智能邊界驅動AI＋IIoT創新 智造、企業維運與AI Agent應用落地
- 鄭茨云／台北
-
隨著人工智慧從雲端運算延伸至邊緣設備與企業營運流程，Edge AI、AI Agent及工業物聯網（IIoT）的整合應用，正帶動智慧製造與產業轉型。為協助業界掌握技術發展與實務應用趨勢，DIGITIMES於10月21日舉辦「智能邊界，決策無限：AI × IIoT共創製造未來論壇」，邀集國內外科技大廠、產業專家及應用業者，從邊緣運算、智慧感測、設備聯網到企業AI治理與產線實證，探討AI技術落地的關鍵挑戰與發展機會。
AI機器人已陸續進入製造、物流及服務場域，但動作數據不足與模型準確率限制，仍是大規模商用的主要障礙。DIGITIMES分析師白心瀞指出，目前業者多以合成數據進行模型預訓練，再利用人類示範的真實數據微調，以縮小虛擬與實際環境的落差。
應用方面，AI機器人已能執行倉儲貨物翻轉、堆疊卸棧、藥品揀取及衣物折疊等任務，但手部操作仍以兩指夾爪的開合與抓取為主。白心瀞認為，未來若要提升操作靈活度，還須改善靈巧手機構、觸覺感測及動作捕捉技術。相較於結構複雜的五指靈巧手，三指操作可能成為下一階段較具可行性的發展方向，讓機器人能處理更多工業與服務任務。
Edge AI深入工業現場後，影像擷取、高速資料傳輸與即時控制的穩定性，成為系統開發的重要考驗。台灣是德科技技術工程師邱柏勝以工業視覺檢測為例說明，相機擷取影像、邊緣運算判斷瑕疵及控制機構剔除不良品等環節，任何訊號異常都可能影響系統運作。
因此，開發過程須兼顧電源完整性（PI）、訊號完整性（SI）及時序驗證。隨著晶片工作電壓降低，電源雜訊容許範圍縮小；PCIe等高速介面持續提升傳輸速率，也讓訊號衰減、抖動及眼圖閉合等問題更加明顯。邱柏勝提醒，測試儀器本身的底噪與解析度同樣重要，須避免儀器雜訊干擾判讀，才能有效驗證Edge AI設備在工業環境中的可靠度。
AI應用持續向終端設備延伸，低功耗微控制器（MCU）也能執行AI推論，但仍須兼顧無線連線、資安與電池續航力。針對這些需求，芯科科技資深應用工程師林仕文介紹TinyML技術，可將模型部署於資源有限的MCU，降低雲端傳輸需求與反應延遲。芯科科技透過整合無線通訊、Secure Vault安全機制及MVP AI加速器，支援語音辨識、手勢偵測與室內定位等應用。
其中，MVP加速器相較Cortex-M33可提升約8倍推論速度，並降低約6倍功耗。林仕文也以醫院定位系統為例說明，利用藍牙標籤與電池供電的無線節點，即可辨識人員及設備所在房間，無須額外布設網路線，降低安裝複雜度與部署成本。
AI模型正由語言理解延伸至視覺感知與動作控制，機器人、自駕車等Physical AI應用，也對即時運算、功耗及軟硬體整合提出更高要求。MIPS產品行銷總監Cheol Kim認為，AI模型持續演進，硬體架構必須保有軟體彈性，才能因應不同工作負載並延長平台使用週期。MIPS採用開放式RISC-V架構，結合可程式化運算引擎與軟體開發工具，支援新模型的部署與效能最佳化。
Cheol Kim提到，MIPS推出搭載SA200 NPU的Aries M.2模組，提供40至80 TOPS運算能力，開發者可先透過虛擬平台進行軟體開發，再利用實體模組驗證，後續銜接客製化晶片設計，縮短開發時程，並兼顧延遲、功耗與運算效能。
邊緣AI設備朝高效能、小型化與無風扇設計發展，系統內部熱量累積與資料可靠度，成為影響設備穩定運作的重要因素。宇瞻科技專案經理鍾良偉指出，高密度運算環境容易使SSD與DDR5記憶體過熱，導致效能下降甚至系統當機。
