Beyond Automation 2026 AI驅動製造業邁向自主時代
- DIGITIMES企劃
-
生成式AI、數位雙生、智慧機器人與工業AI加速走進製造現場，工廠也正由設備自動化，邁向具備自主感知、決策與持續優化能力的自主製造。為協助台灣製造業掌握這波技術與產業變化，DIGITIMES舉辦「Beyond Automation 2026：超越自動化，製造業邁向自主時代」論壇，邀集政策制定者、產業領袖與技術專家，聚焦AI、數位雙生、智慧機器人、工業通訊與資安等議題，分享自主工廠的技術發展與實際應用。
面對全球經貿局勢與關稅政策變動，台灣產業正面臨供應鏈重組與技術升級壓力。經濟部產業發展署署長邱求慧指出，美國關稅政策歷經對等關稅、122條款至目前調查中的301條款，台灣在相關談判中爭取到強迫勞動調查10%且不疊加MFN原關稅，以及半導體大幅豁免、汽車15%稅率等條件。
AI需求帶動台灣出口創高，全年經濟成長率預估達11.05%，但產業呈現K型分化，傳統產業與中小企業壓力仍大，台灣雖具AI晶片製造優勢，終端AI應用僅排名全球第16位。政府因此編列930億元「韌性條例」預算，提高研發補助通過率，並開放設備購置費納入補助，同時推出自籌款僅1萬元的「AI輔導團」進廠診斷，搭配iPAS人才培育。已有遠洋漁業運用無人機AI辨識魚況、釀造業以數據複製老師傅經驗，以及金屬業透過AI製程開發高階螺絲等案例，協助傳統產業導入智慧科技。
面對少子化缺工、少量多樣訂單，以及AI伺服器高精度製造與散熱結構要求，傳統自動化已難因應快速變動的生產需求。偲倢科技（Spingence）執行長陳青煒指出，製造業導入AI常面臨資料機密、架構複雜與客製化等問題，因此攜手研華科技推出「AI原生工廠作業系統（Factory OS）」。
軟體以SPAC（Spingence Physical AI Kernel）為核心，透過ANAVI將感測器、影像與機台資料語意化，再由SPACTOLOGY建立工廠知識圖譜，交由AI Agent進行決策推理。結合NVIDIA Omniverse數位分身，生產排程、換線與異常停機可先在虛擬環境模擬，再連動生管與現場系統執行，降低實體試錯成本。研華科技資深業務經理田昀錚表示，研華則提供Edge AI電腦、NVIDIA Jetson視覺檢測模組及GPU伺服器等工業級硬體，讓敏感生產資料留在廠內運算，支援模型訓練、模擬與產線推論部署。
在AI算力成長與能源轉型趨勢下，智慧製造連網需求正延伸至太陽能、風電、微電網儲能、無人船及低軌衛星等分散場域。北爾電子（Beijer Electronics）亞太區資深業務協理黃至平指出，這類場域多位於偏遠或嚴苛環境，不僅維運成本高，舊有OT設備也容易成為資安破口。北爾電子因此以符合IEC 62443標準的產品線為基礎，建立裝置安全、網路分層、身分管理、遠端存取與資訊監控五大防禦架構，並支援-40°C至80°C環境運作。
前端透過X3系列智慧HMI及io/gateway採集PLC與感測器資料，再以LINK-IQ解決異質PLC通訊問題；考量衛星頻寬與成本，先由地端Edge AI過濾並分析事件，再經SecuEdge安全VPN回傳，並於WEB-IQ平台進行即時監控與派工建議，協助能源客戶降低偏遠案場出勤與維運成本。
生成式AI、視覺語言模型（VLM）與具身智慧（Embodied AI）導入工業場域後，機器人已由依賴PLC與預設程式的執行工具，發展為具備感知、診斷、學習與決策能力的智慧實體。台灣德國萊因（TÜV Rheinland）資深業務經理莊珮甄指出，自主性提升也帶來AI幻覺、資料偏差、決策漂移（Decision Drift）、提示詞注入（Prompt Injection）及資安等新風險，國際監管因此由硬體功能安全延伸至AI全生命週期治理。
《歐盟人工智慧法案》（EU AI Act）採風險分級管理，並將部分工業機械、自動駕駛輔助及升降設備安全元件列為高風險系統，預計2027至2028年陸續適用相關要求。企業可依循ISO/IEC 42001、ISO/IEC 23894等標準，建立資料品質、模型可解釋性、魯棒性、透明度與網路安全評估機制；德國萊因則透過差距分析、LLM/RAG模型測試及全生命週期風險評估，協助企業釐清開發與部署責任，降低智慧機器人導入的合規風險。
