Beyond Automation 2026 AI驱动制造业迈向自主时代
- DIGITIMES企划
-
生成式AI、数码双生、智能机器人与工业AI加速走进制造现场，工厂也正由设备自动化，迈向具备自主感知、决策与持续优化能力的自主制造。为协助台湾制造业掌握这波技术与产业变化，DIGITIMES举办「Beyond Automation 2026：超越自动化，制造业迈向自主时代」论坛，邀集政策制定者、产业领袖与技术专家，聚焦AI、数码双生、智能机器人、工业通讯与网安等议题，分享自主工厂的技术发展与实际应用。
面对全球经贸局势与关税政策变动，台湾产业正面临供应链重组与技术升级压力。经济部产业发展署署长邱求慧指出，美国关税政策历经对等关税、122条款至目前调查中的301条款，台湾在相关谈判中争取到强迫劳动调查10%且不叠加MFN原关税，以及半导体大幅豁免、汽车15%税率等条件。
AI需求带动台湾出口创高，全年经济成长率预估达11.05%，但产业呈现K型分化，传统产业与中小企业压力仍大，台湾虽具AI芯片制造优势，终端AI应用仅排名全球第16位。政府因此编列930亿元「韧性条例」预算，提高研发补助通过率，并开放设备购置费纳入补助，同时推出自筹款仅1万元的「AI辅导团」进厂诊断，搭配iPAS人才培育。已有远洋渔业运用无人机AI识别鱼况、酿造业以数据复制老师傅经验，以及金属业透过AI制程开发高端螺丝等案例，协助传统产业导入智能科技。
面对少子化缺工、少量多样订单，以及AI服务器高精度制造与散热结构要求，传统自动化已难因应快速变动的生产需求。偲倢科技（Spingence）CEO陈青炜指出，制造业导入AI常面临数据机密、架构复杂与定制化等问题，因此携手研华科技推出「AI原生工厂操作系统（Factory OS）」。
软件以SPAC（Spingence Physical AI Kernel）为核心，透过ANAVI将传感器、影像与机台数据语意化，再由SPACTOLOGY建立工厂知识图谱，交由AI Agent进行决策推理。结合NVIDIA Omniverse数码分身，生产排程、换线与异常停机可先在虚拟环境模拟，再连动生管与现场系统执行，降低实体试错成本。研华科技资深业务经理田昀铮表示，研华则提供Edge AI电脑、NVIDIA Jetson视觉检测模块及GPU服务器等工业级硬件，让敏感生产数据留在厂内运算，支持模型训练、模拟与产线推论部署。
在AI算力成长与能源转型趋势下，智能制造联网需求正延伸至太阳能、风电、微电网储能、无人船及低轨卫星等分散场域。北尔电子（Beijer Electronics）亚太区资深业务协理黄至平指出，这类场域多位于偏远或严苛环境，不仅维运成本高，旧有OT设备也容易成为网安破口。北尔电子因此以符合IEC 62443标准的产品线为基础，建立装置安全、网络分层、身份管理、线上存取与信息监控五大防御架构，并支持-40°C至80°C环境运作。
前端透过X3系列智能HMI及io/gateway采集PLC与传感器数据，再以LINK-IQ解决异质PLC通讯问题；考量卫星带宽与成本，先由地端Edge AI过滤并分析事件，再经SecuEdge安全VPN回传，并于WEB-IQ平台进行实时监控与派工建议，协助能源客户降低偏远案场出勤与维运成本。
生成式AI、视觉语言模型（VLM）与具身智能（Embodied AI）导入工业场域后，机器人已由依赖PLC与缺省程序的执行工具，发展为具备感知、诊断、学习与决策能力的智能实体。台湾德国莱因（TÜV Rheinland）资深业务经理庄佩甄指出，自主性提升也带来AI幻觉、数据偏差、决策漂移（Decision Drift）、提示词注入（Prompt Injection）及网安等新风险，国际监管因此由硬件功能安全延伸至AI全生命周期治理。
《欧盟人工智能法案》（EU AI Act）采风险分级管理，并将部分工业机械、自动驾驶辅助及升降设备安全元件列为高风险系统，预计2027至2028年陆续适用相关要求。企业可依循ISO/IEC 42001、ISO/IEC 23894等标准，建立数据品质、模型可解释性、鲁棒性、透明度与网络安全评估机制；德国莱因则透过差距分析、LLM/RAG模型测试及全生命周期风险评估，协助企业厘清开发与部署责任，降低智能机器人导入的合规风险。