針對散熱需求，宇瞻推出CoreGlacier 2雙區散熱設計，將SSD主控晶片與NAND Flash分開散熱，最高可降低22%溫度；DDR5則採用GraTherX石墨烯與銅箔複合結構，實測可將模組正反面溫差縮小至1°C以內。在資料保護方面，宇瞻透過CoreSnapshot韌體技術快速建立備份點，搭配CoreRescue多種還原機制，支援遠端操作與異常自動復原，降低資料遺失與設備停機風險。
Edge AI深化場域應用 智慧維運與設備整合加速落地
企業網路與物聯網設備數量增加，維運人員經常面臨告警資訊分散、故障根因難以判斷及例行作業繁重等問題。華電聯網協理吳俊杰指出，傳統網管系統主要呈現設備異常，透過AI Agent整合跨系統監控數據與日誌，則可分析告警間的關聯，協助找出故障根因。
華電聯網以CyberMonitor網管平台結合地端AI模型，支援設備納管、設定調整、定期巡檢及系統更新等作業，並透過經驗回寫機制，將歷次故障處理結果累積為知識庫，供後續異常分析參考。吳俊杰強調，AI執行維運任務仍須受到嚴格控管，包括API白名單、參數驗證、角色權限及人工確認機制，避免自動化操作造成額外風險。
製造業導入AI時，現場設備通訊協定不一、資料定義繁雜，以及機電、系統整合與IT人員之間的協作落差，經常拉長專案開發與驗證時間。日峰科技總經理張紋瑞認為，生產數據必須經過正確定義與整合，才能成為AI應用的基礎。
日峰推出AIWALINK平台，整合PLC、CNC、感測器、影像檢測及能源設備等資料，並透過AI Agent協助使用者以自然語言建立監控畫面、告警規則與應用邏輯，減少重複開發與跨系統串接成本。張紋瑞提到，平台亦支援ERP、MES整合及既有設備資料輸出，並規劃結合華碩雲端服務，採取先在雲端開發與驗證、再部署至地端的模式，降低企業初期導入門檻。
AI影像監控已能辨識人員、車輛及異常行為，並透過影像脈絡分析提供即時告警，但實際部署仍須考量攝影機的辨識範圍與現場配置。神準科技EnGenius台灣區總經理暨產品部副總賴鴻洲指出，傳統監控系統的可觀察距離，不等於AI模型的有效辨識距離，若未依攝影機規格、焦距及安裝角度規劃，容易產生偵測盲區。
神準透過Edge AI攝影機執行人流計數、區域入侵及異常行為偵測，並結合雲端AI分析事件脈絡。賴鴻洲也提醒，AI告警仍須由人員確認，系統應提供即時影像檢視與限時分享功能，協助管理者判斷及通報；既有監控設備也可透過AI Box增加辨識能力，降低全面汰換成本。
AI運算正向終端設備延伸，如何在有限的體積、功耗與電池容量下執行即時推論，成為產品設計的重要挑戰。Alif Semiconductor亞洲區市場行銷協理陳永章以AI眼鏡為例，說明輕量化、續航力與多模態互動功能之間的設計取捨，以及Device AI在終端感知與本地推論的應用。
實際案例方面，Alif客戶已開發可使用電池運作5年的野外火災監測設備，以及結合低解析度影像辨識、電池壽命可達10年的辦公空間管理裝置。陳永章指出，透過低功耗晶片設計，讓設備在完成推論後進入休眠狀態，並依事件觸發喚醒，可延長使用時間；同時結合晶片安全防護與軟體生態系，支援更多終端AI應用。
AI規模化部署加速 企業治理與智慧製造應用成焦點
企業AI應用邁向規模化部署，模型選擇、資料準備、算力配置與營運成本，成為影響投資效益的重要因素。Dell Technologies資深AI業務拓展協理葉恩任建議，企業應先釐清應用情境，再依準確率、成本及資料需求，決定採用RAG、模型微調或其他部署方式，避免過早投入大量GPU資源。