人形機器人與實體AI（Physical AI）快速發展，製造業對靈巧操作與環境適應力的要求也持續提高。非夕科技（Flexiv）亞太區資深業務經理Owen Wu指出，傳統機器人高度依賴精密治具，面對工件公差、位置偏移或複雜表面時彈性有限；非夕自適應機器人透過「全臂多點力控」演算法，在7個自由度關節與末端配置高精度力感測器，具備0.1至0.03牛頓感知精度與每秒1,000Hz即時響應，可進行位置與力量混合控制。產品涵蓋Rizon、Inlite系列手臂，並整合AGV打造Econ 2與MIKO行動機器人平台，支援ROS 2與NVIDIA Isaac生態系。實際應用已導入汽車、3C及AI伺服器供應鏈，包含複雜軌跡打磨拋光、線束插拔、FPC壓接及外蓋安裝等製程，藉由自適應力控降低治具依賴並提升組裝一致性與良率。
AI、實體AI（Physical AI）與邊緣運算加速導入產線，加上地緣政治與跨境建廠需求，工業資安規範正快速轉向強制合規。四零四科技（Moxa）亞太區資深產品行銷經理郭彥徵指出，近年製造業與關鍵基礎設施遭勒索攻擊頻傳，各國因此加速推動歐盟CRA、NIS 2，以及SEMI E187、IACS UR E26/E27、JC-STAR等法規與標準，要求聯網設備具備原生安全設計。
然而，OT現場常有新舊系統並存、老舊機台難以停機更新，以及Modbus、EtherNet/IP、PROFINET等工業協定缺乏加密等問題。Moxa因此以IEC 62443為基礎，採取「縱深防禦（Defense-in-Depth）」架構，透過網路分區阻止攻擊橫向擴散，搭配具工業協定深度檢測（DPI）的防火牆阻擋未授權操作，並強化RS-232/422/485串列設備的密碼與加密防護，再以集中式管理軟體進行即時監控與日誌稽核，協助製造業在降低停機風險的同時接軌國際資安規範。
數位雙生結合工業AI 製程優化走向自主決策與精密控制
面對地緣政治、原物料波動與缺工等挑戰，製造業正加速邁向具即時預測與自適應能力的自主工廠（Autonomous Factory）。台灣西門子（Siemens）數位工業事業群業務推動加速部門協理范栩指出，工業AI（Industrial AI）不同於消費端AI，必須兼顧安全性、可靠度、高可用性與擴展性，任何錯誤判斷都可能造成停機、設備損壞甚至工安事故。
為降低AI人才不足、資料孤島與實體試錯成本，西門子以數位雙生（Digital Twin）為基礎，透過「數位主幹（Digital Backbone）」串聯產品設計、產線規劃、虛擬調試與工廠運維。實際案例包括廣達以數位雙生模擬機械手臂取像並生成合成資料訓練缺陷辨識模型；勞斯萊斯結合NX、Simcenter與Copilot優化引擎零件設計及CNC加工路徑；百事可樂運用AI改善廠房與產線配置；CSMT則以Industrial Copilot自動生成加工與檢測程式，降低工程人員編程負擔。
塑膠射出成型產業長期面臨資深調機師傅退休、製程參數仰賴經驗傳承，以及PCR再生塑料物性不穩等問題。智穎智能（Moldintel）創辦人暨執行長張詠翔指出，工業AI要能落地，必須兼具可靠度、易用性與可擴展性。智穎智能因此整合逾30年的產業經驗與演算法研究，推出雲端射出成型AI方案，操作人員只需輸入材料、機台與產品規格，系統即可自動生成溫度、速度與保壓等製程參數，縮短試模與調機時間逾70%。
進一步打造的「RoboMolding」則能在連續生產中即時預測收縮、翹曲等缺陷，並自動微調控制參數進行補償。相關AI演算法已模組化，並與多家射出機與控制器大廠整合，可快速部署至海外工廠，協助客戶降低60%至80%試模成本，並提升10%至20%產能與良率。
自動化與智慧製造系統開發若高度依賴實體樣機反覆調試，往往面臨週期長、成本高，以及量產前才發現設計問題的風險。虎門科技CAE事業群總經理廖偉志指出，研發「左移（Shift-Left）」的核心，是在實體機台投產前，透過機電模擬（Mechatronic Simulation）與硬體在環（HIL）技術，先驗證控制演算法、機構動態與系統可靠度。
