《專題文章》我國製造業生成式AI 應用發展前景（二）
製造業在AI運用上，受限於製造業對資料運用的傳統思維，對於數據資料的取得、儲存、串聯與交換策略發展較為保守。不太容易發展如服務業中，將跨產業的資料結合AI應用，產生新服務價值的綜效。在傳統AI的發展上，追求精準與穩定的製造業，以製程管理和控制為主。因此，在具創造力的生成式AI發展上，大多傾向在企業內關鍵營運流程的發展，例如在行銷、客服、行政、採購、研發、工程設計等流程上，已上線或實驗性質的應用案例。
若以不同產業類別分析來看（圖1），目前在AI應用關注的重點也不盡相同。這些差異可能來自於產業規模、數位化程度、在國際供應鏈的角色、產品價值高低等因素。以現階段而言，和AI走的最近的電子資訊製造業，仍是數位程度相對較高，且導入生成式AI意願較高的產業類別。在關鍵的國際軟硬體大廠推波助瀾下，台灣的電子製造服務業（EMS）產業上下游供應鏈已有部分業者在評估、試行或投資相關應用。其中比較特別的地方在於，EMS產業在這兩年受到供應鏈波動的影響，造成相當大的損失，產業內已有在討論，如何彼此合作應用生成式AI來預估備料，以降低供應鏈風險。
圖1、製造業數位化程度與AI應用需求分析
資料來源 : 資策會數位轉型研究院，2024
而如金屬、紡織、石化、食品加工這些製造業，生成式AI對其最大的吸引力，可能在於新產品的研發設計上。以金屬業來說，生成式AI可以協助設計、模擬新的金屬零件，節省研發的時間[1]。在紡織業，透過生成式AI可以加速設計師與布料供應商之間規格溝通的效率，降低雙方在溝通之間來回的認知差異[2]。
然而，上述調查的AI應用目前都只是開始，製造業在生成式AI導入仍有許多的挑戰，包含資料、運算設施架構、企業安全、服務供應商與AI人才等，都會影響製造業在AI發展的策略。唯一可以確定的是，生成式AI將成為製造業的關鍵技術之一，未來將協助製造業實現高效、靈活的生產模式，提高產品品質和設計創新能力。
封面圖片來源：Photo by Steve Johnson on Unsplash
參考資料來源：
[1] dezeen, https://www.dezeen.com/2023/03/06/nasa-uses-ai-to-design-hardware-that-is-three-times-better-in-performance/ , 2023.04.
延伸閱讀