MoneyDJ新聞 2025-03-11 13:33:37 記者 新聞中心 報導
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。MIC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，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，分別是增加營收、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」。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，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。
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，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%。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，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。
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，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。
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。
