文／鄭宜芬
工業 AI（Industrial AI）被視為下一波 AI 革命浪潮，推進全球製造業 AI 驅動轉型升級，讓產業以更快的速度邁向智慧化，實現少量多樣的生產模式，提升營運效率和生產品質。當前突破的關鍵是如何加速 AI 導入工業應用，達到轉型升級、競爭力。為此，四零四科技（Moxa）針對 AI 應用在產業成功落地，點破三大關鍵：統合數據基礎、梳整複雜流量模式和佈建高適應性網路與資安，凸顯網路通訊對 AI 驅動的智慧製造升級至關重要。
工業 AI 的實踐是讓 AI 應用在製造業、能源管理、物流等產業，以優化製程和最終達到高度自主作業。由於工業 AI 高度依賴從場域中的感測器、機器、網路全面收集具場域脈絡的鉅量數據，經過即時分析後發揮解決產業特定目標的問題，網路通訊因此成為 AI 取得數據的關鍵。同時，大量數據的即時傳輸則需要高速、低延遲、符合各種嚴格可靠度和資安要求的網路。
Moxa 泛亞暨台灣區總經理林世偉表示：「當工業 AI 在製造場域中越發普及，網路不再只是連接機器、設備的管道，而是 AI 執行效率和成效的即時控管機制。隨著 AI 應用在智慧製造升級需求劇增等趨勢下，我們可預見網路通訊掌控了 AI 應用在場域落地的成功關鍵，從統合更大範圍、更細緻的數據收集、到梳整複雜流量模式，以至佈建高適應性且具備資安管理功能的網路架構。這涵蓋到公司的 OT 和 IT 網路的整體骨幹網路前瞻性部署。隨著 AI 導入程度越深可靈活擴充的強韌網路，才能讓 AI 發揮的成效可持續並一路進階。」
產業的 AI 轉型是不斷演進的過程，而網路通訊基礎設施的「升級能力」是支持整個轉型的基石，在不同階段都能回應 AI 技術應用需求的速度，並釋放資料價值與發揮創新潛力。迎接 AI 驅動轉型的持續需求，三大關鍵考量助攻工業 AI 應用落地。
關鍵 1：統合數據基礎
確保 AI 應用在製造場域發揮最佳效率，生產現場數據的收集必須涵蓋各種系統感知層、網路層和應用層，而且要考慮範圍更廣、更細緻參數的相關數據，最終才能跟各種先進的IIoT設備和 AI 應用順利整合，以達到即時決策，並提供未來應用的擴充能力。
關鍵 2：支援複雜的流量模式
為了執行製造場域中的 AI 即時分析，需要多種流量模式並行，同時兼顧即時性、運算力需求與資料安全性。例如，邊緣運算能高效地處理需要快速控制與即時反應的分析處理，並能顧及敏感數據的存取；基於 AI 模型訓練環境建置所需資料屬性和成本考量，數據的即時分析與 AI 推論均可選在雲端或邊緣執行。
關鍵 3：高適應性網路與資安佈建
AI 在產業的應用增加了多樣性網路佈建的需求，有線與無線網路的佈建規劃以實現更佳的即時監控、追蹤和協調調度，因應導入 AI 應用的深度提升整個生產現場的連結力、生產效率、可視度和可複製性。另外，因應不同製造業所用的製程，簡化和加快資料的傳輸，且要讓 AI 在邊緣運算、數位分身等先進應用發揮最大效果，需要納入新世代的工業傳輸技術（例如：時效性網、單對乙太網路、乙太網路 APL 等）支援。
針對 AI 應用的網路佈建必須具備與網路一體考量的資安機制。例如：如何透過 IEC 62443 資安標準的證認機制來實現元件級到系統級，以至供應鏈的資安管理。在此同時，於大量即時數據在設備和系統之間傳輸的考量，網路佈建也應配備更多傳統 IT 資安技術導入 OT 網路，以及如何為關鍵系統進行網路區隔以因應資安事件發生時快速有效保護生產設備及其運作。
AI 的持續發展凸顯了網路的重要性，網路與通訊是賦能 AI 執行效率和成效的關鍵，更能即時傳送大量數據讓 AI 做到即時異常狀況偵測、預測性維護、流程自主作業和提升生產效率和品質，讓產業發揮數據和工業化 AI 的效益，應對各種市場挑戰和迎向更多新契機。
