Agentic AI 與 Physical AI 如何加速高科技製造業的自主革命？聯發科技、群聯電子、NVIDIA 等專家解密關鍵趨勢應用
2026 年，製造業正站在「自主革命」的轉捩點。隨著「+USA」全球供應鏈重組、勞動力缺口擴大，以及 AI 代理與物理 AI 的加速成熟，製造業的角色正發生根本性轉變，重塑「超自動化」工廠的樣貌。對於位居全球供應鏈中樞的新竹高科技製造業而言，挑戰更不僅在於技術導入，更在於如何建立一支 AI 混合勞動力，以應對日益嚴峻的勞動力缺口與全球化競爭。
TechOrange 科技報橘與 Cake 在 2/7 聯合舉辦「高科技製造 AI 人才論壇暨 Workshop」，為包括半導體、光電、電子零組件等新竹高科技製造業技術人才解析 AI 代理與物理 AI 如何成為推動這場自主革命的雙引擎，並探討高科技製造業當前最需要什麼樣的 AI 人才。
從自動化走向自主化的製造革命
聯發科技企業策略與前瞻技術資深處長梁伯嵩表示，AI 運算的七層架構涵蓋實體層、連結層、神經網路層、情境層、代理層，還有協調層和應用層。而在 AI 進展上，大致可歸納為三個時期，第一階段是「訓練時期運算」，開發者聚焦如何訓練 AI 提升性能；第二階段是「推理時期運算」，發展重點是利用 AI 有效率地進行推理、以知識蒸餾技術訓練 AI 模型；第三階段是「Agentic AI 與 Physical AI」，在企業追求極致算力的情況下，形成一個關鍵趨勢 —— 讓 AI 發揮超越單一 LLM 模型的能力。在提供 AI 算力上，「影響較大的是底端的實體層（Physical Layer），包括半導體晶片和各種不同硬體裝置，以及連接層（Link Layer），將這些運算力連接在一起進行 AI 運算。然後在整體 AI 算力設計上，不只看單顆晶片性能，更需要針對整個 AI 系統做最佳化，優化的範圍包含個機櫃（Rack-Scale）甚至是整個資料中心（Data Center）。
「大型語言模型就像剛畢業的大學生，學了很多知識，但如果要成為厲害的員工，他需要具備更多實務能力與工作環境，」梁伯嵩分析，AI Agent 就像企業的員工，不僅需要擁有強大記憶與規劃能力，也擅長大量使用工具執行任務，更懂得如何與其他 AI Agent 協作以發揮更高生產力。這使得未來應用場景不再只是單個超強 LLM 運作，而是多個懂研發、懂行銷、懂財務、懂管理的 AI Agent 專家共同協作。當 AI 進入實體世界，透過與實體世界直接互動，還能進一步提升對世界的認知，進而擁有創造知識的能力。不過當產業界真正布局 AI 生態系，往往迎來全新挑戰，「我們如何管理這些 AI Agent？類似管理員工的 HR (人力資源部門)，以後可能需要 AI Agent 的 HR 來負責選擇、培育、評核這些 AI 員工，並將這些 AI 員工組合成發揮極高生產力的團隊。這對於學習管理的人來說，將是很大的新領域。目前，我認為 AI 的進展大概只在半山腰，未來 AI 能力還有很多提升的空間，更有許多應用層次（例如這七層架構的協調層、應用層等）需要我們去探索。」
「從 2023 年起，我們就開始思考下一個十年的發展策略，」群聯電子技術長林緯觀察，AI 產業普遍存在一個巨大痛點：大語言模型（LLM）使用成本昂貴，如果企業正在訓練 70B 的模型，需要使用 18 張 NVIDIA H100 顯卡，每片要價百萬台幣，這對多數企業來說門檻太高。為了滿足 AI 應用的需求，群聯電子研發「aiDAPTIV+」一站式 GenAI 落地訓練暨高效推論解決方案，實現 HBM、GDDR 記憶體與成本效益更高的快閃記憶體之間的動態資源調配，有效降低硬體支出，同時大幅減少模型訓練對昂貴且耗電 GPU 顯示卡的需求。另一方面，aiDAPTIV+ 將大型資料集保存在本地，避免企業將資料傳輸到其他地方進行處理所產生的成本。
