毫無疑問，「智慧物聯網」(AIoT)無疑是近年非常火紅的技術辭彙，其應用觸角遍及全球各式各樣的垂直場域。例如工廠，可利用特定的機器學習模型來量測IoT相關設備產生的數據，接著反饋給設備，指引它有效執行自動化製造、電源控制、預測性維護等對應作為，落實智慧製造目標。 事實上萬變不離其宗，與智慧工廠近似的AIoT應用邏輯，也可顯現於其他不同的情境。比方說醫療產業中的精準醫療、預防醫

早在十幾年前，IBM科學家提出一套名為Watson的醫療專家系統，要幫助醫療產業解決許多繁雜的重複性工作，甚至能夠替代醫生擔任一定的諮詢或問診服務，雖然發展到最後因為錯誤率偏高而被IBM所放棄，但這個系統也開啟了人類對於醫療AI應用的潛力探索。 真正推動AI醫療發展的，其實還是來自於近年來深度學習技術逐漸成熟，基於AI的歸納統整與識別能力已經逐漸可以取代人類知識，比如說在自動

歷經COVID-19、供應鏈斷鏈之後，台灣ICT產業的下一步何去何從？DIGITIMES電子時報社長黃欽勇，從「2020年：全球供應鏈的分水嶺」、「5G與萬物聯網時代的產業變革與數位轉型」兩個角度來探究可能的解答。 黃欽勇表示，綜觀過去台灣製造業生態，係以「量產製造」、「線性供應鏈」為發展基礎，附加價值低，屬於零和遊戲格局，所以不同業者彼此爭搶訂單，並無相互做球、相互支援的可

在2018年，世界經濟論壇(WEF)與麥肯錫從全球1,000多家製造工廠中，挑選出部署第四次工業革命技術中表現最出色的16家，歸類為「燈塔工廠」，長期投入智慧製造發展的鴻海名列其中。 事實上，鴻海早年做精實生產，旨在降低浪費；後來做自動化，旨在減少工作量；如今邁向智慧製造，則是讓一切可被預測，達到「Worry Reduction」無憂生產境界，而打造一個無憂生產的環境才是智能

CT硬體出口，創造可觀經濟產值，也幫助台灣將人均年所得推升到2.5萬美元；然而這個所得數字，已載浮載沈整整十年，遲遲未見突破，只因隨著ICT硬體量產、形成規模經濟，讓毛利率節節走低。換言之欲推升台灣人均所得，須思考如何提升價值、擺脫低利潤輪迴。 依各方共識，破除低利魔咒的最佳解方正是製造業智慧化。但在各界多年高喊工業4.0、智慧製造、數位轉型後，實際產生多少影響？這疑問始終缺

回顧近兩年以來，不僅有美中雙強全面對抗、貿易戰火一再升級，又有突如其來的COVID-19疫情重創全球，與此同時，AI、IoT乃至5G等新興科技正快速崛起，儼然成為企業數位化競局中的決勝關鍵。面對這些紛至沓來的變數，在在考驗著台灣製造業者的應變能力。 不可諱言，伴隨製造產業全球化大退潮，大工廠時代結束，製造業者當務之急，即是需要儘快因應少量多樣生產、供應鏈短鏈革命與彈性經營趨勢

起因於COVID-19防疫需求，讓「超前部署」成為2020年熱門辭彙，不僅政府力拚超前部署，事實上產業界也在力拚超前部署。 過去不少製造業者面對工業4.0、智慧製造、數位轉型等浪潮，雖未抗拒，但總是看得多、做得少；然而因為疫情衝擊，使得全球的供應鏈、需求端形勢大亂，連帶改變許多企業主的觀念，「不趁此時調理體質、蓄積中長期競爭力，更待何時」，於是企業投入數位化、智慧化布局的比例

工業機器人應用在工廠製造的場景中，雖已行之有年，但近年來各項智慧製造的技術不斷演進，讓工業機器人應用場域不斷擴大。而3D影像技術與人工智慧技術的成長，即是推動機器人市場持續擴大的主要原因之一。 過往工業機器人受限於邏輯程式以及2D影像技術的特性，往往只能做高重複性的動作，如果產線更換生產產品，勢必需要工程人員重新編寫機器手臂的控制程式，才能執行新產品的製程，在現今走向少量多樣

不可諱言，人工智慧(AI)肯定是近年來最能引領風騷的題材之一，只因為假使沒有AI的搭配，談再多的物聯網(IoT)也是枉然，徒然增加一堆「不知道怎麼用」的大數據而已。因此過去紅極一時的 IoT，如今已難單獨引發關注，而是以「AIoT」(AI＋IoT)之姿掀起更大浪潮，甚至有專家預言這股AIoT熱潮將延續至少20年。 AI之所以紅，在於它可以實現垂直市場的價值變現。比方說來自溫度

在經過多年智慧製造的推廣以及工業4.0的導入，或多或少地現在的生產現場已經不再是過往的無網路環境的狀況。取而代之的是，更多的資訊設備以及網路連線環境。當然，帶來的是更方便、更明確的生產管理能力，但同樣的也產生了一個過往不太被生產單位注意到的問題 – 資訊安全。 網路攻擊可直接影響產線作業　製造業不可輕忽 太遠或太早的資安