人工智慧
臺灣製造業 28% 已應用 AI！最希望改善績效、降低成本
台灣電子資訊製造業積極導入 AI，大型企業領先，但中小企業急起直追，預算年複合成長率達 26%。PCB、光電材料元件業發展較成熟。業者期望 AI 改善績效、降低成本，提升營收、減緩缺工、降低成本成效顯著，但預測性應用仍待加強。IT 部門推動轉型，品檢為熱門應用。數據挑戰仍是關鍵，尤其大型企業更甚。
資策會產業情報研究所（MIC）針對《臺灣電子資訊製造業導入 AI 發展》進行抽樣調查，臺灣電子資訊製造業（簡稱製造業）有 28% 已實踐 AI、規劃中占 46%。整體而言，大型企業 AI 布建發展進度較中小型企業超前，然而中小型企業已急起直追，投入 AI 預算在 2024-2026 年 CAGR 達 26％，反映出導入 AI 的積極主動性。觀測次產業 AI 化程度，發展較成熟產業有 PCB、光電材料及元件業；發展較慢的次產業為其他電子零組件、電腦及其週邊設備業。產業分析師張家輔分析，業者導入 AI 最大的期望是改善績效、降低成本，反映出臺灣製造業最關注良率、產能、產品上市時間、成本等 KPI，將 AI 視為改善指標的協助工具。
據此，資策會 MIC 調查製造業業者導入AI協助工具後，對成效的滿意程度。業者導入後最有感的改善項目有三項：增加營收、減緩缺工壓力、降低成本，然而尚有許多改善指標，業者仍在觀察其成效，而取得較低滿意度的項目為「提升問題的可預見性」。產業分析師張家輔分析，會導致 AI 預測成效不符預期的因素主要有二，除了外界政經局勢頻繁變化、市場供需不穩、黑天鵝等因素皆會對預測準確性產生影響，也與企業本身是否做好數據基本功高度相關。
分析已實踐 AI 的製造業業者，資策會 MIC 表示，就企業部門來看，AI 發展進程最快者為非製造單位的 IT 部門，實踐 AI 比例高達六成，反映出企業普遍以 IT 部門做為轉型推動角色；進程第二快的是製造單位的「製造生產、產品質檢」部門。從導入 AI 應用排名來看，品檢應用最熱門，前三名即有兩項與品檢相關；前十名有半數與製造生產相關。綜覽前十名 AI 應用，依序為「瑕疵檢測、瑕疵圖片標記、生產流程改進、產品開發報告、瑕疵根因分析、生產排程規劃、檢測設計缺陷、工安事故分析、製成參數最佳化、生產問題肇因分析」。進一步分析製造部門在未來規劃發展的AI應用，「製造生產」部門對 AI 的潛在需求最大，其次為「產品研發」及「產品質檢」，預期此三部門將逐步擴大與其他部門的智慧化程度差異。
資策會 MIC 指出，已導入 AI 的製造業業者有加大投資的趨勢，2024 年已導入者平均每家投入 209 萬元新台幣，預估 2025 年平均投入達 236 萬元、2026 年達 261 萬元，2024-2026 年 CAGR 為 11.5%。產業分析師張家輔分析，約四成已導入 AI 業者仍在逐年加大投資力道，預估 2025 年有 46％ 增加預算、2026 年 39% 增加預算，而其他未擴大投資的業者並非削減 AI 預算，多數選擇維持投入，在在顯示整體製造業 AI 投資持續提升。進一步關注投入資源占比，2025 年硬體（46％）為最大宗，其次為軟體（42％），服務（12%）占比最低，其中硬體為臺灣自動化業者的強項，將有機會帶來商機。
在技術投資上，資策會 MIC 指出，鑑別式 AI 為製造業採用主流，綜覽企業部門，2025 年鑑別式 AI（73％）為 AI 預算投入的主流技術，生成式 AI 僅占 27%，預估 2026 年生成式 AI 投入占比將達到 29%；聚焦製造業製造單位 AI 應用現況，可發現採用鑑別式 AI 的企業家數為生成式 AI 的 1.6 倍。產業分析師張家輔分析，2025-2026 年業者預算規劃仍以鑑別式 AI 為主，然而生成式 AI 成長潛力值得期待，現行導入較多的應用僅「產品開發報告生成」，建議方案商持續發展應用，搶占新興技術商機。雖然業者在生成式 AI 應用的滿意度低於鑑別式 AI、應用也較侷限於研發環節，然而預期隨著 AI Agent 與人機協作發展，未來生成式 AI 將能導入在更多的製造單位與生產環節。
關注製造業在 AI 發展的挑戰，資策會 MIC 點出數據仍最為關鍵。已實踐 AI 業者，有高達八成面臨數據挑戰，尤其大型企業因組織架構大、生產作業複雜度更高，數據問題比中小型企業棘手，特別是在缺乏數據、難理解數據之間的關聯等方面；而尚在規劃導入 AI 的業者，雖最大痛點為成本高與效益難以評估，數據面挑戰、數位化程度不足也是關鍵因素。產業分析師張家輔表示，數據準備度需實際執行才知道可用性，數據太少造成模型效能不佳，或數據太多未能有效治理，都會導致無法充分發揮AI的能力。對企業而言，較符合成本效益的做法是「以終為始」去準備資料，須先確認 AI 要導入的應用情境，再去了解要蒐集的資料類型，進而補齊現行準備狀況與實際要求的缺口，並留意在數據品質、數據量與數據治理的完備度。
＊調查說明：
- AI 發展成熟度由低至高，分別為無需求 (Lv0)、規劃中 (Lv1)、實驗階段(Lv2)、導入階段 (Lv3)、擴散階段 (Lv4)，其中「已實踐 AI」涵蓋 Lv2-Lv4 三個階段
- 調查時間於 2024 年 11 月，有效樣本數 316 份，調查對象為製造業的 C-Level、生產技術部、開發工程部或資訊部的主要人員
責任編輯：Ｍia
核稿編輯：Sherlock
加入 INSIDE 會員，獨享 INSIDE 科技趨勢電子報，點擊立刻成為會員。
延伸閱讀：
最新發展：
