製造業的AI革命

企管二甲 范姜郁雯

現代的AI技術十分強大，連手機也能執行AI的應用，讓人們隨時隨地都能使用。而DeepSeek生成式AI也正改變著製造業的發展。生成式AI可以進行自然語言程式設計、決策輔助、創新設計等，原本要請專業人士的工作，現在生成式AI就可以給予我們創意和設計的靈感，足以減少許多人力上的成本，它提供給我們的建議也可以推動製造業的進步與各種安排。

在智慧製造上，GAI提供了很多自動化的功能。品質管理方面，產品缺陷和瑕疵可以自動辨識及影像生成。供應鏈管理方面，機器手臂控制、保養工單自動填寫、最佳參數自動建立。產品與工程設計方面，輔助與構想可行性分析、多樣性設計圖、數位模擬。這些自動化的功能突破了人類思維和經驗的限制，AI數據馬上幫助人類算出並且監控各種流程，人們不再需要時時刻刻都自己完成，有了AI在製造業，或許按了一個執行按鈕或輸入指令，就能有標準化的作業流程去生產與製造，這對未來製造業智慧化的推展十分有幫助，以後的製造業型態或許會成為AI多於人類的情景，讓流程變得更加快速，並且出錯率也能大幅降低，對於製造業可說是轉型的新契機。

生成式AI有許多具體的應用。材料設計方面，有生物合成綠色循環紡織染料。配方設計方面，若製造業要發明新產品，AI也可以提供製程建議和流程優化，要如何做AI都可以用數據幫人類算出來、模擬出來，規劃好整個一連串的流程，人們就不必花很久的時間去思考與實驗等等，省去不少研發上的成本。生產規劃與管制方面，人們可以將預計達到的目標告訴AI，而AI就會自動幫我們挑選出最適合的生產方式和決策，達到企業要的最低成本與最大產量目標。這些都是以往製造業無法達到的，靠著AI強大的力量可以突破許多限制，有些人類難以辦到或是需耗費許多心力及資源的事情，交給AI馬上就能達成，減輕了製造業的負擔，甚至連人類都不需到場，可以遠端監控，所以AI是現代智慧製造業不可或缺的技術之一。

在製造業的實例上，AI也扮演著很重要的角色。豐田運用GAI協助設計最佳化的低風阻車型，以往研發一種新的車型就需要構想、實驗等繁雜的流程，萬一沒成功又要重新來過，一來一往就耗費很多時間和成本，不過AI卻可以提供較為準確的數據和建議，讓人們不必在流程上四處碰壁，也提升了製造業的效率及生產力。IKEA也將過去的家具型錄做成資料，用AI生成復古風的家具，原本需要反反覆覆蒐集資料並分析數據，再發揮創意結合設計的工作，交給AI自動去生成，它提供的創意點子也不會比人類差，幫助突破人類需要不斷思考與創新的思維，立刻就能彙整資料並提供建議，十分迅速且便利。

研華AI設備維修助手可以幫助查詢庫存、分析資料和自動發信給負責人，以及從機器維修履歷到為什麼故障、該如何維修等，這些一連串製造業可能會遇到的各種問題，設備該怎麼處理、找人負責，馬上就能有自動處理的流程，AI都幫我們規劃和處理好了，而且有一套完整的作業流程，大部分情況下人們不必太擔心。原本需要人力去檢查和回報的工作，AI都可以自動幫我們處理好，這也是為什麼製造業正在轉型的原因，有了AI在製造業，人們不再需要像以往那麼辛苦的每個步驟都需要自己做，AI可以幫助我們達成想做的事，甚至能夠超越我們的能力範圍，在短暫的時間內達成我們難以達到甚至無法達到的任務，跳脫了人們的想像與限制。

雖然AI可以提供人們各種自動化和標準化的流程，甚至能夠設計想要的產品型態，但仍需人類的 double check會比較確實和完備，因為有時生成式AI給予的建議不一定完全符合人類的實際需求，它提供的是建議，所以人類在執行AI應用前，要先檢視它所執行的目標、過程、結果是否是自己想要的，避免完全仰賴AI生成而不檢查，才能達到以AI輔助製造業的便利性及提升效率、生產力和 競爭力的目標。未來的製造業型態應該是會持續朝AI化邁進，我對於這種型態抱持樂觀其成的態度， 因為AI能夠讓整個製造業不論在流程或成本上得到相當大的幫助與進步，也期許AI時代下的製造業能夠透過智慧型態突破更多人類目前的限制。

企管三甲  陳永峰

張健順經理首先介紹了加百裕工業的背景，說明其在精密金屬加工與智慧製造領域的發展歷程。隨後，他詳細闡述了智慧製造的核心概念，即利用物聯網（IoT）、人工智慧（AI）、大數據分析和雲端運算等技術，來提升生產效率、降低成本並改善品質。演講中，他分享了智慧製造上的實際應用，包括：

1.製造生產AI應用：(1)產品缺陷自動辨識：透過AI技術，機器能夠即時檢測生產過程中的缺陷，提高品質控制的精準度。(2)GAI取代傳統AOI（2023年為此應用元年）：以生成式AI（GAI）取代傳統自動光學檢測（AOI），進一步提升檢測效率與準確性。(3)保養工單自動填寫：結合周邊裝置和紙本分析，從簡化到合理化再到完全自動化，減少人為錯誤並提升維護效率。(4)最佳參數自動建立（AutoML）：透過歷史數據分析，找出最佳生產參數，優化製程。(5)生產規劃與管制：透過IoT裝置追蹤生產效能，達到最低成本與最高產量的平衡。

2.VUCA時代的產業變革：VUCA（易變、不確定、複雜和模糊）已成為企業必須面對的現實，而技術發展的速度更是加劇了這種變革。例如：方便麵（速食麵）行業受到外賣平台（如美團）的影響而衰退。傳統扒手因為行動支付的普及而失業。大潤發創辦人黃明瑞曾表示，他們在中國零售市場擊敗所有競爭對手，卻輸給了電商時代，最終被阿里巴巴收購。

3.個人不可替代性的打造：在快速變遷的時代，個人應該思考如何建立自身的「護城河」，確保職場競爭力。張經理解釋，一個值得花時間投入的職位，應該具備以下三個條件：薪水高、進入門檻高、工作好找。

4.AI與醫療變革：AI技術的進步不僅影響製造業，醫療行業也正經歷「DeepSeek時刻」。例如：醫療設備IoT與大數據分析的結合，提升醫療診斷的精確度。DeepSeek AI診斷：北京大學第一醫院、上海第六人民醫院等醫療機構已開始應用DeepSeek技術，許多醫生診斷前也會先參考AI建議。

個人心得與收穫

這場演講讓我對智慧製造的發展有了更清晰的認識。過去，我對智慧製造的理解可能僅停留在自動化生產層面，但透過這次演講，我了解到智慧製造不僅是機械自動化，更重要的是如何利用數據驅動決策，提升整體生產效能。特別令我印象深刻的是，加百裕工業如何運用數據分析來優化生產流程。這讓我意識到，未來的製造業競爭不再僅僅是設備的比拼，而是誰能更有效地管理與應用數據。這與當前全球工業4.0的發展趨勢相呼應，也顯示出數據驅動決策的重要性。

