{{ 'fb_in_app_browser_popup.desc' | translate }} {{ 'fb_in_app_browser_popup.copy_link' | translate }}
{{ 'in_app_browser_popup.desc' | translate }}
{{ childProduct.title_translations | translateModel }}
{{ getChildVariationShorthand(childProduct.child_variation) }}
{{ getSelectedItemDetail(selectedChildProduct, item).childProductName }} x {{ selectedChildProduct.quantity || 1 }}
{{ getSelectedItemDetail(selectedChildProduct, item).childVariationName }}
關鍵字搶先看 👀
#工業AI#機器人#ChatGPT#輝達
《數位時代》從2024年2月起,從月刊改為雙月刊,雖然出刊頻率減半,但會增加更多深度報導,頁數、內容都更為豐富,並和影音專題同步製作。
雙月刊出刊月份為雙數月(2月/4月/6月/8月/10月/12月)
消費滿300元即享免運優惠,未滿300元需付60元運費 on order
Not enough stock. Your item was not added to your cart.
Not enough stock. Please adjust your quantity.
{{'products.quick_cart.out_of_number_hint'| translate}}
{{'product.preorder_limit.hint'| translate}}
Limit -1 per order.
{{'products.quick_cart.quantity_of_stock_hint'| translate : {message: quantityOfStock} }}
製造業是台灣出口主力,當AI進駐工廠,會帶來什麼樣的新風貌和新商機?老師傅經驗傳承的方式有可能變成虛擬教練嗎?或者以後不再有「工人」這個職業?台灣製造業正走向全世界,而AI正在走進我們的製造業。
從晶片戰爭,到海外的人力管理、成本考量,都成為推動工業AI化的各種誘因。提升工廠的良率和效率,就是提升競爭力。比起純軟體、大語言模型,與製造業高度相關的工業AI,正是推動台灣產業升級的好機會。
▋編輯台時間
19世紀末和20世紀初的2場工業大戰,奠定其後100多年迄今的標準和競爭格局,大幅加快產業發展,如今新的轉折點又來臨。
1880至1890年代的電流大戰,由愛迪生(Thomas Edison)發明的直流電,率先點亮紐約街頭路燈開始,引領世界進入電力時代;特斯拉(Nikola Tesla)發明的交流電後來居上,克服直流電長途運送困難的技術限制,實現大範圍供電走入千家萬戶。
1910年到1930年代,風頭轉到美國汽車業,幾百家車廠廝殺到由2家公司主導。福特(Henry Ford)創辦的福特汽車,推動生產現場革命,以流水線裝配和集中單一款式的Model T做法,將汽車從奢侈品變成一般民眾負擔得起;通用汽車領軍者史隆(Alfred Sloan)則改變辦公室管理,企業熟悉的產銷人發財部門分工做法,雛形就來自於此。
到了AI時代,電力的使用大戶是資料中心,電力傳輸的重點,從以往發電廠經高壓電送到變電站,再降壓送到終端用戶,發展到資料中心的機櫃和機櫃之間、機櫃裡的伺服器和伺服器之間,及伺服器主機板上的晶片和晶片之間,距離愈縮愈小,直流電的優勢明顯,開啟新一波以晶片為主的供電大戰。
生產線和辦公室管理,也從福特和通用當年的對戰中跳脫出來,持續創新演化,各自從手工作業走向自動化和智慧化;不管是人用電腦產生的IT資料,或機台設備運作過程產生的OT資料,目標始終是朝向更有效地蒐集、分析、應對和預測,以釋放更多生產力。
近4年來的生成式AI熱潮,從使用者個人的生產力工具到部門工作流,影響範圍主要在辦公室(包含咖啡店和客廳等行動辦公室)。
這股降本增效風正從辦公室吹進生產現場,震起這一波的工業AI(Industrial AI)潮。副總編輯趙郁竹和主編傅莞淇共同企畫、記者郭采樺和資深研編陳建鈞協力製作的這期封面故事《一次搞懂工業AI》,從「預測性維護」、「視覺品檢」、「製程良率優化」、「數位雙生」、「具身智慧」和「工業平台」等6個面向出發,描繪正在進行的變化。
工業AI涉及實體AI、邊緣運算、虛實整合等複雜領域,但核心仍在資料。以往散落且格式不統一的OT資料,甚至很多是沒有紀錄或未經結構化的,也需要經過整理和清洗;許多老舊的工作步驟和流程,也需要花時間開會討論,重新梳理調整。
還有一塊是過去存在老師傅身上的工夫,憑多年經驗累積的隱型知識,要能轉為可傳授學習的顯性知識,並由參數和程式轉為系統知識,難度不亞於導入AI。
多數專家預估,通用人工智慧(AGI)有望在2030年前實現。那麼工業AI是否也有類似的時間表與里程碑?這期多數受訪者都表達樂觀態度,雖然還沒有一個「通用工業智慧在哪一年實現」的預估出現,但一如百年前的2場工業大戰,日後主導產業走勢的玩家們,此刻都在賽道上全力衝刺。