智能边界驱动AI＋IIoT创新 智造、企业维运与AI Agent应用落地
- 郑茨云／台北
-
随着人工智能从云端运算延伸至边缘设备与企业营运流程，Edge AI、AI Agent及工业物联网（IIoT）的整合应用，正带动智能制造与产业转型。为协助业界掌握技术发展与实务应用趋势，DIGITIMES于10月21日举办「智能边界，决策无限：AI × IIoT共创制造未来论坛」，邀集国内外科技大厂、产业专家及应用业者，从边缘运算、智能传感、设备联网到企业AI治理与产线实证，探讨AI技术落地的关键挑战与发展机会。
AI机器人已陆续进入制造、物流及服务场域，但动作数据不足与模型准确率限制，仍是大规模商用的主要障碍。DIGITIMES分析师白心瀞指出，目前业者多以合成数据进行模型预训练，再利用人类示范的真实数据微调，以缩小虚拟与实际环境的落差。
应用方面，AI机器人已能执行仓储货物翻转、堆叠卸栈、药品拣取及衣物折叠等任务，但手部操作仍以两指夹爪的开合与抓取为主。白心瀞认为，未来若要提升操作灵活度，还须改善灵巧手机构、触觉传感及动作捕捉技术。相较于结构复杂的五指灵巧手，三指操作可能成为下一阶段较具可行性的发展方向，让机器人能处理更多工业与服务任务。
Edge AI深入工业现场后，影像撷取、高速数据传输与实时控制的稳定性，成为系统开发的重要考验。台湾是德科技技术工程师邱柏胜以工业视觉检测为例说明，镜头撷取影像、边缘运算判断瑕疵及控制机构剔除不良品等环节，任何信号异常都可能影响系统运作。
因此，开发过程须兼顾电源完整性（PI）、信号完整性（SI）及时序验证。随着芯片工作电压降低，电源杂讯容许范围缩小；PCIe等高速界面持续提升传输速率，也让信号衰减、抖动及眼图闭合等问题更加明显。邱柏胜提醒，测试仪器本身的底噪与分辨率同样重要，须避免仪器杂讯干扰判读，才能有效验证Edge AI设备在工业环境中的可靠度。
AI应用持续向终端设备延伸，低功耗微控制器（MCU）也能执行AI推论，但仍须兼顾无线连线、网安与电池续航力。针对这些需求，芯科科技资深应用工程师林仕文介绍TinyML技术，可将模型部署于资源有限的MCU，降低云端传输需求与反应延迟。芯科科技透过整合无线通讯、Secure Vault安全机制及MVP AI加速器，支持语音识别、手势侦测与室内定位等应用。
其中，MVP加速器相较Cortex-M33可提升约8倍推论速度，并降低约6倍功耗。林仕文也以医院定位系统为例说明，利用蓝牙标签与电池供电的无线节点，即可识别人员及设备所在房间，无须额外布设网络线，降低安装复杂度与部署成本。
AI模型正由语言理解延伸至视觉感知与动作控制，机器人、自驾车等Physical AI应用，也对实时运算、功耗及软硬件整合提出更高要求。MIPS产品行销总监Cheol Kim认为，AI模型持续演进，硬件架构必须保有软件弹性，才能因应不同工作负载并延长平台使用周期。MIPS采用开放式RISC-V架构，结合可程序化运算引擎与软件开发工具，支持新模型的部署与效能最佳化。
Cheol Kim提到，MIPS推出搭载SA200 NPU的Aries M.2模块，提供40至80 TOPS运算能力，开发者可先透过虚拟平台进行软件开发，再利用实体模块验证，后续衔接定制化芯片设计，缩短开发时程，并兼顾延迟、功耗与运算效能。
边缘AI设备朝高效能、小型化与无风扇设计发展，系统内部热量累积与数据可靠度，成为影响设备稳定运作的重要因素。宇瞻科技专案经理锺良伟指出，高密度运算环境容易使SSD与DDR5存储器过热，导致效能下降甚至系统当机。
针对散热需求，宇瞻推出CoreGlacier 2双区散热设计，将SSD主控芯片与NAND Flash分开散热，最高可降低22%温度；DDR5则采用GraTherX石墨烯与铜箔复合结构，实测可将模块正反面温差缩小至1°C以内。在数据保护方面，宇瞻透过CoreSnapshot韧体技术快速建立备份点，搭配CoreRescue多种还原机制，支持线上操作与异常自动复原，降低数据遗失与设备停机风险。
Edge AI深化场域应用 智能维运与设备整合加速落地
企业网络与物联网设备数量增加，维运人员经常面临告警信息分散、故障根因难以判断及例行作业繁重等问题。华电联网协理吴俊杰指出，传统网管系统主要呈现设备异常，透过AI Agent整合跨系统监控数据与日志，则可分析告警间的关联，协助找出故障根因。
华电联网以CyberMonitor网管平台结合地端AI模型，支持设备纳管、设定调整、定期巡检及系统更新等作业，并透过经验回写机制，将历次故障处理结果累积为知识库，供后续异常分析参考。吴俊杰强调，AI执行维运任务仍须受到严格控管，包括API白名单、参数验证、角色权限及人工确认机制，避免自动化操作造成额外风险。
制造业导入AI时，现场设备通讯协定不一、数据定义繁杂，以及机电、系统整合与IT人员之间的协作落差，经常拉长专案开发与验证时间。日峰科技总经理张纹瑞认为，生产数据必须经过正确定义与整合，才能成为AI应用的基础。
日峰推出AIWALINK平台，整合PLC、CNC、传感器、影像检测及能源设备等数据，并透过AI Agent协助使用者以自然语言建立监控画面、告警规则与应用逻辑，减少重复开发与跨系统串接成本。张纹瑞提到，平台亦支持ERP、MES整合及既有设备数据输出，并规划结合华硕云端服务，采取先在云端开发与验证、再部署至地端的模式，降低企业初期导入门槛。