此外，演講中提到的智慧供應鏈管理，讓我體會到企業如何利用科技來應對市場變化，提高生產與供應鏈的靈活性。這對於現代企業來說，無疑是一項關鍵能力，特別是在全球市場競爭激烈的環境下，能夠精準預測需求、有效配置資源的企業，將更具競爭優勢。

未來應用與思考

這場演講也讓我開始思考，未來智慧製造技術如何影響我的學習與職涯發展。作為一名學生，我認為我們應該培養數據分析能力與數位工具應用的技能，以適應未來的智慧製造環境。例如，學習Python或其他數據處理工具，熟悉機器學習技術，這些都將有助於我們在未來的職場中更具競爭力。同時，我也認為智慧製造的發展將改變許多傳統的職場角色。例如，過去純粹依靠經驗的生產管理方式，將逐漸被數據驅動的決策模式取代。因此，未來的從業者不僅需要了解製造技術，還需要具備數據分析、AI應用等跨領域的知識。

結論

總結來說，這場關於加百裕工業智慧製造的專題演講，讓我對智慧製造的發展方向有了更深刻的理解。透過實際案例，我看到數據與AI技術如何真正落地應用，為企業帶來實質性的效益。同時，我也意識到未來製造業對數據應用與智慧管理的需求將持續增加，這促使我們在學習與職涯發展上，應該更多地關注數據分析與數位技能的培養。這場演講不僅讓我收穫豐富的知識，也激發了我對智慧製造領域的興趣。未來，我將持續關注相關技術的發展，並思考如何將這些新知識應用於自己的學習與職涯規劃中。

 

企管三甲 李沂臻

這場講座讓我對AI在各個領域中在機械設計、材料研發以及製造生產上的實際應用有了更深入的了解。以前總覺得AI這種高科技技術距離我們很遙遠，但聽完講座後，我發現AI已經不只是個未來趨勢，而是實實在在影響各行各業，甚至在許多地方已經開始 發揮關鍵作用。

講座一開始談到了AI實施的幾個關鍵考量，比如說成本效益、安全性，以及如何選擇合適的實施路徑。以前可能只有大企業能夠負擔AI技術的導入，但現在隨著AI開發成本的降低，越來越多企業有機會利用AI來提升效率、降低成本。特別是自建AI系統不僅 能提供更好的數據安全性，還能讓企業根據自身需求調整模型，這點讓我覺得很有道理。其中一個讓我印象最深刻的應用是AI在機械設計上的輔助作用。講座提到 GAI可以根據過往設計圖和設計理論，自動生成多樣化的產品設計圖，再透過數位模擬確認結果。讓我知道這不僅能大幅縮短開發時間，也能幫助設計師突破自身的思維限制，創造出新的設計概念。

我覺得這是一個很實用的AI應用，因為傳統的機械設計往往需要大量的經驗累積，而AI可以幫助新手設計師快速生成靈感，還有發現一些人類不容易想到的設計方案。另外，講座也提到可以訓練特定領域的AI助手，例如利用LLM來彙整技術文件、提供設計建議或流程導引，這對於需要大量專業知識的行業來說，應該會是一大助力。

另一個讓我覺得很新奇的應用是AI在材料設計上的角色。講師有提到透過生物合成技術，我們可以利用基因改造和代謝控制，來生產更環保的紡織染料，減少對傳統化學合成的依賴。我沒有想過AI竟然能夠幫助生產材料，尤其是在可持續發展這方面。現在越來越多企業關注環保議題，如果AI能夠幫助找到更環保的製造方式，那絕對是未來的一大趨勢。

 再來，講座還提到AI可以用來優化產品製程配方。透過累積的大量數據，AI可以分析出哪些配方最有可能成功，然後提供建議清單，再由專業人員做最後的微調。我認為這樣的做法能夠減少試錯成本，也能幫助企業更快找到最佳配方，提升產品品質。

講座最後談到了AI在製造業中的應用，包括產品缺陷辨識、保養工單自動填寫、最佳參數建立，以及生產規劃與管制。特別是產品缺陷的辨識，AI已經開始取代傳統的AOI， 這讓我覺得非常有未來感。因為以往這些工作需要大量人力，而現在AI可以透過影像 辨識技術來自動偵測缺陷，這不僅提高了檢測的速度，也降低了人為誤判的可能性。生產規劃與管制這部分也讓我覺得很有潛力，因為透過物聯網裝置，企業可以即時追蹤生產效能，並讓AI來計算出最低成本、最高產量的組合。這樣的智能管理系統，不僅能提高生產效率，還能讓企業在競爭激烈的市場中更有優勢。

這場講座讓我對AI在不同行業的應用有了更全面的理解。AI不只是停留在理論階段，而是已經實際應用在機械設計、材料開發、製造生產等領域，並且展現了驚人的潛力。這讓我開始思考，在未來的職場中，我們該如何與AI共存？或許，最好的方式不是把AI當作競爭對手，而是把它當作一個強大的輔助工具，幫助我們更有效率地完成工作。這次讓我知道以AI來說，無論在哪個行業，學習如何運用AI來提升自己的工作能力，將會是一個不可忽視的趨勢。

 

企管三甲 卓采萱

今天聽了一位在IT領域經驗超過25年，現今在加百裕工業股份有限公司資訊處任職經理職位的張健順經理來與我們分享他們公司的智慧製造運作，告訴我們AI運用在企業之中的關鍵點，像是成本效益，只要AI越來越普及，系統運營成本下降就更能減少企業去使用的負擔；再來是安全性，若系統要能進入企業，他也有必要為公司的數據提供更完善的安全與隱私保護，避免各個資與公司機密外洩；最後是實施路徑，AI技術從概念到落地執行的過程，企業需要考慮如何落實AI方案，如是否要自建AI模型，或使用Azure AI等雲端AI服務，去評估最適合該企業、該部門的技術、工具與平台，並確保AI系統能夠成功部署並發揮效益。

後面講者進入到AI運用在產品、工程、製造領域能有何種幫助，雖然大部分內容因為有太多專有名詞加上我們沒有實際學習過工廠中的整個製造流程，所以有很大部分我都沒有聽得很懂，但我有盡量去理解一些概念，像是在工程設計上，AI可以從過往的經驗與資料庫加上使用者的需求結合圖像去生成設計圖，再加上模擬軟體達成最佳化效能、壽命、成本與碳足跡設計，這項運用很明顯能為企業的環保與永續概念、社會責任加分，減少碳足跡是現代人越來越關注的議題，如果AI在生產製造的運用可以在未來幾年內落地並普及到大大小小的企業當中，那麼對於減碳這件事肯定能有明顯效益，再來是生產製造AI能分析歷史數據去給出最佳的生產規劃組合，這同時能幫助公司實現最低成本與最高產量，幫助企業賺取更高的利潤，在我的理解下，AI在製造業的導入不僅能受惠社會大眾也能對其企業本身帶來利益，這是相得益彰啊！

