DIGITIMES智能工厂论坛点火 南台湾迎AI制造升级潮
- DIGITIMES 企划
-
随着半导体S廊带与亚湾2.0进入建构关键期，高雄正引领南台湾传统制造与设备供应链结构性升级。
9月11日于高雄日航酒店举办的DIGITIMES 2026智能工厂论坛南方崛起：定义智造新高度，邀请各界好手分享各自领域的研发及落地案例，期盼透过先进制程、AI算力、工业机器人，加速在地供应链的「智造升级」。
论坛聚焦云地整合GenAI、台湾主权AI与供应链在地化智能工厂策略，并探讨AI制造应用、IIoT传感、高能耗厂房调度、能源韧性、人形机器人及网安防御等议题，吸引制造、网安等众多产业人士共襄盛举。
AI驱动智能工厂 走向以人为本的全方位智能制造
AI赋能的智能制造正从基础的工业4.0逐步演进，成大智能制造研究中心CEO郑芳田提出「工业4.1到4.3」概念，认为4.1追求零缺陷，4.2导入智能节能与能源管理，迈向净零排碳；4.3则运用Agentic AI，打造以人为本的全方位智能制造。
该中心研发的「智能工厂自动化iFA」，已建立工业4.1零缺陷制造及工业4.2能源管理的基础。进入工业4.3后，则是在既有的智能制造数据与功能上导入Agentic AI，结合大型语言模型与MCP（Model Context Protocol）工具，让AI能主动理解制造现场、串接不同智能制造功能并协助决策，最终从单点的自动化工具，实现以人为本的全方位智能制造体系。
智能工厂4.0的基础建置包括数据、网络、算力及能源
AI要真正进入制造现场，不只靠模型与演算法，更要从设备、数据、网络、算力到能源建立完整的基础架构。工业4.0系在硬件能力提升后，进一步透过物联网、云端、AI与数码技术，将设备、数据与人员串联起来。
新汉智能着重智能工厂4.0的基础建置，事业部总经理黄飞龙介绍，新一代AIoT解决方案iAT3000整合AI、Security等技术，并结合自家的Smart IO，透过标准化的控制层进行数据与设备管理，再将现场蒐集的数据传送至NexDATA，进一步整合至战情室，让管理者实时掌握设备运作、环境状态与异常事件，并透过集中式的数据分析与视觉化管理，提升整体系统的监控、决策与应变效率。
伊顿电气(Eaton)为全球产业提供最底层、最关键的「电力管理」与「数码基础建设」保障，撑起AI最上层的模型与应用，企业客户业务经理林艾蓁表示，AI时代带动电力需求大幅成长，尤其AI算力工厂面临模型运算产生的极端动态负载，一旦运算中断，可能造成训练数据与参数损失，电力稳定性对AI算力工厂的重要性不亚于半导体制造。
伊顿电气推出的储能两用UPS，结合电网交互式不断电系统与能源存储功能，不仅能在电力异常时保护关键负载，也可因应AI运算造成的动态负载进行电力调节与调度，协助AI算力工厂因应高耗能、高功率密度及电网不稳定等挑战。
欣锦智能聚焦扣件产业的智能制造，产品涵盖瞬检机、在线制程监控及扣件信息平台整合。总经理陈盈男表示，扣件业面临老师傅调机经验难以传承，导致制程数据断裂、难以有效串接的问题。
由于老师傅经验是扣件制造的核心资产，导入AI前，首要工作便是将经验转化为机器可理解的Data。欣锦智能透过触觉感知量测锻造力、辗造力、模具间距及合模位置等参数，建立设备数码感官，让每台设备、每个模具与每项产品留下独有「制程指纹」，实现制程知识数码化。
现在业界逐渐倾向在Edge端就完成数据的整理与清洗，而非全部送到云端再处理。研杰科技专案经理李亿刚介绍，其代理的工业边缘数据平台Litmus Edge可部署在各个网络区域，透过防火墙的加密隧道进行通讯，核心价值在于可直接在Edge端，做到快速收集并标准化各种设备数据，让原本分散的数据能实时被整合与应用，并支持Rule-based、AI / Machine Learning在云端训练模型、在Edge端进行推论，降低对云端依赖，更能加速工业应用的落地。
台湾巴鲁夫(BALLUFF)业务暨营运总监邱俊宪表示，客户希望的IIoT智能工厂要简单、不需太多成本，不能影响现有设备，不能只有数据。
巴鲁夫提供由底层传感、IO link、IIoT、到SWIR(Short-Wave Infrared)检测的完整生态系，并协助客户将数据转换成决策价值，其将类比、数码Sensor及IO link Sensor整合在同一个网络，兼顾功能与成本；可在既有工厂产线快速架设，支持Node-RED，Python档案等；而SWIR镜头则能穿透Wafer，提升先进封装的制程良率。
台湾需发展主权AI 建立台湾产业特色模型
财团法人国家实验研究院国家高速网络与计算中心担任主权AI最关键的算力与数据基础设施供应者，技术总监林昀德提到，国网中心提供算力并结合中研院的多模态模型，打造AI应用开发平台「TAIWAN AI RAP」，确保台湾的数码主权。
TAIWAN AI RAP采一站式服务，结合台湾自主的AI运算环境并符合在地文化的语言模型，提供模型微调与评估、多模型API服务、定制化流程设计前台，以B2B2C的营运策略，协助中游业者扩散下游应用研发，试营运期间达成 103个单位使用TAIWAN AI RAP服务的成果。
