工業技術研究院資深專家吳志毅於論壇中指出，人工智慧正從內容生成邁向具備任務執行力的代理式系統，並逐步延伸至結合感測與控制的實體領域。面對客戶對良率、交期與能耗的嚴苛要求，台灣製造業轉型的核心將在於能否將現場經驗轉化為可傳承的數位資產。
從代理式到實體 AI：製造業四軸轉型策略
在產業升級的論壇專題中，專家分析人工智慧的發展軌跡已出現顯著轉變。從早期著重文字與圖像創作的生成式技術，逐步演進為能主動拆解任務並執行的代理式架構，如今更進一步結合實體硬體的控制與感知能力。面對這項趨勢，製造企業的發展關鍵已從單純追求軟體演算法的強大，轉向算力取得速度、實體基礎設施建設，以及供應鏈的整體彈性。
為了在競爭中建立長期優勢，業者必須透過「知識資產化、流程標準化、能力產品化、價值規模化」四大方向推進。將過往隱含在經驗豐富的高級技師腦海中的專業知識與操作細節，轉變為組織內部可被調閱、分析與決策的系統化檔案，才能重塑商業模式與運作流程。
克服落地挑戰與產官學資源挹注
儘管自動化與智慧化為產業帶來龐大潛力，但許多企業在實際推動時，常面臨轉型策略模糊、數據未善加整理、缺乏治理機制以及專業人才短缺等四大瓶頸。同時，下游買家對於產品良率提升、交貨時程縮短及降低運作能耗的需求日益迫切，使供應商承受極大的升級壓力。
為協助產業突破障礙，政府部門已成立專責輔導機制，結合數十個次產業團體與公協會資源，提供技術診斷、人才培訓、財務支援及綠能轉型等協助，宣示目標於2027年前協助約14.19萬家企業導入數位與智慧技術。在實際應用方面，研發機構亦展現成果，例如透過 AI 智慧動態配方系統處理全循環回收廢料的品質波動，成功克服原料不穩定的難題，並在大幅降低近九成碳排放的同時加速新材料驗證。
產業意義
這波由經驗數位化與實體技術帶動的變革，對台灣製造業與零組件供應鏈具有深遠影響。長期以來，許多中小型加工廠與精密機械業者高度依賴資深師傅的個人經驗，面對少子化與高齡化衝擊，經驗斷層一直是營運隱憂。將場域專業知識轉換為可複製的數位系統，能讓企業打破人才斷層的限制，將技術資產留在組織內部。
此外，實體領域的推動帶動了對高速運算、電源散熱、光通訊及先進封裝等硬體零組件的龐大需求。台灣擁有完整的半導體與精密機械供應鏈，若能將軟體決策與硬體製造深度結合，不僅能提升本土工廠的生產效率，更能鞏固台灣在全球高階製造供應鏈中的核心關鍵地位。
技術解析
要理解這波升級趨勢，關鍵在於認識「代理式人工智慧（Agentic AI）」與「實體人工智慧（Physical AI）」在工廠環境中的運作邏輯。
「代理式人工智慧」是指具備自主推理與執行能力的軟體系統。傳統自動化系統只能依照預設程式運作，而代理式系統則能理解高階指令，自行拆解工作步驟、調用資料庫或自動化軟體工具，並在發現異常時調整執行策略。例如在生產排程中，系統能自動協調設備維護與訂單優先順序。
「實體人工智慧」則是將這類智慧決策與實體硬體進行深度結合。透過整合影像感測器（如機器視覺）、壓力感測元件與馬達控制器，系統能讓協作機器人或自主移動機器人（AMR）即時理解物理環境。例如在面對表面形狀不一或材質波動的工件時，實體系統能透過感測反饋，動態調整機械手臂的抓取力道或加工路徑，實現高度彈性化的智慧生產。
常見問題
何謂「實體 AI」（Physical AI）？它與一般 AI 有何不同？
一般 AI 多停留在文字或圖像軟體運算，而實體 AI 則結合感測器與控制硬體，讓機器人或自動化設備能即時感知物理世界並進行彈性操作。
製造業推動「Knowhow AI 化」的主要好處為何？
能將資深技師的隱性經驗轉換為系統化數據，避免人才流失造成技術斷層，並可加速新進人員培訓與提升生產良率。
企業在導入智慧轉型時最常遇到哪些挑戰？
主要包含營運策略不明確、內部資料未妥善整備、數據治理機制缺乏，以及具備跨領域專業的轉型人才不足。