面對AI Agent帶來的Token用量增加，Dell AI Factory可透過推論工作負載分離、KV Cache管理及運算資源調度，改善回應速度與資源利用率。葉恩任也建議，企業初期可利用GB10或AI工作站進行模型測試，待應用驗證成熟後再導入資料中心規模化運算，降低開發與正式營運之間的資源衝突。
AI Agent已能協助企業執行跨部門工作流程，人與AI的分工、權限管理及組織治理也面臨新的挑戰。台灣微軟資深策略業務發展總監章恩齊表示，未來員工可透過個人化AI Agent參與採購、訂單及製造流程，並依既有身分與權限存取企業資料。
微軟透過Copilot及相關開發工具支援個人工作與跨系統協作，已有製造業客戶運用AI Agent處理跨國訂單異動及單據更新，每年節省逾800個人工作天。章恩齊也提到，企業內部Agent數量增加後，必須掌握各個Agent的身分、資料存取與執行紀錄，透過Agent 365進行集中管理及安全監控，才能兼顧工作效率與資訊安全。
隨著AI Agent開始串接企業系統並執行實際任務，資安風險也從資料外洩延伸至權限濫用與未經授權的操作。邁達特產品六處處長黃禹傑提出依GenAI、LLM及Agentic AI不同特性建立分層防護機制的做法。企業可透過AI Gateway控管模型使用、資料傳輸與Token用量，並利用Guardrails檢查模型輸入及輸出的語意內容。
針對AI Agent，則須建立獨立身分與最小權限，透過MCP Gateway及API Gateway限制工具調用與系統存取，對高風險操作加入人工確認。黃禹傑強調，企業還應保留完整執行紀錄，並透過沙箱隔離及AI紅隊演練，持續驗證防護機制的有效性。
半導體先進封裝製程複雜，設備異常與製程偏差都可能影響良率，如何即時偵測並迅速處置，成為智慧產線的重要課題。日月光半導體助理副總經理陳俊銘分享，日月光利用Edge AI在設備端執行聲學、振動及影像異常偵測，再由AI Agent結合維修紀錄、操作程序與工程師經驗分析根因，提供處置建議，形成感知、推理與決策的協作流程。例如晶圓切割設備可透過異音辨識提早發現異常，降低製程損失。陳俊銘提到，日月光2026年規劃在高雄廠區推動700個AI Agent，涵蓋製造、設備、製程、物流及廠務等領域，並透過模型生命週期管理與資安防護機制，支援跨設備的大規模部署。
製造業擁有大量專業經驗與作業知識，但如何將個人經驗轉為可重複執行的工作流程，仍是AI導入的重要課題。智慧方案營運長陳旻筠介紹，EgentWrX平台讓員工建立具備獨立知識庫、記憶與權限的AI數位分身，並透過自然語言將日常作業轉為可重複執行的任務卡，再串接為跨部門工作流，例如整合業務、採購、財務及生管資訊，加速報價作業。
陳旻筠提到，平台支援雲端與地端部署，並提供預算控管、操作稽核及資料防護機制，讓企業掌握AI使用成效，同時將員工累積的任務與作業知識保留在組織內。
企業導入AI Agent後，如何將分散的資料與既有系統串接為可執行的工作流程，並衡量實際效益，成為智慧營運的重要課題。睿思智慧執行長陳益祥以連鎖餐飲備料預測、精密製造詢價與報價、財務對帳及政府機關文件審查等案例，說明Agentic Workflow的實務應用。
企業可透過自然語言建立工作流程，串接ERP、CRM及POS等系統，讓AI執行資料分析、預測與流程處理，再由人員確認重要決策，減少人工查詢與跨系統作業時間。陳益祥強調，企業應依應用情境設定工時、品質、損耗及營運成本等指標，並保留人工核可與操作紀錄，才能具體驗證AI帶來的效益。