人形机器人与实体AI（Physical AI）快速发展，制造业对灵巧操作与环境适应力的要求也持续提高。非夕科技（Flexiv）亚太区资深业务经理Owen Wu指出，传统机器人高度依赖精密治具，面对工件公差、位置偏移或复杂表面时弹性有限；非夕自适应机器人透过「全臂多点力控」演算法，在7个自由度关节与末端配置高精度力传感器，具备0.1至0.03牛顿感知精度与每秒1,000Hz实时响应，可进行位置与力量混合控制。产品涵盖Rizon、Inlite系列手臂，并整合AGV打造Econ 2与MIKO移动机器人平台，支持ROS 2与NVIDIA Isaac生态系。实际应用已导入汽车、3C及AI服务器供应链，包含复杂轨迹打磨抛光、线束插拔、FPC压接及外盖安装等制程，藉由自适应力控降低治具依赖并提升组装一致性与良率。
AI、实体AI（Physical AI）与边缘运算加速导入产线，加上地缘政治与跨境建厂需求，工业网安规范正快速转向强制合规。四零四科技（Moxa）亚太区资深产品行销经理郭彦徵指出，近年制造业与关键基础设施遭勒索攻击频传，各国因此加速推动欧盟CRA、NIS 2，以及SEMI E187、IACS UR E26/E27、JC-STAR等法规与标准，要求联网设备具备原生安全设计。
然而，OT现场常有新旧系统并存、老旧机台难以停机更新，以及Modbus、EtherNet/IP、PROFINET等工业协定缺乏加密等问题。Moxa因此以IEC 62443为基础，采取「纵深防御（Defense-in-Depth）」架构，透过网络分区阻止攻击横向扩散，搭配具工业协定深度检测（DPI）的防火墙阻挡未授权操作，并强化RS-232/422/485串行设备的口令与加密防护，再以集中式管理软件进行实时监控与日志稽核，协助制造业在降低停机风险的同时接轨国际网安规范。
数码双生结合工业AI 制程优化走向自主决策与精密控制
面对地缘政治、原物料波动与缺工等挑战，制造业正加速迈向具实时预测与自适应能力的自主工厂（Autonomous Factory）。台湾西门子（Siemens）数码工业事业群业务推动加速部门协理范栩指出，工业AI（Industrial AI）不同于消费端AI，必须兼顾安全性、可靠度、高可用性与扩展性，任何错误判断都可能造成停机、设备损坏甚至工安事故。
为降低AI人才不足、数据孤岛与实体试错成本，西门子以数码双生（Digital Twin）为基础，透过「数码主干（Digital Backbone）」串联产品设计、产线规划、虚拟调试与工厂运维。实际案例包括广达以数码双生模拟机械手臂取像并生成合成数据训练缺陷识别模型；劳斯莱斯结合NX、Simcenter与Copilot优化引擎零件设计及CNC加工路径；百事可乐运用AI改善厂房与产线配置；CSMT则以Industrial Copilot自动生成加工与检测程序，降低工程人员编程负担。
塑胶射出成型产业长期面临资深调机师傅退休、制程参数仰赖经验传承，以及PCR再生塑料物性不稳等问题。智颖智能（Moldintel）创始人暨CEO张咏翔指出，工业AI要能落地，必须兼具可靠度、易用性与可扩展性。智颖智能因此整合逾30年的产业经验与演算法研究，推出云端射出成型AI方案，操作人员只需输入材料、机台与产品规格，系统即可自动生成温度、速度与保压等制程参数，缩短试模与调机时间逾70%。
进一步打造的「RoboMolding」则能在连续生产中实时预测收缩、翘曲等缺陷，并自动微调控制参数进行补偿。相关AI演算法已模块化，并与多家射出机与控制器大厂整合，可快速部署至海外工厂，协助客户降低60%至80%试模成本，并提升10%至20%产能与良率。
自动化与智能制造系统开发若高度依赖实体样机反覆调试，往往面临周期长、成本高，以及量产前才发现设计问题的风险。虎门科技CAE事业群总经理廖伟志指出，研发「左移（Shift-Left）」的核心，是在实体机台投产前，透过机电模拟（Mechatronic Simulation）与硬件在环（HIL）技术，先验证控制演算法、机构动态与系统可靠度。
