文章详情

资策会产业情报研究所（MIC）针对《台湾电子信息制造业导入 AI 发展》进行抽样调查，台湾电子信息制造业（简称制造业 ）有 28% 已实践 AI 、规划中占 46%。整体而言，大型企业 AI 布建发展进度较中小型企业超前，然而中小型企业已急起直追，投入 AI 预算在 2024-2026 年 CAGR 达 26％，反映出导入 AI 的积极主动性。观测次产业 AI 化程度，发展较成熟产业有 PCB、光电材料及组件业；发展较慢的次产业为其他电子零组件、电脑及其周边设备业。产业分析师张家辅分析，业者导入 AI 最大的期望是改善绩效、降低成本，反映出台湾制造业最关注良率、产能、产品上市时间、成本等 KPI，将 AI 视为改善指针的协助工具。

据此，资策会 MIC 调查制造业业者导入AI协助工具后，对成效的满意程度。业者导入后最有感的改善项目有三项：增加营收、减缓缺工压力、降低成本，然而尚有许多改善指针，业者仍在观察其成效，而取得较低满意度的项目为「提升问题的可预见性」。产业分析师张家辅分析，会导致 AI 预测成效不符预期的因素主要有二，除了外界政经局势频繁变化、市场供需不稳、黑天鹅等因素皆会对预测准确性产生影响，也与企业本身是否做好数据基本功高度相关。

分析已实践 AI 的制造业业者，资策会 MIC 表示，就企业部门来看，AI 发展进程最快者为非制造单位的 IT 部门，实践 AI 比例高达六成，反映出企业普遍以 IT 部门做为转型推动角色；进程第二快的是制造单位的「制造生产、产品质检」部门。从导入 AI 应用排名来看，品检应用最热门，前三名即有两项与品检相关；前十名有半数与制造生产相关。综览前十名 AI 应用，依序为「瑕疵检测、瑕疵图片标记、生产流程改进、产品开发报告、瑕疵根因分析、生产调度规划、检测设计缺陷、工安事故分析、制成参数优化、生产问题肇因分析」。进一步分析制造部门在未来规划发展的AI应用，「制造生产」部门对 AI 的潜在需求最大，其次为「产品研发」及「产品质检」，预期此三部门将逐步扩大与其他部门的智能化程度差异。

资策会 MIC 指出，已导入 AI 的制造业业者有加大投资的趋势，2024 年已导入者平均每家投入 209 万元新台币，预估 2025 年平均投入达 236 万元、2026 年达 261 万元，2024-2026 年 CAGR 为 11.5%。产业分析师张家辅分析，约四成已导入 AI 业者仍在逐年加大投资力道，预估 2025 年有 46％ 增加预算、2026 年 39% 增加预算，而其他未扩大投资的业者并非削减 AI 预算，多数选择维持投入，在在显示整体制造业 AI 投资持续提升。进一步关注投入资源占比，2025 年硬件（46％）为最大宗，其次为软件（42％），服务（12%）占比最低，其中硬件为台湾自动化业者的强项，将有机会带来商机。

在技术投资上，资策会 MIC 指出，鉴别式 AI 为制造业采用主流，综览企业部门，2025 年鉴别式 AI（73％）为 AI 预算投入的主流技术，生成式 AI 仅占 27%，预估 2026 年生成式 AI 投入占比将达到 29%；聚焦制造业制造单位 AI 应用现况，可发现采用鉴别式 AI 的企业家数为生成式 AI 的 1.6 倍。产业分析师张家辅分析，2025-2026 年业者预算规划仍以鉴别式 AI 为主，然而生成式 AI 成长潜力值得期待，现行导入较多的应用仅「产品开发报告生成」，建议方案商持续发展应用，抢占新兴技术商机。虽然业者在生成式 AI 应用的满意度低于鉴别式 AI、应用也较局限于研发环节，然而预期随着 AI Agent 与人机协作发展，未来生成式 AI 将能导入在更多的制造单位与生产环节。

关注制造业在 AI 发展的挑战，资策会 MIC 点出数据仍最为关键。已实践 AI 业者，有高达八成面临数据挑战，尤其大型企业因组织架构大、生产作业复杂度更高，数据问题比中小型企业棘手，特别是在缺乏数据、难理解数据之间的关联等方面；而尚在规划导入 AI 的业者，虽最大痛点为成本高与效益难以评估，数据面挑战、数字化程度不足也是关键因素。产业分析师张家辅表示，数据准备度需实际运行才知道可用性，数据太少造成模型性能不佳，或数据太多未能有效治理，都会导致无法充分发挥AI的能力。对企业而言，较符合成本效益的做法是「以终为始」去准备数据，须先确认 AI 要导入的应用情境，再去了解要搜集的数据类型，进而补齐现行准备状况与实际要求的缺口，并留意在数据品质、数据量与数据治理的完备度。