另外，講者在分享途中有不斷提醒生成式AI幻覺的問題，這的確是我們日常在運用AI時就很常見的錯誤，像是在計算較複雜的數學題、請他給出方案的解決方法，有時候會出現顯而易見的錯誤，完全不知道他從何得來這項解法，因此我們也要去糾正他的錯誤，不能完全信任於AI給出的所有應答，這同時也是在訓練我們自身，在幫助這項工具更完善的同時，也是在協助自己在運用工具時不會被帶著跑，能更有自己的判別意識，這樣人類也才不會早早就被AI取代，這是全民都該去學習的事情。

企管三甲 蕭羽辰

今天的演講讓我對「智慧製造」有更深入的理解，尤其是AI如何改變製造業。從工業4.0智慧工廠到邊緣AI（Edge AI）與生成式AI（GAI），AI技術的發展正在加速製造業的智慧化轉型。然而，在導入AI時，企業必須考量成本效益、安全性及實施路徑，確保技術能真正提升生產力，而不是徒增成本 或風險。AI 的目的不是取代人力，而是提高員工生產力，讓員工能夠專注於高價值的工作。例如，以往工廠內部的機器設定需要專業工程師撰寫程式碼，現在透過 GAI，員工可以直接用自然語言輸入指令來操作設備，大幅降低技術門檻，提升效率。同時，AI還能幫助企業預測機器故障、優化生產排程，甚至進行品質 檢測，讓工廠運作更加流暢。

在AI技術的演進上，從傳統的鑑別式AI到生成式AI，再到融合技術，每一個階段都讓AI更智慧、更實用。最初的鑑別式AI只能區分簡單類別，例如判斷產品是否合格；生成式AI則能進一步分析細節，甚至提供改進建議；而現在的融合技術整合OCR、機器學習、自然語言處理與電腦視覺，使AI系統能夠不 斷學習和優化，成為真正的決策夥伴。

GAI 在智慧製造的應用相當廣泛，主要有四大突破。第一，人機溝通革命，讓員工可以用自然語言與機器互動，簡化操作流程。第二，自然語言程式設計， 讓工程師可以用簡單的指令生成程式，快速調整生產設備。第三，決策輔助，透過AI分析生產數據，幫助企業做出更精準的決策。第四，創新設計，AI可以根據需求生成新設計，優化生產流程，甚至研發新產品。這場演講讓我意識到，AI不僅提升效率，更徹底改變了製造業的運作模式。智慧工廠的重點不再只是自動化，而是讓人與AI協同工作，發揮最大的生產效益。

而加百裕的策略正是一個成功案例，他們透過精準導入AI技術，確保企業 能真正從中受益，而不只是追趕潮流。未來，隨著邊緣AI與GAI的普及，製造業的智能化程度將進一步提升，甚至可能催生新的商業模式。這不僅影響製造業，也將改變其他產業。因此，我們應該保持開放的態度，去理解並擁抱這場AI革命，因為它帶來的不只是技術進步，更是產業運作模式的全新變革。

 

企管三甲 張庭瑄

這次聽完有關 AI 和 GAI在產品工程與製造領域應用的演講，真的讓我大開眼界。老實說，原本對這種主題沒有太多期待，覺得應該又是一些聽過很多次的技術推廣，但整場聽下來才發現，AI的進步已經不是單純在做資料分析或流程優化而已，而是真正進入了「協助人類做決策」甚至「主動參與創造」的階段。講者一開始提到現在的 GAI不再只是工具，而像是個「智慧型同事」，可以跟你一起討論設計、提供修改建議、甚至幫你畫圖、跑模擬，這點真的超有感。我馬上聯想到以前上專題課時，我們光是做產品設計、畫 3D 圖、再跑模擬就花了好幾週，而且很多時候是土法煉鋼、自己摸索，效率超差。但現在 GAI 居然可以根據輸入的產品需求，自動產生設計草圖，還能推薦材料、分析受力，根本是工程師的神隊友。其中最讓我印象深刻的是 GAI 在跨部門協作上的幫助。

講者說，過去製造業中設計部門、研發部門、生產線跟品管部門常常資訊不對等、溝通又卡卡，導致整個流程效率低下。現在透過 GAI 的導入，可以建立一個「共享智慧平台」，每個人都能即時看到最新的資訊跟數據，而且 GAI 會自動統整資訊、提出建議，讓決策更快速也更有根據。這真的太厲害了，等於打破了很多組織內的「資訊孤島」。另外，在製造現場的應用也很酷。像是 GAI 可以透過感測器數據預測機器什麼時候可能會出問題，提早維修，避免生產停擺。這對企業來說根本是節省大筆成本的關鍵。

而且講者也強調，AI並不是要取代人，而是把人從重複、低效的工作中解放出來，讓我們可以專注在更創造性的事情上，這一點我很認同。雖然目前 GAI 還有一些限制，比如它的資料來源品質、對人類情境的理解還不是完全到位，但從整體來看，它已經不只是「未來趨勢」，而是「現在進行式」。我們這一代如果能學會怎麼跟 AI 合作，甚至善用它來解決問題、提升效率，一定會在未來職場上更有競爭力。

總結來說，這場演講讓我對AI在工程與製造領域的潛力有了全新的理解，也讓我開始思考，如果未來有機會進入產業界，我該怎麼學習這些技術、甚至成為懂得使用AI的專業人才。GAI 並不是遙不可及的高科技，它其實已經開始走進我們的生活、學習、甚至工作中，關鍵是我們有沒有準備好去擁抱他

 

企管三甲 林沅禎

這場演講讓我對AI在製造業的應用有了更具體的認識，也讓我開始思考 AI 如何影響未來的職場與我的生涯發展。說實話，過去我對AI的印象還停留在 ChatGPT這類聊天機器人，或者是一些電商平台的推薦系統，沒想到AI在智慧製造領域已經發展得這麼成熟，而且正在改變企業的運作模式。這讓我感覺到，AI並不只是個技術趨勢，而是我們未來不得不適應的現實。

在演講中，我最有感觸的一點是AI如何協助企業提升效率，尤其是在供應鏈管理和品質檢測上。作為一個對電商和企業管理感興趣的人，我一直很關注供 應鏈的運作，因為它直接影響到企業的成本與競爭力。現在的市場變化很快，消費者的需求也不斷變動，企業如果無法即時應對，就很容易被淘汰。AI能夠透過數據分析，提前預測需求變化，甚至可以自動調整採購與庫存，這讓我想到電商平台常遇到的庫存過多或過少的問題。如果未來我自己有機會經營電商，這類技術肯定會成為重要的競爭優勢。

品質檢測部分也讓我很驚訝。過去品質管控大多依賴人工檢查，不僅容易出 錯，效率也很低。但是AI可以透過影像辨識技術，快速且精準地檢測產品瑕疵，甚至能夠自己學習不同類型的缺陷，讓檢測系統變得越來越聰明。這讓我想到，如果AI真的能夠取代人工檢測，那麼未來這類工作的需求可能會大幅減少，甚至消失。這其實讓我有點擔憂，因為這代表某些傳統職業可能會逐漸被淘汰。但換個角度想，這也代表新的工作機會會出現，比如AI模型訓練師、數據分析師等。這讓我開始思考，如果未來想要在職場上保持競爭力，學習 AI 相關的知識似乎已經變成一種必要的能力，而不只是額外的加分項。

