• 工業 4.0定義了數位轉型之方針，期能提升生產力。
• 工業 4.1的核心為實現零缺陷(ZeroDefects)智慧製造，用以解決工業4.0中相對較少被關注之生 產品質的問題，達成不生產不良品之目標。
• 在工業4.1的平台上，更進一步地開發可智慧節能與減碳的先進科技，以幫助各式產業在滿足數 位轉型與智慧製造需求的同時也能兼顧節能減碳，促進邁向2050淨零碳排(Net Zero)的目標， 以增強國際競爭力及永續發展。此境界即稱為工業工業 4.2綠色智慧製造(簡稱I4.2-GiM)。
• 工業4.3進一步追求實現以人為本(Human-Centric)的全方位智慧製造，其技術核心為代理式人 工智慧(Agentic AI)架構，整合了零缺陷功能層面(AVM、IPM、IYM)、淨零永續層面(iCMS、 iEMS)以及具備大型語言模型編排器(LLM)與MCP領域工具的代理式AI引擎，此架構使系統能 主動理解環境並學習製程，進而提供個人化的智慧製造解決方案，達成工業4.3以人為本的最終境界。

國網中心 AI RAP 平台致力於 Gen-AI 落地輕量化、服務平民化與應用有感化。面對 LLM 推論對能耗與延遲的挑戰，平台整合 GPU、TPU 及 FPGA 等異質硬體，建立具彈性調度的系統。本次分享以 K8S 為核心，如何於雲端、邊緣地端及混合模式下部署，並解析實務經驗與困難。

主講議題將介紹 國家高速網路與計算中心 建構的 TAIWAN AI RAP 平台，說明其如何整合多模型選擇、知識檢索（RAG）及高效能算力資源，協助使用者快速建立生成式 AI 應用。內容涵蓋 RAP 的核心架構設計、常見應用場景（如文件問答、知識庫建置與客服助理），並透過國立陽明交通大學AI系統檢測中心中的實務案例說明其在縮短開發時程、降低技術門檻與提升開發效率上的具體效益，協助企業與團隊快速啟動 AI 專案。

一、AI驅動智慧工廠：全球發展趨勢與未來藍圖

二、AI賦能智慧製造：自動化整合與營運最佳化

三、AI智慧戰情室：打造企業即時決策與營運指揮中心

四、AI智慧工廠實踐：成功案例、效益驗證與永續價值

1.因應全球化製造帶來的管理與產能複製痛點
2.透過「同集團技術資源共享平台」，串聯中控系統與雲端看板，滿足彈性產能配置與預算優化。
3.運用模組自動化設計，助客戶實現全球化智慧工廠。

1. 資料分散於各系統，人工比對耗時，資安風險難以即時掌握。
2. 快速認識Amazon Quick Suite：整合知識庫、對話式Agent與自動化流程。
3. 簡述延伸應用：排程自動化，定期產出標準化告警報告。
4. 快速分享導入重點：資料安全可控、無縫整合既有系統、免程式碼上手。

• 安全邊界消失，端點成為防禦主角 
• 新興 Shadow AI（生成式 AI）資料外洩漏洞治理 
• X-FORT 滴水不漏多邊形防禦矩陣 

本議題將探討製造業導入 AI 應用時所需的關鍵基礎架構，說明如何透過流量調度最佳化 GPU 使用效率，並涵蓋模型服務安全、新興 AI 協定治理與 AI 應用交付。

透過 F5 的 AI 安全與應用交付方案，協助企業建立穩定、可擴展且具韌性的 AI 平台，讓 AI 應用安全、高效地從實驗環境走向實際生產。

• 將設備、產線、製程資料集中於Edge平台並標準化數據
• 即時清洗、轉換、補值，產出可用數據
• 在Edge即時分析與監控，快速發現異常，即時告警與事件觸發，降低停機風險
• 支援在Edge部署AI/Machine Learning模型進行即時推論
• 以邊緣運算方式降低延遲與雲端負擔，並可搭配強大的雲端分析能力
• 建立可管理、可複製的IT-OT、Edge-Cloud融合架構

1.半導體與傳統產業的差異

2.將數位大腦投入傳產

3.建立螺絲數位指紋

4.由AI辨識製程、品質

5.建構產品履歷與閉環生產

6.布局自主智慧工廠的未來

1. 德國巴魯夫公司簡介，感測器產品產業應用概覽
2. IIOTIO-Link打造智慧工廠數位感知基礎，IO-Link不只是通訊協定，而是智慧感測生態系。 
3. SWIR短波紅外線相機提升製程可視化能力，看穿Wafer，傳統可見光無法看見的缺陷。核心價值-讓設備看見肉眼與一般相機看不到的資訊

1. FANUC簡介
2. 產業挑戰與Physical AI的崛起
3. FANUC Open Platform實機展演
4. 結語與行動呼籲