AISO 一體機整合方案 加速 Agentic AI 落地
文/昕力資訊
昕力資訊於 6 月 23 日協同資策會、群聯電子與智聯服務舉辦《製造業 AI 落地攻略:打造企業專屬 AI 架構》研討會,聚焦製造業地端 AI 部署策略,實現合規治理與創新應用,為有意導入 Agentic AI 應用的組織提供可行的落地路徑。
企業積極擴大 Agentic AI 佈局,台灣製造業仍在 AI 轉型上面臨卡關,昕力資訊總經理葉怡蘭指出,並非業者對 AI 認知不足或不想導入,而是資料長期被困在設備端,加上工作流程尚未全面數位化,關鍵數據仍未 AI-Ready,導致 AI 應用無法深入日常營運,數據缺口直接限制 AI 的落地深度,也決定企業能否跨越 PoC 階段,邁向規模化落地,創造可量化的 AI ROI。隨著 AI 技術快速演進,成本與資安議題相繼浮上檯面,葉總經理表示,主權 AI 的核心在於模型在地化與算力自主化,由此實現可信任、安全可控的代理式應用,滿足日益嚴格的監管需求。
隨著 AI Agent 從內容生成走向任務規劃、工具調用與跨系統執行,其行動自主性與系統連動性持續提升,也使錯誤不可預測性、權限濫用與資安風險同步擴大。資策會產研所軟體產業研究中心朱師右組長表示,AI 風險已不再只是模型輸出錯誤,而是延伸至資料存取、身分權限、流程控管、第三方工具、供應鏈依賴與資安治理等層面;若企業未能及早建立完整治理機制,AI 將可能成為企業重要的系統性風險來源之一。朱組長進一步指出,缺乏完善AI治理框架,模型、資料、人員、工具與流程之間容易形成風險連鎖反應,進而提高 AI 進入生產環境與規模化落地的難度。企業唯有建立可控、可信、可解釋、可監控、可稽核的治理基礎,才能讓 AI 從局部試點走向安全、穩定且具長期價值的企業級應用。
此外,全球 AI 競爭正從模型能力競賽,逐步邁向算力與推論經濟階段。朱組長也指出,AI賽道上的決勝關鍵,正從單一模型表現,轉向使用量、流量入口、開發者生態、推論效率與算力變現能力的綜合競爭;Token 處理量也將成為觀察 AI 使用規模、平台滲透率與推論經濟化程度的重要指標之一,但仍須搭配可靠性、成本、治理、資安與商業價值等面向,才能完整評估AI產業成熟度。
針對製造業 AI 導入困境,資策會 AI 院智慧應用基盤中心蔡德祿主任以實際輔導經驗提出建議,在既有的數位基礎上導入 AI 應用,可望降低技術與資源門檻,亦有助提升製造業 AI 普及率。據他觀察,製造業導入 Agentic AI 仍卡關,成因來自系統、知識與信任三大斷層,資料相當分散也尚未結構化,導致數據孤島,並且 AI 帶來的資安疑慮仍待解決,使其無法在稽核與品管單位擴大應用。在實務案例上,蔡主任以 Agentic Manufacturing System(AMS)架構提出三種核心 Agents:Connection Agent(打破資訊孤島)、Knowledge Agent(萃取領域知識)與 Trust Agent(確保安全合規),成功協助企業開發出七種應用場域的 Agent,並將持續複製到電子、半導體、紡織等產業。
群聯電子 AI 事業開發部蔡宗勲協理指出,據推估,導入 AI 成本與缺工損失在第 9 個月出現黃金交叉——缺工累計損失將超越 AI 投入成本。換言之,時間越往後,AI 越能弭平缺工造成的損失,這對缺工比例居全國之冠的製造業來說,AI 可以是解決勞動力瓶頸的解方;例如,基於群聯 aiDAPTIV 方案,導入智慧圖紙報價,能協助業務與工程人員快速判讀圖面、估算成本並縮短報價週期;導入智慧品管報告產生,則可自動彙整檢測數據、生成異常分析與改善建議,降低高度仰賴人工作業所造成的時間耗損與判讀落差,讓 AI 更具體回應製造現場的人力缺口與效率挑戰。透過打造地端算力中心,掌握自有算力,AI 能協助製造業真正降本增效。群聯電子 aiDAPTIV+ 技術可輕鬆部署在終端邊緣裝置(如:Notebook、Workstation)擴充記憶體容量,以更低的成本、更少的運算資源與更低的功耗進行推論,回應速度提升數倍以上,突破既有算力限制,大幅降低延遲,同時確保資料留在地端,符合隱私並實現資料主權。
AI 運算需求激增,資料主權與治理挑戰隨之浮現,昕力資訊高級售前規劃賴欣怡總監表示,企業亟需全面性的治理框架,以應對算力成本與合規壓力。透過昕力開發的企業級 Agentic AI 平台「OrientAI」,模型運算與資料處理全程不離廠,實現 100% 物理隔離,結合角色權限管理(RBAC)與 Token 控管機制,防止機敏資料外洩與 Token 用量失控,確保安全、可控的 Agentic 應用。AI 時代下的競爭優勢,將取決於 AI 投資成效可否被實質衡量。可觀測性與成本透明化提供了算力優化的真實依據,揭露 AI 運算的總持有成本(TCO),而非只讓企業看到 GPU 採購單價。














