DIGITIMES智慧工廠論壇點火 南台灣迎AI製造升級潮
- DIGITIMES 企劃
-
隨著半導體S廊帶與亞灣2.0進入建構關鍵期，高雄正引領南台灣傳統製造與設備供應鏈結構性升級。
9月11日於高雄日航酒店舉辦的DIGITIMES 2026智慧工廠論壇南方崛起：定義智造新高度，邀請各界好手分享各自領域的研發及落地案例，期盼透過先進製程、AI算力、工業機器人，加速在地供應鏈的「智造升級」。
論壇聚焦雲地整合GenAI、台灣主權AI與供應鏈在地化智慧工廠策略，並探討AI製造應用、IIoT感測、高能耗廠房調度、能源韌性、人形機器人及資安防禦等議題，吸引製造、資安等眾多產業人士共襄盛舉。
AI驅動智慧工廠 走向以人為本的全方位智慧製造
AI賦能的智慧製造正從基礎的工業4.0逐步演進，成大智慧製造研究中心執行長鄭芳田提出「工業4.1到4.3」概念，認為4.1追求零缺陷，4.2導入智慧節能與能源管理，邁向淨零排碳；4.3則運用Agentic AI，打造以人為本的全方位智慧製造。
該中心研發的「智慧工廠自動化iFA」，已建立工業4.1零缺陷製造及工業4.2能源管理的基礎。進入工業4.3後，則是在既有的智慧製造資料與功能上導入Agentic AI，結合大型語言模型與MCP（Model Context Protocol）工具，讓AI能主動理解製造現場、串接不同智慧製造功能並協助決策，最終從單點的自動化工具，實現以人為本的全方位智慧製造體系。
智慧工廠4.0的基礎建置包括資料、網路、算力及能源
AI要真正進入製造現場，不只靠模型與演算法，更要從設備、資料、網路、算力到能源建立完整的基礎架構。工業4.0係在硬體能力提升後，進一步透過物聯網、雲端、AI與數位技術，將設備、資料與人員串聯起來。
新漢智能著重智慧工廠4.0的基礎建置，事業部總經理黃飛龍介紹，新一代AIoT解決方案iAT3000整合AI、Security等技術，並結合自家的Smart IO，透過標準化的控制層進行資料與設備管理，再將現場蒐集的資料傳送至NexDATA，進一步整合至戰情室，讓管理者即時掌握設備運作、環境狀態與異常事件，並透過集中式的資料分析與視覺化管理，提升整體系統的監控、決策與應變效率。
伊頓電氣(Eaton)為全球產業提供最底層、最關鍵的「電力管理」與「數位基礎建設」保障，撐起AI最上層的模型與應用，企業客戶業務經理林艾蓁表示，AI時代帶動電力需求大幅成長，尤其AI算力工廠面臨模型運算產生的極端動態負載，一旦運算中斷，可能造成訓練資料與參數損失，電力穩定性對AI算力工廠的重要性不亞於半導體製造。
伊頓電氣推出的儲能兩用UPS，結合電網互動式不斷電系統與能源儲存功能，不僅能在電力異常時保護關鍵負載，也可因應AI運算造成的動態負載進行電力調節與調度，協助AI算力工廠因應高耗能、高功率密度及電網不穩定等挑戰。
欣錦智能聚焦扣件產業的智慧製造，產品涵蓋瞬檢機、線上製程監控及扣件資訊平台整合。總經理陳盈男表示，扣件業面臨老師傅調機經驗難以傳承，導致製程資料斷裂、難以有效串接的問題。
由於老師傅經驗是扣件製造的核心資產，導入AI前，首要工作便是將經驗轉化為機器可理解的Data。欣錦智能透過觸覺感知量測鍛造力、輾造力、模具間距及合模位置等參數，建立設備數位感官，讓每台設備、每個模具與每項產品留下獨有「製程指紋」，實現製程知識數位化。
現在業界逐漸傾向在Edge端就完成資料的整理與清洗，而非全部送到雲端再處理。研杰科技專案經理李億剛介紹，其代理的工業邊緣資料平台Litmus Edge可部署在各個網路區域，透過防火牆的加密隧道進行通訊，核心價值在於可直接在Edge端，做到快速收集並標準化各種設備數據，讓原本分散的資料能即時被整合與應用，並支援Rule-based、AI / Machine Learning在雲端訓練模型、在Edge端進行推論，降低對雲端依賴，更能加速工業應用的落地。
台灣巴魯夫(BALLUFF)業務暨營運總監邱俊憲表示，客戶希望的IIoT智慧工廠要簡單、不需太多成本，不能影響現有設備，不能只有數據。
巴魯夫提供由底層感測、IO link、IIoT、到SWIR(Short-Wave Infrared)檢測的完整生態系，並協助客戶將數據轉換成決策價值，其將類比、數位Sensor及IO link Sensor整合在同一個網路，兼顧功能與成本；可在既有工廠產線快速架設，支援Node-RED，Python檔案等；而SWIR相機則能穿透Wafer，提升先進封裝的製程良率。
台灣需發展主權AI 建立台灣產業特色模型
財團法人國家實驗研究院國家高速網路與計算中心擔任主權AI最關鍵的算力與資料基礎設施供應者，技術總監林昀德提到，國網中心提供算力並結合中研院的多模態模型，打造AI應用開發平台「TAIWAN AI RAP」，確保台灣的數位主權。
TAIWAN AI RAP採一站式服務，結合台灣自主的AI運算環境並符合在地文化的語言模型，提供模型微調與評估、多模型API服務、客製化流程設計前台，以B2B2C的營運策略，協助中游業者擴散下游應用研發，試營運期間達成 103個單位使用TAIWAN AI RAP服務的成果。
