數據沒打通，就談不上 AI 原生工廠：達梭系統與 NVIDIA 共推工業世界模型，揭台灣製造業關鍵痛點
專訪：戴季全
撰稿：李昀蔚
在今年 2 月舉辦的 3DEXPERIENCE World 2026 大會上，達梭系統與 NVIDIA 宣布合作打造工業 AI 平台，共同描繪出一個嶄新方向：AI 正進一步朝「理解現實世界」邁進。面對製造業從傳統智慧工廠轉向「AI 原生工廠」的新趨勢，企業該如何看待 AI 自主決策帶來的變革？本集《全新一週》特別邀請達梭系統臺灣戰略客戶銷售總監張銘輝，深入剖析製造業導入 AI、推進超自動化，以及打造 AI 原生工廠的關鍵路徑。
談及這場重磅合作，張銘輝表示，達梭系統與 NVIDIA 過去在軟體與繪圖卡領域已有長達二十多年的深厚合作基礎。如今，隨著 AI 技術加速發展，雙方期盼藉由強大的 AI 算力，讓 AI 讀懂物理世界背後的數學規則、理論邏輯、材料結構甚至生物學，這也使得 AI 不僅能理解虛擬的物理世界，更能協助業界建構由 AI 驅動的物理模型與虛擬孿生，最終邁向完整的「工業世界模型」。
AI 原生工廠和智慧工廠有何不同？
建構工業世界模型的核心，正是為了打造「AI 原生工廠」，究竟這與過去常談的智慧工廠有何不同？張銘輝分析，過去產業談及智慧工廠，重點多半放在「如何讓工廠更自動化」，並透過系統解決大量生產過程中的品質與技術問題，以加快達成生產目標。
相較之下，「AI 原生工廠」的邏輯截然不同。AI 原生工廠具備讀懂數據的能力，不僅能進一步做出判斷與決策，還能指揮後續的機器人與各類 AI 模型執行任務。「讓工廠自己讀懂數據、下判斷決策，同時提升自動化效率，這才是 AI 原生工廠的真正目的，」張銘輝強調，這也是 AI 原生工廠與智慧工廠的本質差異。
然而，要真正落實超自動化與 AI 原生，台灣製造業仍面臨一個痛點，那就是數據是否已經打通？從單點自動化走到整線、整廠自動化後，企業更期待透過 AI 即時收集數據，並讀懂工廠流程、產品模型與生產限制，進而做出超自動化的決策。不過，如果企業無法打通數據，那麼設計、模擬與製造等環節仍會彼此斷鏈，所以除非是從零開始就以 AI 原生為目標所打造的新工廠，否則若基礎工作未臻完善，即便想直接導入超自動化，難度依然極高。
工業世界模型的真正價值：縮短試產時間、降低錯誤率、加速複製經驗
為了解決上述痛點並串聯數據，達梭與 NVIDIA 共同推動的「工業世界模型」扮演關鍵角色。張銘輝指出，這項 AI 模型為工廠帶來的變革遠不只是傳統的 3D 建模，真正價值在於讓企業實際量產前，就能先在虛擬世界中預先完成工站規劃、流程配置與產線模擬。
張銘輝進一步解釋，過去的建廠與設計流程，往往是先著手編排工站、流程與動線，接著採購並測試設備，最後才進入試產線。然而，在導入工業世界模型後，企業能運用軟體預先模擬工站安排，精準掌握每一道工序的最佳配置方式。這樣的技術突破不僅可以大幅節省開發與試產時間，還能藉助 AI 自動避開企業過去曾犯下的製程錯誤，甚至主動協助排除潛在障礙，藉此推動工廠邁向更高層次的智慧化。
張銘輝強調，達梭系統所期待的理想境界，是讓企業先在虛擬世界中完成決策，再交由現場實際執行。若實體設備遇到無法排除的狀況，經人員協助處理後，相關數據與解方也能即時回饋至模型中。如此一來，模型的錯誤率將逐漸降低，問題處理時間也會大幅縮短，更重要的是，這樣的成功經驗與知識可以不斷被複製到多個場域，讓一座工廠解決過的問題，能迅速轉化為其他工廠或機器人與設備的共同能力。
當機器人先在虛擬世界學會，工廠就能更快走向自主執行
當工業世界模型累積了足夠的知識，下一步便是讓機器人這個「執行者」，無縫接軌至實體產線。張銘輝點出，現在機器人需要理解的不只是單一指令，而是包含產品樣貌、材料結構、製程順序、生產時程與成本考量等整體生產流程。因此當機器人全面掌握這些資訊後，便能透過大量數據與模型自行學習、持續迭代，最終走向自主決策並完成任務，不再需要人類逐一指導。更具優勢的是，這整套學習過程可以先在虛擬世界中進行上萬次驗證，在免去實體測試高昂成本的同時，也能大幅節省時間。
同樣的加速邏輯也體現在「模擬驅動設計」上。張銘輝表示，在 AI 算力與模型進步的推波助瀾下，過去需要花費一週甚至更久才能跑完的模擬結果，如今往往只需幾分鐘便能得出答案，並快速應用於不同角色的工作場景。例如，過去工廠常用的夾治具或模具，總得等供應商製作完成才能測試，現在只要透過掃描設備與 AI 建模，不僅能快速分析需求，還能結合 3D 列印迅速製作出低成本的可用版本，以「先求夠用」的策略大幅省下等待時間。
AI 要真正落地，先從賦能員工與打通數據開始
從虛擬模擬到實體產線的優化，種種技術變革最終都指向企業的核心競爭力。在給予台灣製造業 CEO 與決策者的建議時，張銘輝強調，企業必須先釐清「希望透過 AI 達到什麼目標、應用於何種場景」，並以此作為提升競爭力的基石，「關鍵在於讓員工被 AI 賦能，進而提升整體生產力，AI 是來幫助你的助力，而非取代人的工具，絕不能為了 AI 而 AI，」張銘輝說。
最後，張銘輝再次強調，企業若要在虛擬環境中真正發揮 AI 的最大效益，首要任務是將過去累積多年的知識打通、落實跨學科整合，才能創造最佳效果。這場打通數據的工程不應只侷限在企業內部，而是在企業內部基礎穩固後，更進一步向外延伸至客戶端與上游供應鏈，才能達成整體生態鏈的串聯，進一步帶動整個產業攜手變強。