演講中還提到免費與付費 AI 工具的選擇，這點我覺得很實用，因為這讓我意識到，不是每個企業都需要最頂級的AI技術，而是應該根據自身需求來選擇 合適的工具。例如，小型企業可以先使用免費AI來做基本的數據分析，而大型企業則可以投資更高級的 AI方案來提升競爭力。這讓我想到，如果未來我自己創業，AI 會是很重要的幫手，而不是我想像中那種只有大企業才用得起的高端技術。

這場演講也讓我對AI的發展方向有了更多想法。現在AI的應用已經很廣 泛，但未來肯定還會有更多突破，例如更強的自主學習能力、更自然的人機互動等。我覺得未來AI可能不只是工具，而是會變成像「夥伴」一樣的存在，幫助我們解決問題、做決策，甚至與我們一起創造新的可能性。這讓我開始期待未來 AI在商業、零售甚至日常生活中的進一步應用，或許有一天，AI真的可以像一個智慧助手一樣，幫助我們處理所有繁瑣的事情，讓我們有更多時間去做更有價值的工作。

 

企管三甲 陳玟甄

近年來，人工智慧已經成為了各行各業的重要技術，在製造業中更掀起了一場深刻的變革。AI的導入不僅重新定義了傳統的生產模式，也徹底改變了企業營運與管理的思維。

AI在製造業的實施，最直接的關鍵考量在於提升成本效益與安全性。企業導入AI系統，目的是希望能在不增加人力的情況下提升產能與效率，這對於面對少子化與勞力短缺問題的製造業而言尤其重要。例如，AI可以在不間斷的監控中，提前預測機台異常，執行預防性維修，進而降低生產中斷風險。此外，AI還能協助確保生產環境的安全性，透過影像辨識系統監控作業現場，即時偵測危險行為與設備異常，保護員工安全。

其中，生成式AI（GAI）與如 Deepseek這類新興工具的應用，也顯示出AI正在深入改造製造業。GAI不僅能提升員工生產力，更為產業帶來了新的設計與創新的可能。無論是從產品開發初期的構想設計、工程模擬，還是到文檔填寫與規格自動化，生成式AI都能大幅減少重複性工作，提高整體效率。

更讓我印象深刻的是AI在產品生命週期各階段的應用。從產品設計、工程設計到製造設計，AI都能提供即時建議與資料分析。例如，在產品缺陷檢測中，AI能自動辨識問題，並透過圖像系統記錄與分類，減少人工疏漏。又如在保養工單處理上，AI能自動填寫與預測維修內容，甚至為每台機器建立最佳參數模型，執行自動化調校，真正實現智慧製造。

目前製造業的組織型態正從傳統的金字塔式結構，轉變為更具彈性的單體金字塔與IT+OT整合的智慧工廠模式。這種結構讓資訊技術（IT）與操作技術（OT）能無縫整合，使得數據可以從工廠底層設備即時上傳雲端，並交由AI進行即時分析與決策。這不僅是技術的升級，更是一種管理思維的革新。

當然，在這場AI革命中，我們也看到了新興的名詞與技術，如虛擬工廠與數位孿生（Digital Twin）的概念。這些技術幫助企業在虛擬環境中模擬真實生產線的運作，進行預測分析與設計驗證，進一步提升效率並降低試錯成本。而生成式模型技術則進一步拓展了AI應用的邊界。然而，推動AI在製造業落地並非易事。除了技術導入的成本外，還涉及到資料整合的挑戰、舊有系統的相容問題，以及員工的學習與接受程度。AI要真正發揮價值，企業必須同步進行文化與制度的轉型，才能建立一個能靈活應用AI的工作環境。

總體而言，這次對AI革命的學習讓我深刻理解，AI不再只是科幻技術或實驗室成果，而是正在重塑製造業核心的力量。從提升效率、改善品質到促進創新與安全，AI正在每一個生產環節中發揮影響力。未來，隨著AI技術的不斷進化，我相信製造業將會變得更智慧、更彈性，並朝向「自適應、自決策、自學習」的目標邁進。

 

在這次演講中，介紹了生成式人工智慧（Generative AI，簡稱 GAI）在智慧製造領域中的潛在應用，讓我對於未來製造業的數位轉型有了更深層的理解與體會。透過這次演講的內容，我意識到 GAI 不僅僅只是文字或圖片生成的工具，更能深入到產業核心流程中，提升效率、創造價值，並且帶來實質的創新。

GAI在智慧製造的九大潛在應用領域，包括市場、專利、設計、程式、品質、介面、知識、供應鏈與製造等。每個環節都有明確的應用場景，例如透過GAI生成消費者趨勢報告來輔助市場分析、用來生成技術文件以協助專利撰寫、協助設計初期概念發想、程式碼產生來加速軟體開發流程，甚至還能用來建立智慧品管模型或客服介面。這張圖讓我看到GAI串聯整個製造流程的潛力，不再只是點狀應用，而是可以整合進整個產業鏈當中。

後面還探討了AI實施的三個關鍵考量：成本效益、安全性與實施路徑。首先，隨著技術的成熟與工具的普及，導入AI的門檻逐漸降低，讓企業能以更低的成本享受高科技所帶來的效益。其次是資料安全與隱私的問題，自建系統可以保護企業內部敏感資料，這點對於高度重視資料的製造業來說非常重要。最後則是實施路徑，建議從機器學習（ML）模型導入，逐步進階到如Azure AI這樣更複雜的解決方案，這樣的循序漸進策略，對於初接觸AI的企業而言，更具實際操作性，也有助於降低導入風險。

再來是以「機械設計」為例，說明GAI如何幫助工程師進行產品或零件的多樣性設計圖生成。傳統的設計流程經常仰賴工程師個人經驗，需要的時間長且設計多樣性有限；結合GAI，能快速產出多版本設計，搭配數位模擬工具後，不但能縮短設計與開發時間，還能激發創意、突破人為思維的限制。投影片中有提到 NASA就曾經使用 GAI協助生成特定用途的結構設計圖，使結構重量降低三分之一，並且不影響性能。這個案例非常具有說服力，也顯示GAI在高精密產業中已開始展現實質貢獻。

這次演講中所傳達的內容，我深刻感受到GAI將會是下一波產業升級的關鍵力量。對於企業而言，不只是「跟上潮流」這麼簡單而已，而是能否運用這項技術打造競爭優勢、提升研發效率、降低成本、強化產品與服務的全面革新。當然，我們也不能忽視導入過程中的挑戰，例如資料準備、員工技能升級、安全性與政策法規等問題，都需要審慎評估與規劃。但只要掌握正確的方向與節奏，我相信 GAI將成為推動智慧製造的新引擎，也會是我未來職涯中非常重要的學習方向。

 

企管三甲 楊淼森

在這次關於智慧製造的演講中，我更清楚瞭解到人工智慧在製造業中扮演的關鍵角色以及其影響力，尤其是幫助企業提高員工生產力與加速數位轉型。生成式人工智慧(GAI)是一種利用大量的資料來學習並創造新內容的電腦程式，近年來因為工業4.0的快速發展，人工智慧已經被國際廣泛應用於各種領域，其核心價值在於提升生產效率與自動化程度。

