回顧自 2011 年起，德國政府喊出工業4.0，帶動全球製造業智慧革命，成為機械和製造業的焦點議題。這兩年高速發展的AI（人工智慧），再次掀起一波「智慧化浪潮」，讓大眾對未來的製造業樣貌充滿期待。如果深入觀察製造業，可以發現從工業 4.0 之前就有的自動控制、工業通訊、機聯網等在製造場域中採用的新技術，有降低成本、提升效率兩大目標，而AI的出現也同樣為滿足更高的效率與效能需求。尤其是 Edge AI 的興起，可將AI運算從雲端下放到邊緣設備，大幅提升即時反應能力，開啟更多應用可能。相較於以往的自動化或智慧化技術，AI 對製造業的影響更深、更全面，因此導入的思維也有所不同
從長期來看，目前的 AI 仍處於發展初期。以電腦發展的進程為例，早年的大型電腦為封閉式架構，直到 IBM 推出個人電腦後，各種協會組織制訂出開放性標準，讓投入廠商有依循的框架，並紛紛推出高效能且可相容軟硬體產品，使電腦普及加速，整體市場也因此快速成熟。對照 AI 發展，我相信未來在推動 AI 也會是走一樣的路，以訂定國際標準作為量化基礎，AI 產品才有機會往高效能、標準化的目標推進，幫助導入成本快速降低，進而推升企業建置的意願。例如 IRAM（Industry 4.0 Readiness Assessment Model）工業4.0就緒性評估模型，曾協助半導體供應鏈組織評估與追蹤智慧製造技術部署進度，並制定數位轉型路徑圖。這些已經通過市場檢驗的產品與工具，就不必重複試錯、調整架構、立即可使用。
AI 逐漸普及後，預期將形成新的產業競爭。許多人討論，哪些工作有可能被 AI 取代？而我認為未來被 AI 取代的並不會是特定產業，而是「不會用 AI 的」工作樣態。在產業及供應鏈發展上，也是相同的道理，只有願意與時俱進的企業，才會在每一波浪潮後進步。舉例來說，機台設備的操作或運作，以往只能靠老師傅依據經驗法則判斷，AI 導入後就可將老師傅的專業量化為數據，用數位系統監控機台，此外還可結合 Edge AI，在機台邊緣即時分析數據，快速偵測異常並自主優化參數，大幅提升生產效率與良率，藉此保有彈性，克服專業知識因少子化傳承不易、勞工成本漸高、產業效率不彰等困境。
從智慧製造角度而言，AI 無疑是製造業降低成本、提升效率的關鍵技術。然而 目前AI 應用尚未成熟，且技術發展並非搶頭香，NVIDIA 經過數十年的累積，才展現今日市場價值，無論是 AI 或其他技術革命，成功關鍵都是一步步累積、堆疊基礎。再以台灣半導體業者為例，他們在工業4.0名詞還沒出現時，就從耕耘服務客戶的角度出發，著手蒐集數據、優化製程，這種以終為始先釐清自身需求，再逐步建構紮實基礎，才是 AI 導入效益可以順利展現成效的作法。
放眼未來，AI 帶來的產業變革已成定局。過去製造業經歷過許多技術變革，然而 AI 除了是全新技術典範，影響所及更涵蓋營運與製程系統，翻轉營運模式。製造業者理解 AI，掌握 AI 外，還必須釐清自身產業應用需求，再依照供需兩端狀況制定完整策略，讓 AI 系統的建置效益與成長曲線相符，重塑企業活力。
林其鋒
SEMI智慧製造委員會委員
研華股份有限公司副總經理