗，卻不是把工廠搬到另一個國家就能解決。
「實際上，台灣製造業真正缺的是研發人員和『老師傅』。」簡立峰指出所有製造業共同面臨的問題：如何更有效率且正確的傳承經驗？
「多模態模型（Multimodal Model）」是關鍵技術之一，大部分老師傅的工作場景是視覺、聽覺和觸覺，而這些能力現在不是生成式 AI 最擅長的。簡立峰指出，原因就在於訓練資料已經缺乏景深、3D、觸覺、嗅覺。接下來除了強化上述的多模態資料搜集，也已經有業者在強化開發視覺語言模型（VLM，Vision-Language Model），致力使老師傅傳承的方式，往下一階段邁進。
它是可穩定循環的AI生產流，市場規模上看1539億美元
與生成式AI不同，所謂「工業AI（Industrial AI）」目前還沒有一個非常明確的定義。2018年，美國辛辛那提大學教授李傑與團隊開始系統化提出「Industrial AI」概念。李傑認為，工業AI不是單純把人工智慧搬進工廠，而是一套能讓工程師反覆、穩定地開發、驗證與部署AI的方法。關鍵在進入產線後，能否長期維持一致、可靠的表現。
一般場景下，AI即使偶爾答錯，代價通常有限；但在製造現場，一次錯誤判斷可能造成停機、良率下降，甚至設備與工安風險。因此，李傑強調，工業AI必須結合設備資料、工程知識與現場經驗，做到可驗證、可解釋、可重複。
根據IoT Analytics《2025−2030年工業AI市場報告》，全球工業AI市場2024年已達436億美元，預估2030年將成長至1,539億美元，年複合成長率約23％。與消費型AI不同，工業AI主要用在機器視覺、設備資料分析、品質檢測、邊緣運算等場景，要求更高的可靠度與安全性。生成式AI興起後，也帶動了製造業重新加速AI投資。
事實上，工業自動化已經談了好多年，然而近年AI高速發展，從製造業需求端來看，究竟帶來哪些關鍵差異？
「關鍵在於更快速、更彈性地提升整條產線的稼動率、效率與產出。」和椿科技董事長張以昇指出，和椿科技過去40多年提供自動化解決方案，近年則專注AI與機器人於各產業的導入。
自動化的「最後一哩路」！台灣可搭海外建廠升級
張以昇也觀察到，台灣面臨高齡、少子及缺工問題，導入現場應用的核心在於如何降低人力需求、提高產線稼動率。例如，用AI做視覺檢測、設備預警、製程優化，或是透過移動型機器人將工作流程簡化，增加整體產線稼動效率，「這些目前在客戶端都看到很大的需求。」他說。
特別是台灣在AI基礎建設的供應鏈上扮演了重要角色，從台積電生產製造到相關產線設備，都會帶動需求。張以昇說，和椿近幾年的成長動能，也是來自半導體次系統與電子製造產線設備，「整個供應鏈的需求成長是正在發生的，接下來也會持續成長。」
他補充，在良率預測、設備預警維護、產線自動化等，這類應用的導入進程比較快。如果結合機器人，變數會更多，關鍵是機器人硬體與整合技術的進展。「若是要結合複雜的實體環境應用，目前進展相對低，但成長空間大。」他說。
這個「成長空間」會是台灣經濟產值成長的下一個賽道嗎？簡立峰認為是。「這個軟硬整合的空間應該在這一波海外建廠中爆發。因為本來就知道（海外）人力不足且很貴，要找工人也不容易，所以不管留在台灣或移到海外，都得自動化。」
例如鴻海、台達電在自動化的技術及應用都已經很強，有點像因應自身需求，開發給自己用。在美系的未來生產製造中，台灣人做自動化的急迫性仍是自己決定的，若肯多投一些錢，企業競爭力就會長起來，「海外建廠的自動化潮，會讓台灣的製造業更早、更有效率地進入工業AI時代。」簡立峰說。
責任編輯：謝宗穎