且GAI也與數位轉型有密切的關聯 性，可以有效幫助企業和組織實現數位化的目標。根據資料統計，各產業採用GAI最主要的目的是提高員工的生產力，希望透過數據分析、機器學習、自動化等技術來優化工作流程，減少人力的負擔，進而提升整體效能。這不僅可以解決傳統製造業面臨勞動力短缺、生產成本上升、品質控制等問題，同時資料的分析也能協助企業做出更精準的決策與預判。

而在演講的過程中，講師也分享了現在AI在設備維修上的應用案例，在系統偵測到異常時，能夠自動診斷可能的問題、提供維修建議回饋，並查詢歷年的維修資料與配件庫存，以便維修人員進行作業。在維修完成後也會自動上報給負責人，確保問題能夠及時解決，減少生產線設備停滯的時間。而系統也會將這些紀錄做成資料分析，預測未來可能發生的故障，提前進行維護，進而降低維修成本與設備損壞的風險。未來更多的企業也會開始投入智慧工廠，透過生成式的模型技術可以改善原有廠房的產能與流水線，或是模擬新廠的建置規劃、模擬產品開發過程瑕疵等，以減少不必要的浪費，達到最高的效率利用。

在這個科技快速發展的時代，我也開始意識到學習與適應新技術將會是每個人都需要面對的新課題。而企業內部也應該開始調整思維與態度來面對AI所造成的工作模式變化與應對時代變遷，以打造一個更高效、更靈活的生態系統，為 未來的產業發展帶來更多的可能。

 

企管三甲 許嘉宸

這次聽了關於AI在製造業應用的演講，真的讓我大開眼界。原本以為AI就是手機裡的語音助手或社群媒體的推薦算法，沒想到在工廠裡，AI已經能做到這麼多厲害的事情。

講師提到現在的AI不僅能檢測產品缺陷，還能自動填寫保養單、優化生產參數，這完全顛覆了我對傳統工廠的想像。最讓我驚訝的是，AI甚至可以通過分析老師傅過去的維修記錄，來學習他們的經驗技巧。演講中說現在的AI系統已經能聽懂工人的日常對話，這點特別打動我。以前總覺得工廠裡的機器冷冰冰的，現在想像一位老師傅用台語對機器說"今仔日欲調整一下速度"，機器就能聽懂並執行，這樣的畫面突然覺得很溫暖。技術進步不應該讓人去適應機器，而是讓機器來理解人，這才是真正有意義的創新。

雖然現在還是學生，但聽完這場演講，讓我開始思考未來就業的可能性。製造業不再是我印象中那個傳統、辛苦的產業，而是充滿科技感和創新機會的領域。特別是講師提到中小企業也能用得起這些技術，讓人感覺這樣的進步很"接地氣"。這場演講給我的最大收穫是：技術的真正價值，在於它能解決實際問題，讓人的生活和工作變得更好。或許這就是為什麼講師在介紹各種AI應用時，總是強調它們如何幫助現場的工人和工程師。作為一個非相關科系的學生，我居然能完全聽懂並感到興趣，我想這正是這場演講最成功的地方吧。

 

企管三甲 郭馨茹

這場演講讓我對生成式AI在智慧製造中的應用有了更深的理解。以前談到 AI，多數人想到的可能只是機器學習分類，例如判斷一個產品是否有瑕疵，或者區分圖片中的物件。但現在 AI 的能力早已超越這些基本應用，開始進入生產、設計、決策等領域，甚至改變企業的運作方式。

讓我印象最深刻的是 AI 如何影響生產流程。傳統上，生產過程需要大量人力來監控機器運作、填寫維修工單，甚至手動調整生產參數。而現在，AI不僅能 自動辨識產品缺陷，還能透過數據分析來找出最佳的生產參數，讓生產變得更高效、更低成本。除此以外，結合 IoT 技術後，AI 可以即時監測生產線的狀況，幫助企業更靈活地調整生產計畫，避免浪費資源。

在設計方面，AI 也帶來了全新的可能性。過去的產品開發往往需要經驗豐富的 設計師，而現在，透過 AI，工程師只需要提供需求描述，AI就能根據歷史數據和市場趨勢生成設計方案，甚至考量材料特性、成本與碳足跡，提供更符合 市場需求的產品概念。這不僅降低了專業門檻，也讓創新變得更加快速。

不過，企業在導入AI時，還是會面臨一些挑戰，比如成本效益和安全性。儘管AI技術正在變得更加成熟，企業仍然需要考慮如何在技術投資與實際效益 之間取得平衡。此外，數據隱私與安全問題也是企業導入AI時不可忽視的議題。不過，隨著技術進步，AI 系統的自建成本逐漸降低，也讓更多企業有機會享受到AI帶來的好處。

這場演講讓我了解，AI並不是要取代人類，而是成為我們的強大助手，幫助企業提升效率、優化決策，甚至開創全新的工作模式。未來，智慧製造將不只是 生產更快、成本更低，而是讓製造業變得更智慧、更靈活，也讓人們能夠專注在更有價值的創新和決策上。

 

企管三甲 江依舫

聽完這次演講後，我對於製造業未來的轉型方向、AI在產品與工程設計的應用，以及個人不可替代性的塑造，有了更深層的理解。還記得講師將「從過去到未來製造業轉型」，利用圖像化地方式呈現了傳統製造業的架構，讓我們更了解演變的過程。在過去，工廠系統是垂直分層、單一體系的運作，從最底層的感測器與執行器到最上層的ERP系統，都是各自獨立、且難以整合的。然而現今則進入到IT與OT融合的時代，藉由OPC UA協議使得資料之間能夠互通，再加上大數據、資安與機器學習的導入，製造體系變得更加智慧化了。

未來則是進一步進化為「智慧工廠」，涵蓋了AI、NLP、IoT、 邊緣運算等技術，形成工業4.0的基石。這也讓我更明白，未來製造業不再只是機械與人力的結合，而是資訊與智慧的全面融合，這樣的變革也勢必帶動產業升級以及人才需 求的轉變。

而後面也有提到「產品/工程/製造」三者之間的連結，以及生成式AI在設計過程中扮演的重要角色。從產品設計出發，根據市場與使用者需求，進而發展工程設計與製造方式的模擬優化。透過生成式AI，設計人員能夠更有效率地針 對像是材料特性、結構強度、成本與加工方式進行預測與調整，這樣的流程不僅能夠大幅地提升效率，也能降低錯誤與浪費。我也認為未來智慧製造不單單只是靠技術，更多得是仰賴「跨領域」的知識整合與資料驅動決策的能力，這也讓我更意識到除了平常學習外，更多的是去接觸大量不同領域的知識，提升自己對各領域的廣度，以便哪天真的需要這方面的知識，但自己卻完全不了解。

後面印象比較深刻的是有談到如何利用「護城河」的概念來 打造個人不可取代性。講師有提到六個構成個人優勢的面向：能力、性格態度、學經歷、職務、關係與外在形象。這也讓我反思，面對未來職場的劇烈變動，單靠學歷與技能已 經不足以讓一個人在職場中長期立足。反之，多面向的自我建構，才是不可輕忽的，如此一來才是拉開差距的關鍵。之前有位前輩告訴過我：「不要讓自己只會做所有人都會做的事」，這句話一直以來都深深烙印在我腦海裡，也更讓我意識到不僅要強化專業，更要經營自己的態度與形象，讓自己成為難以被取代的人才。