國立陽明交通大學AI系統檢測中心工程師謝翔丞表示，企業發展大型語言模型與AI Agent時，日益重視「token efficiency」與「model intelligence」，透過適才適用的模型分工降低運算成本，如先在資料源頭進行過濾，再交由AI處理，避免不必要的重複運算。
該中心研發的myPDA採雲地整合多層次Agent架構，涵蓋Kortex kernel、技能設定、Tools SDK及GenUI互動介面，將專業技能Agent標準化，使AI能自主判斷下一步，並將一次性的AI成果轉化為可驗證、可治理、可重用及持續優化的企業能力。
AI Agent具備自動跨系統協作、即時整合企業知識、端到端流程自動化，解決過去知識散落難查找、重複性工作消耗人力等痛點，但受到資安與合規顧慮、員工抗拒等因素，導致多數企業仍處觀望階段。銓鍇國際提供AI服務上雲的規劃與諮詢，結合AWS與Amazon Quick Suite，將企業分散的資料、知識與流程轉化為實戰型AI Agent。
資深解決方案顧問Allen Wang建議，企業可從特定工作場景或流程切入，讓AI逐步協助員工，驗證實際成效後，再依需求擴大應用範圍。
AI越深入企業 資安與治理越重要
當內外網路界線模糊、生成式AI加速資料流動，端點成為資安防禦關鍵，企業必須全面掌握「誰、在哪裡、使用什麼資料、如何送出」。
精品科技專注在資安的端點管理，資深資安工程師Leo Liao表示，企業內及員工手上的資訊與應用設備皆屬端點，精品科技透過檔案加密、內容過濾、行為阻擋、行為記錄四重防線，從內容到行為防止資料外洩。X-FORT資料安全防護解決方案整合電腦資產管理、資料防外洩、資料保護及使用者活動監控，全面掌握資料流向，強化企業資安治理。
全球應用與API交付與安全防護領導廠商F5台灣區資深技術總監陳廣融表示，Agent時代帶來的是互動複雜度，而非單純流量成長，資安防護也從Application延伸至MCP等整個AI互動鏈。因此，企業需要駕馭(Harness)AI，而不只是保護AI，平台化將取代零散的單點解決方案，以交付、安全與治理，共同支撐企業級 AI。
F5推出專門針對AI安全與信任風險管理的核心組合，這套架構融合在F5 BIG-IP Next for Kubernetes等雲端原生環境，結合F5 AI Red Team、AI Remediate與AI Guardrails，分別負責風險發現、修補建議及執行期防護，形成「發現、修補、阻擋」的自動化防護機制，協助企業降低AI應用快速發展所帶來的資安風險，
AI從數位世界走向實體世界 AI機器人備受關注
全球大缺工，促使機器人受到產業關注，新代集團正鉑雷射總經理陳政嚴提到，驅動機器人關鍵的控制是其集團強項，特別是軸向控制，因此新代開始發展機器人控制器。旗下的聯達智能也推出工業型與協作型的機器人。
過去新代集團主要做控制器、馬達伺服器，這兩年轉向智慧製造，提供智慧工廠方案。如正鉑利用雷射打標系統，協助中鋼導入自動化減碳製程，導入後，幫助客戶每年減少1,336噸碳排。
台灣發那科(FANUC)工程師林冠甫介紹，發那科研發的機器人模擬軟體ROBOGUIDE與NVIDIA的虛擬開發平台Isaac Sim整合，企業可先在Isaac Sim把AI模型訓練好，再推展到機器人上。發那科也開發出眾多機型，從最小3公斤到2,300公斤，皆可部署在Isaac Sim模擬環境，並導入自家的程式應用。
而FANUC Open Platformg則是實現Physical AI的開放式機器人控制平台，採ROS 2驅動程式，支援1毫秒超高速，可直接執行Python程式不透過外部電腦，而Stream Motion實作能確保高精度的即時軌跡與動作控制，讓AI技術直接賦能並控制真實世界的工業機器人。
DIGITIMES分析師白心瀞表示，人形機器人已進入萬台級量產階段，軟體部分雖仍存在諸多瓶頸，但中國、美國業者已先進行硬體量產，軟體可後續於硬體上更新；AI機器人的應用場景仍有限，主要聚焦在倉儲揀貨、堆卸棧、零售商品取放等場景，任務以物件的取放為主，且末端執行器多採用夾爪而非靈巧手。
未來人形機器人手指應用為下階段的突破關鍵，目前應用仍以2指的開闔與捏取為主，觀察動作捕捉業者提出的方案，下一階段或能進入到3指夾爪的應用。
AI賦能智慧製造 建構全方位智慧工廠
AI驅動智慧製造正從工業4.0的設備聯網與數位化，進一步邁向以AI Agent、邊緣運算、機器人為核心的智慧化階段。
從零缺陷、節能減碳，到資料治理、資安防護與AI決策，企業需要的不再是單一技術或設備，而是涵蓋資料、算力、軟硬體、能源與安全的完整生態系。尤其面對缺工、製程知識斷層及AI運算成本等挑戰，未來智慧工廠將以「人機協作」為核心，讓AI協助員工降低重複性工作、累積製程知識並提升決策效率，最終從「自動化工廠」走向真正以人為本、可持續演進的全方位智慧製造。