AI影像监控已能识别人员、车辆及异常行为，并透过影像脉络分析提供实时告警，但实际部署仍须考量摄影机的识别范围与现场配置。神准科技EnGenius台湾区总经理暨产品部副总赖鸿洲指出，传统监控系统的可观察距离，不等于AI模型的有效识别距离，若未依摄影机规格、焦距及安装角度规划，容易产生侦测盲区。
神准透过Edge AI摄影机执行人流计数、区域入侵及异常行为侦测，并结合云端AI分析事件脉络。赖鸿洲也提醒，AI告警仍须由人员确认，系统应提供实时影像检视与限时分享功能，协助管理者判断及通报；既有监控设备也可透过AI Box增加识别能力，降低全面汰换成本。
AI运算正向终端设备延伸，如何在有限的体积、功耗与电池容量下执行实时推论，成为产品设计的重要挑战。Alif Semiconductor亚洲区市场行销协理陈永章以AI眼镜为例，说明轻量化、续航力与多模态互动功能之间的设计取舍，以及Device AI在终端感知与本地推论的应用。
实际案例方面，Alif客户已开发可使用电池运作5年的野外火灾监测设备，以及结合低分辨率影像识别、电池寿命可达10年的办公空间管理装置。陈永章指出，透过低功耗芯片设计，让设备在完成推论后进入休眠状态，并依事件触发唤醒，可延长使用时间；同时结合芯片安全防护与软件生态系，支持更多终端AI应用。
AI规模化部署加速 企业治理与智能制造应用成焦点
企业AI应用迈向规模化部署，模型选择、数据准备、算力配置与营运成本，成为影响投资效益的重要因素。Dell Technologies资深AI业务拓展协理叶恩任建议，企业应先厘清应用情境，再依准确率、成本及数据需求，决定采用RAG、模型微调或其他部署方式，避免过早投入大量GPU资源。
面对AI Agent带来的Token用量增加，Dell AI Factory可透过推论工作负载分离、KV Cache管理及运算资源调度，改善回应速度与资源利用率。叶恩任也建议，企业初期可利用GB10或AI工作站进行模型测试，待应用验证成熟后再导入数据中心规模化运算，降低开发与正式营运之间的资源冲突。
AI Agent已能协助企业执行跨部门工作流程，人与AI的分工、权限管理及组织治理也面临新的挑战。台湾微软资深策略业务发展总监章恩齐表示，未来员工可透过个人化AI Agent参与采购、订单及制造流程，并依既有身份与权限存取企业数据。
微软透过Copilot及相关开发工具支持个人工作与跨系统协作，已有制造业客户运用AI Agent处理跨国订单异动及单据更新，每年节省逾800个人工作天。章恩齐也提到，企业内部Agent数量增加后，必须掌握各个Agent的身份、数据存取与执行纪录，透过Agent 365进行集中管理及安全监控，才能兼顾工作效率与信息安全。
随着AI Agent开始串接企业系统并执行实际任务，网安风险也从数据外泄延伸至权限滥用与未经授权的操作。迈达特产品六处处长黄禹杰提出依GenAI、LLM及Agentic AI不同特性建立分层防护机制的做法。企业可透过AI Gateway控管模型使用、数据传输与Token用量，并利用Guardrails检查模型输入及输出的语意内容。
针对AI Agent，则须建立独立身份与最小权限，透过MCP Gateway及API Gateway限制工具调用与系统存取，对高风险操作加入人工确认。黄禹杰强调，企业还应保留完整执行纪录，并透过沙箱隔离及AI红队演练，持续验证防护机制的有效性。
半导体先进封装制程复杂，设备异常与制程偏差都可能影响良率，如何实时侦测并迅速处置，成为智能产线的重要课题。日月光半导体助理副总经理陈俊铭分享，日月光利用Edge AI在设备端执行声学、振动及影像异常侦测，再由AI Agent结合维修纪录、操作程序与工程师经验分析根因，提供处置建议，形成感知、推理与决策的协作流程。例如晶圆切割设备可透过异音识别提早发现异常，降低制程损失。陈俊铭提到，日月光2026年规划在高雄厂区推动700个AI Agent，涵盖制造、设备、制程、物流及厂务等领域，并透过模型生命周期管理与网安防护机制，支持跨设备的大规模部署。
制造业拥有大量专业经验与作业知识，但如何将个人经验转为可重复执行的工作流程，仍是AI导入的重要课题。智能方案营运长陈旻筠介绍，EgentWrX平台让员工建立具备独立知识库、记忆与权限的AI数码分身，并透过自然语言将日常作业转为可重复执行的任务卡，再串接为跨部门工作流，例如整合业务、采购、财务及生管信息，加速报价作业。
陈旻筠提到，平台支持云端与地端部署，并提供预算控管、操作稽核及数据防护机制，让企业掌握AI使用成效，同时将员工累积的任务与作业知识保留在组织内。
企业导入AI Agent后，如何将分散的数据与既有系统串接为可执行的工作流程，并衡量实际效益，成为智能营运的重要课题。睿思智能CEO陈益祥以连锁餐饮备料预测、精密制造询价与报价、财务对帐及政府机关文件审查等案例，说明Agentic Workflow的实务应用。
企业可透过自然语言建立工作流程，串接ERP、CRM及POS等系统，让AI执行数据分析、预测与流程处理，再由人员确认重要决策，减少人工查询与跨系统作业时间。陈益祥强调，企业应依应用情境设定工时、品质、损耗及营运成本等指标，并保留人工核可与操作纪录，才能具体验证AI带来的效益。