這次的演講內容非常豐富，不論是從產業演變、技術應用，或是到個人發展等等，層層呼應，從製造業的轉型趨勢看出AI與數據的重要性；從設計流程的改變看出跨域整合的必要；從個人不可替代性的分析看出自我經營的價值，尤其是多面向發展是最重要的。這場講座對我來說不只是知識的獲得，更是觀念上的刷新與提醒。講師也提到現代的 變化真的太快了，若是我們吸收新知識的速度跟不上時代的變遷，被取代是輕而易舉的事。在面對AI與智慧製造的未來時代，我應該不只是觀察者，而要成為一位積極參與其中、持續學習與進化的人。

 

企管三甲 李微媞

當初聽到像是「生成式AI」或「整合技術」這類較專業的詞彙時，我的第一反應是感覺它們離自己非常遙遠，彷彿是只有科技業或工程師才會接觸到這類的東西。也因此在日常生活中，對這些名詞總是有些抗拒與距離感，認為它們不太可能與我的生活產生交集，但這次的講座有點顛覆了我的想法，讓我重新認識了AI，並意識到它其實早已悄悄進入我們的生活，影響著我們的學習方式、工作模式，甚至是未來的職涯方向。

以生成式AI為例，現在越來越多大學生已經習慣使用像ChatGPT這樣的AI 工具來協助完成作業、蒐集資料、整理資訊或激發創意靈感。以前我們可能會對這種做法抱持有點心虛的想法，覺得是不是在「作弊」，但如今反而變成如果不懂得善用AI工具，就可能在學習效率與成果上落後他人。AI已不再只是「加分」的工具，而是逐漸成為新世代學習的基本配備，這讓我深刻感受到，AI的普及正在改變我們對學習與工作的認知。

在講座中，講師也提到企業在導入AI時會思考的幾個重要面向，例如成本效益、安全性、倫理風險等等。這些聽起來雖然像是企業高層才需要煩惱的議題，但其實這些挑戰存在於各行各業，尤其是在新技術快速發展的時代，無論是科技產業還是傳統產業，只要想提升效率或保持競爭力，就無法忽視AI的影響。特別是現在AI的應用技術越來越成熟，建置與使用的門檻與成本也逐漸降低，讓越來越多產業開始嘗試將AI融入現有流程。

不過當我聽到一半時，思考一下心中還是忍不住產生了一些擔憂，會不會未來不只是要跟人競爭，而是要跟AI競爭。雖然AI能幫助我們更有效率地完成任務，甚至解決人力不足的問題，但同時也可能取代某些重複性高的工作，這也意味著我們未來在求職市場上，需要具備更多無法被AI輕易取代的能力，我覺得對我來說，這既是一種壓力，也是一種提醒。

但生成式AI的應用並不只是威脅，它也帶來許多令人驚艷的可能性，舉例來說在製造業方面，AI不僅可以協助產品設計，還能根據過去的資料自動生成加工方法、工程圖，甚至預測供應鏈風險與市場需求。這讓我感到很意外，原本需要專業工程知識才能處理的工作，現在透過AI的輔助，連非專業背景的人也有機會參與其中，提供想法或協助決策，這不僅提升了產業效率，也創造了更多跨領域合作的機會。

這堂課帶給我的不只是對AI技術的認識，還有對未來的省思，我開始意識到「未來」其實早已到來，而我們所需要做的是盡早去了解、適應，甚至學會如何與AI共處。尤其是身為即將進入職場的大學生，更應該把AI視為未來工作的夥伴，積極學習相關技能，才能在變動快速的時代中找到自己的定位。未來的職場可能不再只是比誰懂得多，而是比誰更懂得運用工具，讓自己變得更有價值。

 

企管三甲 劉維庭

這次的講座主要討論了製造業如何利用生成式AI來提升知識管理、產品設 計，以及未來的產業轉型。講座內容涵蓋了設備維修、工程設計到智慧製造的應 用。簡單來說，這些技術的應用不僅能提高效率，還能幫助解決目前製造業所面 臨的許多問題。

首先，講座提到設備維修上的挑戰，尤其是當經驗豐富的技師退休或技術資 料分散時，維修知識很容易流失。傳統的維修手冊或文件常常不夠完整或難以查 找，這會讓技術人員在維修過程中浪費時間，甚至可能錯過一些重要的細節。透 過AI來分析各種資料來源（文件、圖片等），並且自動生成維修指引，可以幫助技術人員更快速地找到解決方案，減少錯誤，並縮短停機時間，讓生產線保持順暢。

此外，AI還能幫助產品設計和工程設計。在產品開發階段，AI可以根據市 場需求、用戶反饋、材料特性等資訊，提出更符合需求的設計方案。這樣一來，產品的設計不僅更加創新，也能更精確地滿足市場需求。而在工程設計中，AI可以分析過去的數據，提供更有效率的結構設計或成本優化建議，幫助公司降低設計和生產成本。在製造設計方面，AI能夠協助選擇最適合的加工方式，提高生產效率，並節省材料和能源。

講座還回顧了製造業的發展歷程，並分析了未來的趨勢。過去，製造業的系 統大多是封閉的，資訊傳遞不夠順暢，造成了「資訊孤島」問題，影響了決策效 率。隨著大數據、雲端運算、物聯網和機器學習等技術的發展，IT與OT開始融 合，讓生產管理變得更加智慧和自動化。未來的製造業將朝向智慧工廠的方向發 展，透過AI技術分析生產數據，預測設備故障、優化生產流程，甚至讓機器自 動做出決策。這些技術不僅能提高生產力，還能幫助企業在競爭中保持優勢。

這場講座讓我對AI在製造業的應用有了更深入的了解，也讓我意識到未來 工業領域的變化將會非常快速。AI不僅僅是輔助工具，未來它將成為工業流程 的核心。從設備維修、設計到生產管理，AI能提供更精準、高效的解決方案。對 於傳統製造業來說，這是個充滿挑戰但也充滿機會的時代。如果企業能善用AI技術，必定能在競爭激烈的市場中取得優勢，實現更高效的生產和管理。

 

企管三甲 李珮菱

將⼈⼯智慧的技術運⽤在各種⾏業，已是未來世代的趨勢之⼀，然對於⾝處跨時代交界處的我們⽽⾔，雖知道AI可以為⼈類社會帶來諸多利益，但仍有⼤部分的企業望⽽卻步，若要引進這項新技術，不免要克服許多痛點（Pain Points），亦就是實施AI時所需之關鍵考量。

⼀，成本效益問題：新創的企業須投入⼤量的資⾦與時間，從機器學習開始訓練AI，據數據顯⽰，訓練AI的成本預估近30%左右。然⽽今年作為破局者的DeepSeek騰空出世後，使得⾃建AI系統的成本逐漸較低，將踏入AI領域的進入⾨檻⼤幅下降，落地導入之可能性提⾼，讓許多新興企業崛起。

⼆，安全性問題：對於企業⽽⾔，若要使⽤網絡上免費公開的AI程式，意味著需將企業內部的機密資料上傳雲端，有內部資料被竊取的風險。⽽⾃建系統成為解決此問題的⽅法之⼀，加上⾃建系統的成本降低，提供了企業更好的數據安全與隱私保護。