虎門科技整合機構、結構、電路與熱流分析工具，搭配HIL即時模擬環境，可分析機械手臂高速運動時的剛性、震動與慣量匹配，並結合AI Agent與高速攝影量測加速參數優化；在陶瓷燒結製程中，也以AI聲音辨識取代人工敲擊判定。針對儲能系統、800V快充站、微電網與長航程無人機等應用，HIL則可模擬極端工況、電池熱失控與能量調度策略，降低實體測試成本並縮短產品開發時程。
AI算力需求持續成長，加上摩爾定律逼近物理極限，半導體產業正加速導入2.5D／3D堆疊、小晶片（Chiplet）與共封裝光學（CPO）等異質整合技術。碧綠威自動化（PBA Group／禾思）區域銷售經理Daryl Tan指出，在CoWoS、SoIC等先進封裝架構下，微凸塊逐步朝銅對銅混合鍵合（Hybrid Bonding）發展，製程對準精度已進入100至200奈米等級；CPO製程中，FAU光纖陣列與PIC晶片對位同樣要求極高精度與角度控制。
碧綠威結合精密機械、線性馬達與南韓Sunhan技術，推出氣浮軸承、高剛性碳化矽橫樑及六軸主動對位（Hexapod）等高精密運動平台，可達局部±100奈米、全行程±500奈米精度與小於20奈米的靜止穩定性。同時整合線馬、驅動器、控制器及晶圓搬運模組，提供一站式客製化服務，將設備開發週期縮短至4至6個月，支援先進封裝、熱壓鍵合、CPO與3D AOI等設備開發。
生成式AI與大語言模型（LLM）快速發展，工廠智慧化也正由傳統規則控制走向自主營運（Autonomous Factory）。NVIDIA資深解決方案架構經理Andrew Liu指出，NVIDIA所稱的「AI Factory」是以高密度算力持續產出Token，支撐具備思維鏈、多代理協同與工具調用能力的代理型AI（Agentic AI）。
在製造現場，Agent可透過API串接MES、ERP、SCADA等系統，自主進行根因分析、排產與異常處理；進一步結合VLA（Vision-Language-Action）與Cosmos世界模型後，實體AI（Physical AI）可驅動AMR、機械手臂或人形機器人執行裝配與搬運。NVIDIA並提供NeMo Tron、NeMo Guardrails，以及Omniverse與Isaac Sim等工具，協助企業建立模型、安全防護與數位分身環境，加速工業AI由開發走向實際部署。
自主工廠回到現場 以製程知識與人才累積競爭力
除了精彩演講，這次論壇也邀請工研院南分院副執行長黃甦、台大機械系智慧製造創新中心終身特聘教授覺文郁兩位專家，針對「Beyond Automation：製造業下一個10年的關鍵競爭力」議題進行座談。座談主持人何戎指出，製造業過去二十年致力於自動化並累積可觀成果，但邁向自主化的過程中，如何在人機協作、數位雙生與AI應用浪潮下兼顧務實落地與企業競爭力，已成為產業界當前最關切的課題。
黃甦分析，自主化的核心在於系統具備感知、自我調適（Self-tuning）與決策閉環，並非追求一蹴可幾的無人工廠，而是針對產線瓶頸採取漸進式升級；面對生成式AI與代理型AI（Agentic AI）迅速迭代帶來的技術挑戰，黃甦建議經營者應轉變思維、善用產發署AI輔導團等低門檻政策工具，並聚焦將內部累積的製程機理轉化為AI訓練基底。
覺文郁博士則直言「務實」是唯一解方，指出當前許多高算力或數位雙生方案若脫離實體場域便流於空談，唯有從產線最痛的瓶頸切入、以感測器蒐集真實數據逐步建構，才能發揮效益；針對經驗斷層與技術人才荒，覺文郁提醒，純軟體AI工具難以構成獨佔優勢，扎根於實體製程的「Domain Know-how」才是企業無法被取代的護城河，並建議產業善用教育部「新型專班」等國際人才培育方案，為企業量身定做具備實務能力的跨國AI與機電整合人才。何戎最後總結，邁向自主工廠並非拋棄人，而是讓人才結合AI發揮更大價值，企業唯有回歸自身核心痛點、扎根專業知識並推動終身學習，才能在下一個十年確立無可取代的競爭優勢。