国立阳明交通大学AI系统检测中心工程师谢翔丞表示，企业发展大型语言模型与AI Agent时，日益重视「token efficiency」与「model intelligence」，透过适才适用的模型分工降低运算成本，如先在数据源头进行过滤，再交由AI处理，避免不必要的重复运算。
该中心研发的myPDA采云地整合多层次Agent架构，涵盖Kortex kernel、技能设定、Tools SDK及GenUI互动界面，将专业技能Agent标准化，使AI能自主判断下一步，并将一次性的AI成果转化为可验证、可治理、可重用及持续优化的企业能力。
AI Agent具备自动跨系统协作、实时整合企业知识、端到端流程自动化，解决过去知识散落难查找、重复性工作消耗人力等痛点，但受到网安与合规顾虑、员工抗拒等因素，导致多数企业仍处观望阶段。铨锴国际提供AI服务上云的规划与谘询，结合AWS与Amazon Quick Suite，将企业分散的数据、知识与流程转化为实战型AI Agent。
资深解决方案顾问Allen Wang建议，企业可从特定工作场景或流程切入，让AI逐步协助员工，验证实际成效后，再依需求扩大应用范围。
AI越深入企业 网安与治理越重要
当内外网络界线模糊、生成式AI加速数据流动，端点成为网安防御关键，企业必须全面掌握「谁、在哪里、使用什麽数据、如何送出」。
精品科技专注在网安的端点管理，资深网安工程师Leo Liao表示，企业内及员工手上的信息与应用设备皆属端点，精品科技透过档案加密、内容过滤、行为阻挡、行为记录四重防线，从内容到行为防止数据外泄。X-FORT数据安全防护解决方案整合电脑资产管理、数据防外泄、数据保护及使用者活动监控，全面掌握数据流向，强化企业网安治理。
全球应用与API交付与安全防护领导厂商F5台湾区资深技术总监陈广融表示，Agent时代带来的是互动复杂度，而非单纯流量成长，网安防护也从Application延伸至MCP等整个AI互动链。因此，企业需要驾驭(Harness)AI，而不只是保护AI，平台化将取代零散的单点解决方案，以交付、安全与治理，共同支撑企业级 AI。
F5推出专门针对AI安全与信任风险管理的核心组合，这套架构融合在F5 BIG-IP Next for Kubernetes等云端原生环境，结合F5 AI Red Team、AI Remediate与AI Guardrails，分别负责风险发现、修补建议及执行期防护，形成「发现、修补、阻挡」的自动化防护机制，协助企业降低AI应用快速发展所带来的网安风险，
AI从数码世界走向实体世界 AI机器人备受关注
全球大缺工，促使机器人受到产业关注，新代集团正铂雷射总经理陈政严提到，驱动机器人关键的控制是其集团强项，特别是轴向控制，因此新代开始发展机器人控制器。旗下的联达智能也推出工业型与协作型的机器人。
过去新代集团主要做控制器、马达服务器，这两年转向智能制造，提供智能工厂方案。如正铂利用雷射打标系统，协助中钢导入自动化减碳制程，导入后，帮助客户每年减少1,336吨碳排。
台湾发那科(FANUC)工程师林冠甫介绍，发那科研发的机器人模拟软件ROBOGUIDE与NVIDIA的虚拟开发平台Isaac Sim整合，企业可先在Isaac Sim把AI模型训练好，再推展到机器人上。发那科也开发出众多机型，从最小3公斤到2,300公斤，皆可部署在Isaac Sim模拟环境，并导入自家的程序应用。
而FANUC Open Platformg则是实现Physical AI的开放式机器人控制平台，采ROS 2驱动程序，支持1毫秒超高速，可直接执行Python程序不透过外部电脑，而Stream Motion实作能确保高精度的实时轨迹与动作控制，让AI技术直接赋能并控制真实世界的工业机器人。
DIGITIMES分析师白心瀞表示，人形机器人已进入万台级量产阶段，软件部分虽仍存在诸多瓶颈，但中国、美国业者已先进行硬件量产，软件可后续于硬件上更新；AI机器人的应用场景仍有限，主要聚焦在仓储拣货、堆卸栈、零售商品取放等场景，任务以物件的取放为主，且末端执行器多采用夹爪而非灵巧手。
未来人形机器人手指应用为下阶段的突破关键，目前应用仍以2指的开阖与捏取为主，观察动作捕捉业者提出的方案，下一阶段或能进入到3指夹爪的应用。
AI赋能智能制造 建构全方位智能工厂
AI驱动智能制造正从工业4.0的设备联网与数码化，进一步迈向以AI Agent、边缘运算、机器人为核心的智能化阶段。
从零缺陷、节能减碳，到数据治理、网安防护与AI决策，企业需要的不再是单一技术或设备，而是涵盖数据、算力、软硬件、能源与安全的完整生态系。尤其面对缺工、制程知识断层及AI运算成本等挑战，未来智能工厂将以「人机协作」为核心，让AI协助员工降低重复性工作、累积制程知识并提升决策效率，最终从「自动化工厂」走向真正以人为本、可持续演进的全方位智能制造。