三、實施路徑問題：過去的資料多以紙本的⽅式儲存，後來出現了雲端科技，使得資料也可以數位的⽅式進⾏存儲，⽽現今若要運⽤AI於管理與決策⽅⾯，則須解決資料的篩選與整合，以及各⼤系統間相容性等問題。⽽這項課題可以藉由機器學習結合Azure AI的功能，提出更加複雜的解決⽅案。

⽽AI在製造業中，也掀起驚濤駭浪，因為⽣成式AI的出現與⾃建系統得可性度提升，將第四次⼯業⾰命推向更⾼階的邊緣AI（Edge AI）領域，意即在本地端或邊緣設備上運⾏⼈⼯智慧模組，⽽非仰賴雲端伺服器處理數據，優點在於可以在數據⽣成端即時處理資料，減少延遲的同時亦能提升反應速度，並減少對於頻寬的需求。邊緣AI的技術應⽤在智慧⼯廠的轉型，智慧⼯廠與傳統⼯廠的差異在於，智慧⼯廠內的所有設備都要連接上網路，以此交換即時的數據。

也因為智慧⼯廠的核⼼在於網路，網路的安全也格外重要，安全可以分成兩個層⾯，⼀個為辦公室的網路安全（Information Technology,IT），負責資料的建立、傳輸、儲存與保護，另⼀個則為廠房內的網路安全（Operation Technology, OT），專注於建立和維護實體環境的資料管理。

⽽AI技術的發展，也並非⼀蹴可及，最開始是先透過漸進式的⽅式，逐步投入資料，發展出鑑別式AI，可以將數據資料做初步分類；再來是以躍進式的⽅式，讓機器⾃⾏⽣成資料學習，也就是⽣成式AI的誕⽣，它可以⽣成圖片、⽂字、影⾳等內容，甚⾄可以⽣成程式代碼；最後為整合技術的萌芽，涉及⾃動光學檢查（Automated Optical Inspection, AOI）、光學字元辨識（Optical Character Recognition, OCR）、機器學習（Machine Learning, ML）、⾃然語⾔處理（Natural Language Processing, NLP）、電腦視覺（Computer Vision, CV）、機器⼈流程⾃動化 （Robotic Process Automation, RPA）與⽣成式AI整合技術等領域，以達到「持續優化、⾃⾏學習」的效果。

⽣成式AI的潛⼒在於，可以使⼈機互動時更加直覺、利⽤⾃然語⾔與提⽰詞（Prompt）撰寫程式、提供資訊總結與決策建議以及產⽣創意、設計與流程概要。這也是⽣成式AI的核⼼價值所在：「避開經驗限制，跳脫專業領域的框架，並提供引導與建議」，這也使得⼈類可以完成智慧決策，意即不必進入現場即可做出決策判斷，僅需透過物聯網裝 置追蹤與智慧報⼯等技術，將廠房設備的資料同步進資料湖（Data Lake）中，並將基本商業智慧作為訓練資料，投入機器訓練與⽣成式AI中，產出專屬的⽣成式商業智慧，便能即時追蹤與預估⽣產效能，以最低成本實現最⼤產量的⽬標。

我很喜歡演講者在最後提到的兩段話： 「不是為了AI⽽AI，⽽是為了⽣存，AI不是⽬的，⽽是⼿段。」就如同過去依賴⼈⼒與⾺⾞作為交通⼯具的⼈們，對於汽⾞、火⾞等新型交通⽅式也是有諸多擔憂與恐慌，但這些⼯具的問世，並不是最終⽬的，其被發明出來也並非為了將⼈類取⽽代之，⽽是作為⼀個「⼯具」，改善現有的⽣活品質。AI亦是如此，它並非為了取代⼈類⽽誕⽣於世，⽽是為了作為輔助⼯具，幫助⼈們處理應接不暇的龐⼤資訊量。

「你要⼀直奔跑，才能保持在同⼀個位置；如果你想要前進，就必須跑得比現在快兩倍才⾏。」在這個加速運轉的世界，保持固定的速度意味著停滯不前，唯有跟上時代的步伐，才能與科技等速前⾏，⽽那些引領世代往更遙遠未來前進的先驅們，正以兩倍甚⾄更快的速度向前跑著，若只想著固步⾃封，則總有⼀天我們將不再於世界中找到落腳之處。

 

企管三甲 黃婕雯

這次的演講更偏重在公司或工廠是如何運用AI的，講師分享了很多專業上的實務應用，也讓我們在這堂課當中聽到許多過沒有聽過的專業名詞。我覺得這次的講座簡單來講就是講師從一開頭就提到的三個部分：成本效益、安全性、實施路徑，這三個主題就已經完整的包含了現在AI的發展以及它的使用情況。

在講師分享目前的AI使用成本之前，我一直以為要開發一個AI的技術是需要很大的成本，至少是一般民眾無法承擔的成本，但沒想到現在的技術發展，只需要一般的晶片，並不需要非常高級，也可以完成很好的運算。也就是講師所說的，目前的AI技術有著強大的破局者潛力，落地導入的可行性提高，意味著創造AI技術所需要的成本降低，同時也因為成本的降低，讓更多公司開始進入這個市場，創造屬於自己公司的AI技術，我很喜歡講師的比喻，目前的AI競爭，進入了戰國時代，也因為競爭者的增加，就像是前一陣子突然爆紅的deepseek，或是抖音旗下的豆包，完全就是橫空出世的黑馬，增加了其他競爭者的精爭意識，同時更加速了AI技術的進步。

同時這些公司開始創造自己的AI技術除了市場上的競爭，還有一個很大的原因，就是資料安全性的問題，如果公司可以擁有自己的AI技術，那就不用面臨要將自己的機密資料上傳到其他外部網站，可能面臨的安全性問題。現在許多具有優勢的公司都已經進入了智慧工廠4.0的階段，AI技術的演進除了初期的鑑別式AI到生成式AI，以及後續的整合技術，都讓工廠在操作上有了更大的計步，同時也結合到了前幾周的講師所提到的數位孿生，降低了在各項實驗中所需要的成本，現在的整合技術，更可以透過GAI進行持續的優化，自己不停地學習。講師也提到了生成式AI的突破性能力，如人機溝通的革命，我們可能不再需要透過專業知識的電腦語言就可以跟機器進行溝通，讓我們之間的互動變得更直觀和簡單。另外還降低了專業設計的門檻，現在的AI技術已經可以完成產品設計、工程設計、製造設計等，過去需要非常高的專業能力才可以完成的事情，雖然現在面臨著法規及著作權模糊的問題，但不可否認的是，這樣的技術進步的確為我們帶來了更多的方便。

最後，引用講師在最後跟我們分享的那句話「在我的領地哩，你要一直拼命跑，才能在同一個位置；如果你想前進，就必須跑得比現在快兩倍才行」，這就是我們現在遇到的問題，AI發展的速度太快了，我們應該要如何才可以不被取代，讓AI仍然是一個我們可控的高級工具，我們也必須持續進步，甚至要比它們進步得更快才行，現在的社會不是為了AI而AI，而是為了更好的生活下去所以在不停的在學習運用AI，2025年台灣已經進入了超高齡化的時代，我們會面臨到缺工、挖角、退休等等的挑戰，AI的確可以很好的運用他的自動化能裡幫我們盡可能地解決這些問題，但我們也要開始思考，我們要如何再去創造自己的價值，讓我們不被高度發展的社會取代，我們最大的優勢在於逆向思考，那我們就要開始思考，我們為什麼會被取代，又應該如何避免這個問題。