群聯電子不僅提供底層硬體產品，也逐步推動上層生成式 AI 的落地應用。林緯舉例，在與警政單位合作的專案中，群聯電子協助客戶生成筆錄與專業公文、即時比對關鍵法條，並以 AI 客服系統提供更便捷的民眾服務；在與金融單位合作的專案中，群聯電子協助客戶實現智慧防詐、AI KM 系統建置；在與教育單位合作的專案中，則是協助學校打造 AI 訓練平台，共同推動擴展學術研究的深度與應用廣度。林緯表示，群聯擁有一個特別文化，就是非常重視大家的想法，「我待在群聯十幾年，從一名實習生變成技術長，總共產出 200 多篇專利，而且我們公司的溝通非常扁平，董事長的門口永遠是開著的。如果你是一名實習生，你有很棒的想法，你可以直接進去和董事長討論，這種開放的環境，讓工程師能夠充分發揮創意。」
如何在人機協作時代，打造不可取代的能力？
NVIDIA DLI 首席講師及培訓服務資深經理吳宏彬指出，回顧 19 世紀末的工廠，過去製造業的動力來源是蒸汽鍋爐，工廠裡布滿傳動軸和皮帶，當時最厲害的工程師，是那些能聽出鍋爐壓力對不對、知道怎麼修皮帶的人。後來，電力進入工廠，這時候製造現場不再需要一根根笨重的傳動軸，取而代之的是電線，這意味著工廠需要的技能改變了，工作者需要懂得拉電線、檢查保險絲，並了解電流強度。吳宏彬認為，就像電力改變了工廠的結構，AI 也正在改變所有人的工作方式。不過在 NVIDIA 服務企業的過程中，發現客戶實際導入 AI，通常會遇到兩個痛點，一部分是設備交期，包括 GPU 等基礎設施；另一部分是人才斷層，許多企業採購最強的 GPU 伺服器，卻發現找不到足夠的人才來驅動這些平台，建構企業專屬的系統。
為了縮短產業人才缺口，NVIDIA 透過 NVIDIA DLI 深度學習學院，讓開發者從實戰中掌握理論與應用，並提供專業認證考試，協助開發者證明自己在 LLM、數位孿生或系統管理上的專業能力。吳宏彬強調，在電力革命時代，人才們不一定要成為愛迪生發明發電機，但一定要學會怎麼用電；AI 時代亦是如此，不是每個人都需要研發下一個 AI 模型，但必須能夠開出正確的規格，學會如何讓 AI 成為大腦的延伸，這將是未來 5 年、10 年，決定個人與企業競爭力最關鍵的一環。
「AI 技術進入傳統農業，讓更少的人可以產出更多的稻米；進入紡織業，則是驅動⾃動化⽣產與客製化設計，」科技報橘社長戴季全表示，這些變革正在重塑全球經濟格局，甚至形成「K 型經濟」，加速分化新舊產業。在 K 字向上分叉的那一端，是掌握基礎設施、硬體、算力與核心模型研發的一群人，他們的產值與影響力呈指數級增長，K 字向下分叉的那一端，是無法跟上轉型、仍守著舊有作業模式的一群人，「當科技讓生產力提升 100 倍、1,000 倍時，如果你還在做舊的動作，那你的價值就會下降。所以我們必須重新定義專業，從『執行動作』轉向『產出價值』。」
「很多人發現，使用 AI 之後，寫程式的速度快了 10 倍，寫文章的速度也快了 100 倍，但為什麼我們的薪水沒有提升 10 倍、100 倍？」戴季全坦言，這個事實殘酷，因為當每個人都能提升 10 倍效率時，這就變成基本能力門檻，而不是競爭優勢，因此在 AI 時代，人才必須將不同領域連結，思考如何將 AI 應用於更有產值的場景。戴季全指出，「我們正在進入一個高度不確定的狀態。一旦面臨混亂或通訊中斷時，留在原地是最危險的，你必須不斷地移動、嘗試新工具、接觸新領域，保持自己的靈活性；同時，去學習一些新技能，或是和跨產業的人交流，避免讓自己陷入『火雞困境』（依據過往一致的經驗來預測未來，卻忽略突發、顛覆性的風險）。」
隨著 Agentic AI 與 Physical AI 協作逐漸成為常態，企業需要建構彈性的基礎設施，個人則需要不斷打破專業邊界。「高科技製造 AI 人才論壇暨 Workshop」不僅為新竹高科技聚落指引技術方向，也鼓勵人才擁抱新興工具、提升自己的價值，進而在人機協作的時代洪流中，成為不可被取代的關鍵角色。
（責任編輯：曾品潔）