高雄市政府經濟發展局局長廖泰翔：讓 AI 應用從過去的單點案例，串連成產業網
製造業升級目前的瓶頸，是老師傅腦中累積數十年的隱性經驗難以複製與傳承。當資深員工陸續退休、師徒制逐漸瓦解，如何用 AI 把「人」的 know-how 留下來，成為台灣製造業共同的課題。
TechOrange 科技報橘日前在高雄舉辦「2026 AI 智慧大工廠論壇」，以跨越經驗斷層，重塑製造韌性為主題，邀請高雄市政府經濟發展局指導，並集結鴻海科技集團、華碩、金屬工業研究發展中心、杰倫智能、谷林運算等專家，分享 AI 如何驅動傳統產業升級——從智慧排程、視覺檢測、預測性維護，到把老師傅的經驗轉化為可規模化、可傳承的數位資產。
為降低在地企業的 AI 轉型門檻，高雄市政府經濟發展局局長廖泰翔表示，經發局將持續協助企業對接像鴻海、華碩等 AI 技術、算力資源，把高雄既有的硬體製造優勢轉化為 AI 應用服務，讓 AI 從過去的單點案例串連成全面的產業網。
鴻海談未來工廠：AI 負責繁瑣事務，人類做決策判斷
鴻海科技集團正將傳統工廠轉型為具備「可帶走的製造能力」的智慧生產場域。面對全球龐大的生產體系與數據，鴻海科技集團智慧製造平台處長郭錦斌指出製造業升級的瓶頸並非缺乏 AI 模型，而是老師傅的隱性知識與經驗難以被複製與傳承。
「為什麼要做 GenAI，就是把個人經驗轉換成讓系統可以理解、流程被採用，被不同工廠持續改善的一個製造過程，」郭錦斌表示，為了跨越這個門檻，鴻海推出 Project Genesis 智慧製造平台，重新定義問題，並將複雜的現場痛點拆解為 AI 可執行的任務，並導入多代理協作（Multi-Agent）架構，透過 AI 將個人經驗轉化為系統能理解、流程能採用，且能在不同工廠間持續優化的可複用資產。
「當繁瑣的事務被機器取代後，人類就能進行更有價值的判斷，」郭錦斌強調，高度自動化與 AI 的介入，將人類的角色從過去的「資料整理者」，轉變為「問題定義者與決策審核者」，未來工廠的運作也將打破單點資訊孤島，透過品質、設備與排程等不同領域的 AI Agent 共同推理，提供經過多方權衡的綜合決策方案，透過這樣的人機閉環（Human-in-the-loop）治理護欄，共同推動製造業升級。
華碩四大 AI 解方，協助製造業跨越被動管理瓶頸
華碩智慧解決方案處長呂文成指出，華碩整合 4 種 AI 解決方案以及工業安全防護平台 AIEHS，全面解決工廠營運的轉型痛點。
第一是智慧排程派工系統「AISODA」：打破過去人工排程耗時、能見度低且插單溝通冗長等問題，華碩透過 AI 以「最短作業時間、最少在製存貨、最高產能利用率」等目標進行最佳化排程調度。
第二是 AI 視覺檢測「AISVision」：提供無程式碼的視覺開發環境，只需資料蒐集、資料標記、模型訓練、模型部署 4 個步驟即可完成 AI 模型建立。
第三是預測性維護與狀態監控方案「AISSENS + AISPHM」：傳統設備監控往往在無預警故障後才發出警報，導致意外停機與高昂維修成本，透過 AISPHM 監控平台、內建 Trend GPT 智慧判讀異常趨勢，以及 Spectrum GPT 自動解析倍頻特徵，協助工程師提升診斷效率與準確性。
第四是非視覺信號的 AI 異常檢測「AISDetector」：針對工廠內的機台隱患，僅需透過 4 步驟進行零代碼 AI 模型系統整合開發，打破過去 AI 訓練的限制，只需要提供五條良品數據就能快速建模，並且系統能自主掌握閾值微調，擺脫 AI 過去如黑盒子般無法控制的疑慮。
第五是工業安全防護平台 AIEHS：整合攝影機及 CCTV 系統，內建 AI 模型將風險識別、評估、導正等流程數據、可視化，並具備本地推論、快速部署、彈性配置以及全面管理等服務優勢。
為了解決傳統製造業高度仰賴人工經驗與被動式管理的瓶頸，華碩將複雜的 AI 技術轉化為低門檻的實用工具，透過這套完整的分層協作架構，加速產業轉型。
金屬工業研究發展中心用 AI 留住造船業老師傅獨門心法
過去工業 4.0 追求無人化的「關燈工廠」，但對台灣高達九成以上的中小企業而言門檻過高，因此產業趨勢逐漸轉向人機協作的工業 5.0 模式，將 AI 定義為賦能人類的輔助角色。
金屬工業研究發展中心精密機電組組長林佳賓以造船業為例，造船業的銲接技術不同於汽車板金，往往是非常厚的鋼板，且需要進行多層道銲接，這種高度客製化且高溫的製程無法即時量測，極度仰賴老師傅累積的經驗來控制與細微調整，幾乎無法用傳統自動化取代。因此金屬中心將影像數據化、老師傅經驗 AI 模型化，並導入重量低於 20 公斤的輕量化手臂，並結合 2D 即時影像辨識與 3D 雷射掃描技術，讓 AI 能夠自動精準辨識如氣孔、過熔等銲道瑕疵。
林佳賓指出技術落地的真正核心在於打造「人本數位孿生」，透過老師傅作業時進行觀測，記錄師傅工作時的判斷準則，系統會將這些經驗萃取、標準化並轉移至 AI 模型與機器手臂中，縮短新進人員的學習曲線，降低人工作業的負擔。
杰倫智能協同 AI 左右腦，用老師傅經驗培育 AI 學徒
面對勞動力緊縮與供應鏈分散的雙重夾擊，傳統製造業過去仰賴的「師徒制」正逐漸瓦解。面對資深員工退休引發的核心知識流失問題，杰倫智能提出「Domain Twin（領域數位孿生）」概念，將專家的隱性知識轉化為企業可傳承的 AI 資產。
「把人的知識經驗萃取出來，變成一個可規模化、複製化，持續優化的企業模型，就是 Domain Twin 的核心訴求，」杰倫智能執行長特助陳星光表示，Domain Twin 的目的並非取代員工，而是將隱性經驗轉化為結構化的數位數據，而這套系統架構結合處理結構化數據的機器學習「左腦」，以及處理文本知識的大語言模型「右腦」，透過左右腦的結合，成功地將老師傅的經驗與避錯方法轉換成數位化的 AI 學徒。
谷林運算建構工業數據中台，讓老舊機台開口說話
「AI 就像是負責分析與診斷的醫生，感測器就像聽診器，而工業數據中台則是病歷系統，」谷林運算創辦人暨執行長馮輝譯指出，谷林運算透過加裝外掛式工業感測器的方式，擷取電流、溫度與振動等物理訊號，將過去難以記錄的老師傅經驗與機台狀態轉化為可讀取的數據，成功讓原本無法聯網的老機台也能開口說話。
谷林運算應用數據中台將四散、格式不一的碎片化資訊進行整合、轉換與連結，轉換成 AI 能讀懂的脈絡，並透過數據波形，將過去工廠仰賴老師傅的隱性經驗（如火侯、加工聲響或機台虛工）具象化，提煉成全廠共享的數位資產。