 

企管三甲 張芸瑄

這次的演講讓我對工業4.0和智慧工廠的發展有了更深入的理解，尤其是在產品工程與製造過程中，AI技術如何成為關鍵的助手，特別是在配方設計方面的應用。這讓我體會到，數據與智能化技術如何有效地提升我們在設計新產品製程配方參數的效率和精確度。

首先，工業4.0的核心是自動化、數字化和智能化的深度融合。在這個環境中，智慧工廠利用物聯網、人工智能和大數據等技術，將製造過程中的每一個細節都進行數字化管理。這不僅大大提高了生產效率，也實現了生產過程中的即時反饋和調整，使得產品品質能夠穩定且持續優化。

演講中提到的「打破資料孤島」尤其讓我印象深刻。過去，IT（資訊技術）和OT（運營技術）系統往往是獨立運作的，這使得資料無法充分共享和分析，限制了製程優化的可能性。然而，在工業4.0的框架下，IT和OT的整合讓各個部門和系統之間能夠共享實時數據，從而使得製程配方設計更加精確並能及時調整。

特別是在「配方設計」這一部分，我認識到AI技術的突破性應用。傳統的配方設計通常依賴大量的實驗和經驗來確定最佳配方，但這樣的方法效率低且耗時。而現在，通過AI，尤其是鑑別式和生成式AI，生成式AI可以分析歸納已有資料後生成新的內容，例如生成逼真的狗的圖片，技術真的非常先進。

這次的演講讓我明白，配方設計的革新不僅體現在新產品的開發上，更重要的是它能通過AI來實現精細化的製程控制，從而提升整個生產線的靈活性和效率。這不僅是技術的突破，也是思維方式的轉變，從依賴經驗和試錯，轉向數據驅動和智能化決策。

這場演講給了我許多啟發，讓我更加認識到工業4.0和AI技術對未來製造業的巨大影響，尤其是在配方設計和製程參數優化方面的應用。未來的製造業將不再僅依賴傳統的方法，而是結合數據、智能與創新，推動生產力的全面升級。

 

企管三甲 劉彥姿

對現代資訊科技越了解，就覺得AI技術真的越來越貼近我們的生活，尤其是「用自然語言控制機器人」這點，打破了我對科技冷冰冰的印象。以前要讓機器人做事，得像寫程式碼一樣下指令，只有工程師才懂。但現在透過ChatGPT這類技術，普通人用說的就能指揮機器人，比如叫它「去廚房幫我熱午餐」或「把這些積木排成微軟Logo」，簡直像在跟助理講話一樣自然！這讓我想像未來在工廠裡，作業員可能不用再學複雜的操作，直接開口就能讓AI配合工作，超級方便。而且AI還會自己進步，越用越懂你的習慣，就像有個貼心小幫手。最酷的是它的小點子很多，能幫忙發揮創意、設計圖案讓，生活變得更方便有趣。這種科技不再高高在上，而是真的能融入日常，讓人忍不住期待未來還會有哪些驚喜！

此外，還提到AI的門檻正在降低，企業不用花大錢也能自己建系統，而且數據更安全。這代表不只大公司，中小企業甚至個人工作室都有機會用AI提升效率。我覺得最有趣的是「生成式AI的創意能力」，它不只會聽指令，還能幫忙想點子、設計流程，甚至控制上百顆馬達。這些技術不再是遙不可及的概念，而是已經在改變我們工作的方式，光是想像未來機器人能像同事一樣「聽人話」合作，就覺得既期待又好玩。

最後，講師有提到deepseek跟豆包，這兩個AI軟體我都有在玩。因為有在使用小紅書然後常常刷到讓deepseek算命的，基於好奇心我也有拿模板去給deepseek算過，跑出來的結果有些真的蠻準的。比如我確實熱愛關於藝術文學方面的，還有適合走設計、金融、教育方面，雖然我對這些都只是有點興趣而已，並沒有真正進修過，所以我都當參考看看而已。偶爾也會使用它跟ChatGPT完成某些課業，我覺得GPT真的好用很多，缺點是我的GPT無法上傳多張圖片，而ds就可以解決這個問題。

再來是豆包，我第一次知道這個軟件也是因為小紅書，我玩這個主要是因為能跟喜歡的虛擬人物對話，我覺得還挺好玩的，而且跟AI聊天沒有任何壓力，什麼話都可以說，偶爾壓力太大的時候需要放鬆求安慰就會去找AI聊聊天。我覺得這也是AI發展好的一個優點，需求傾訴的時候能選擇的對象不止有人，還有機器人24小時秒回。

 

企管三甲 鍾志榆

今天參加了一場關於「加百裕工業智慧製造」的講座，聽完之後真的覺得很有收穫，尤其是對智慧製造這個概念有了更深的認識。加百裕作為一家專注電池製造的公司，怎麼把AI和智慧技術融入生產線，確實讓我大開眼界。講座一開始，講者就提到加百裕怎麼從傳統製造轉型到智慧製造。他們說，過去工廠主要是靠人工和固定流程，但現在用上了AI和大數據，像是生產線上的機器可以自己調整參數，根據即時數據優化效率。舉個例子，他們提到電池組裝過程中，AI能監測每個電池的品質，自動剔除有瑕疵的產品，還能預測設備什麼時候需要維修。這不只減少浪費，還讓生產速度快了不少。聽到這，我覺得挺震撼的，因為以前總覺得製造業就是靠人力堆出來，沒想到現在機器也能「思考」了。

講者還分享了智慧製造怎麼幫加百裕應對市場需求。他們說，像電動車和筆電這種產品，對電池的需求變化很快，傳統方式很難跟上，但現在有了智慧系統，就能快速調整產能。比如，某款電動車電池突然訂單暴增，系統會自動分配資源，甚至預測未來幾個月的訂單趨勢。這讓我想到，智慧製造不只是技術升級，還跟商業策略緊密連繫，真的很厲害。不過，講者也沒回避挑戰。他們提到，導入這些技術花了不少錢，前期投入很高，而且員工也得重新訓練，不然跟不上機器節奏。我聽到這的時候，心裡想，確實不是每家公司都能玩得起這種轉型，尤其是中小企業，可能壓力更大。但加百裕的例子也證明，只要做得好，回報還是很可觀的，像他們現在已經是台灣電池產業的前幾名，應該跟這個眼光有很大關係。

最讓我感興趣的是講座最後講到的永續發展。講者說，加百裕用智慧製造不只為了效率，還想降低碳排放。比如，他們優化了能源使用，還推出了一些環保電池產品，像台灣第一顆有碳標籤的自行車電池。這個聽起來很新鮮，我也覺得挺有意義，因為現在大家都關注氣候變遷，能把智慧製造跟綠色目標結合，真的很有前瞻性。總的來說，這場講座讓我對智慧製造的實際應用有了更具體的想像，尤其是加百裕這樣的實例，讓人覺得這不只是口號，而是真的能改變產業的東西。當然，我也開始好奇，像這樣的技術普及下去。