虎门科技整合机构、结构、电路与热流分析工具，搭配HIL实时模拟环境，可分析机械手臂高速运动时的刚性、震动与惯量匹配，并结合AI Agent与高速摄影量测加速参数优化；在陶瓷烧结制程中，也以AI声音识别取代人工敲击判定。针对储能系统、800V快充站、微电网与长航程无人机等应用，HIL则可模拟极端工况、电池热失控与能量调度策略，降低实体测试成本并缩短产品开发时程。
AI算力需求持续成长，加上摩尔定律逼近物理极限，半导体产业正加速导入2.5D／3D堆叠、小芯片（Chiplet）与共封装光学（CPO）等异质整合技术。碧绿威自动化（PBA Group／禾思）区域销售经理Daryl Tan指出，在CoWoS、SoIC等先进封装架构下，微凸块逐步朝铜对铜混合键合（Hybrid Bonding）发展，制程对准精度已进入100至200纳米等级；CPO制程中，FAU光纤阵列与PIC芯片对位同样要求极高精度与角度控制。
碧绿威结合精密机械、线性马达与韩国Sunhan技术，推出气浮轴承、高刚性碳化矽横梁及六轴主动对位（Hexapod）等高精密运动平台，可达局部±100纳米、全行程±500纳米精度与小于20纳米的静止稳定性。同时整合线马、驱动器、控制器及晶圆搬运模块，提供一站式定制化服务，将设备开发周期缩短至4至6个月，支持先进封装、热压键合、CPO与3D AOI等设备开发。
生成式AI与大语言模型（LLM）快速发展，工厂智能化也正由传统规则控制走向自主营运（Autonomous Factory）。NVIDIA资深解决方案架构经理Andrew Liu指出，NVIDIA所称的「AI Factory」是以高密度算力持续产出Token，支撑具备思维链、多代理协同与工具调用能力的代理型AI（Agentic AI）。
在制造现场，Agent可透过API串接MES、ERP、SCADA等系统，自主进行根因分析、排产与异常处理；进一步结合VLA（Vision-Language-Action）与Cosmos世界模型后，实体AI（Physical AI）可驱动AMR、机械手臂或人形机器人执行装配与搬运。NVIDIA并提供NeMo Tron、NeMo Guardrails，以及Omniverse与Isaac Sim等工具，协助企业建立模型、安全防护与数码分身环境，加速工业AI由开发走向实际部署。
自主工厂回到现场 以制程知识与人才累积竞争力
除了精彩演讲，这次论坛也邀请工研院南分院副CEO黄苏、台大机械系智能制造创新中心终身特聘教授觉文郁两位专家，针对「Beyond Automation：制造业下一个10年的关键竞争力」议题进行座谈。座谈主持人何戎指出，制造业过去二十年致力于自动化并累积可观成果，但迈向自主化的过程中，如何在人机协作、数码双生与AI应用浪潮下兼顾务实落地与企业竞争力，已成为产业界当前最关切的课题。
黄苏分析，自主化的核心在于系统具备感知、自我调适（Self-tuning）与决策闭环，并非追求一蹴可几的无人工厂，而是针对产线瓶颈采取渐进式升级；面对生成式AI与代理型AI（Agentic AI）迅速迭代带来的技术挑战，黄苏建议经营者应转变思维、善用产发署AI辅导团等低门槛政策工具，并聚焦将内部累积的制程机理转化为AI训练基底。
觉文郁博士则直言「务实」是唯一解方，指出当前许多高算力或数码双生方案若脱离实体场域便流于空谈，唯有从产线最痛的瓶颈切入、以传感器蒐集真实数据逐步建构，才能发挥效益；针对经验断层与技术人才荒，觉文郁提醒，纯软件AI工具难以构成独占优势，扎根于实体制程的「Domain Know-how」才是企业无法被取代的护城河，并建议产业善用教育部「新型专班」等国际人才培育方案，为企业量身定做具备实务能力的跨国AI与机电整合人才。何戎最后总结，迈向自主工厂并非抛弃人，而是让人才结合AI发挥更大价值，企业唯有回归自身核心痛点、扎根专业知识并推动终身学习，才能在下一个十年确立无可取代的竞争优势。
