隨著消費端走向客制自主消費、制造端面臨缺工問題日甚，促使制造業(yè)須具備能適應快速多變且多元環(huán)境的能力，制造系統(tǒng)變得較過往而言更加復雜。而拜新技術成熟發(fā)展所賜，制造業(yè)現(xiàn)今可藉由部署先進的感測技術并結合AI算法、引入機器人等科技，進而提高信息可視化及系統(tǒng)可控性，進一步推升工業(yè)4.0智能制造的發(fā)展。

根據(jù)集邦咨詢旗下拓墣產業(yè)研究院預估，2022年全球智能制造的市場規(guī)模將會逼近3700億美元，年復合成長率達10.7%。

奠基于虛實整合的基礎，智能制造在應用端相當多元，從規(guī)模較大的智慧工廠、智慧供應鏈、現(xiàn)場災害回復，乃至自動物流車、簡易型機器手臂等皆是使用案例。

綜合觀察2019年產業(yè)動態(tài)與德國漢諾威工業(yè)展(Hannover Messe)等指標性活動，現(xiàn)行智能制造以協(xié)作機器人(Cobot)、數(shù)位雙胞胎(Digital Twin)、預測性維護(PdM)、無人機、制造執(zhí)行系統(tǒng)(MES)、AI應用等為發(fā)展焦點，Universal Robots、Siemens、STMicroelectronics、Xilinx、GE等廠商亦持續(xù)推陳出新強化布局。

Edge AI降低運算資源，成為預測性維護重要基礎 鑒于智能制造帶出的龐大數(shù)據(jù)量將排山倒海涌向企業(yè)，延遲性與頻寬成本已讓制造業(yè)從云端技術逐漸轉向邊緣運算。而數(shù)據(jù)海量化、分析精準化以及硬件高效化等三大驅動力也使AI從云端往終端設備邁進，推升邊緣結合AI的趨勢。 Edge邊緣運算處理是具地緣關系的AI運算，透過于靠近數(shù)據(jù)產生源處進行收集處理，并結合參數(shù)學習等AI技術讓設備能做到缺陷實時偵測、使用狀況預判等用途，讓機器不需時時聯(lián)網(wǎng)、減少運算資源，仍能具備部分決策力與實時反應力，成為預測性維護的重要基礎，同時亦可強化工業(yè)機器人的實時協(xié)作。而將資料留在當?shù)厝〈貍髟贫?，也更能滿足制造業(yè)提升數(shù)據(jù)資安與隱私的需求。

芯片是臺廠切入Edge AI最佳著力點，中小企業(yè)靈活彈性成競爭優(yōu)勢 智能制造與Edge AI的連結為制造業(yè)帶來實時決策、降低成本、營運可靠及提高安全等優(yōu)勢，也使精密機械蛻變?yōu)槊逼鋵嵉闹腔巯到y(tǒng)?，F(xiàn)行從芯片大廠NVIDIA、Intel、Qualcomm、NXP，乃至云端龍頭AWS、Google、Microsoft等皆積極投入該領域。臺廠若要切入Edge AI的市場，考量產業(yè)優(yōu)勢及政府資源挹注，芯片仍是最好發(fā)揮的著力點，并成為串連上下游廠商的發(fā)動機。 從自動化到智動化，拓墣產業(yè)研究院指出，工業(yè)4.0的浪潮持續(xù)推動企業(yè)數(shù)位轉型，物聯(lián)網(wǎng)、大數(shù)據(jù)、機器人等技術也成為打造智能制造的重要節(jié)點。 然而，不論是工業(yè)物聯(lián)網(wǎng)布建、智能制造的導入、抑或智慧工廠的建置，由于耗時較長且所費不貲，對企業(yè)而言皆非一蹴可幾，在布署及執(zhí)行過程中可透過工業(yè)物聯(lián)網(wǎng)聯(lián)盟(IIC)等組織提出的工具來評估自身的成熟度，進而調整步調與方向，如根據(jù)基礎設施的完成度來選擇被動性維護、預防性維護、以及預測性維護的采用。 此外，由于許多非數(shù)位原生的傳統(tǒng)制造業(yè)是透過數(shù)位工具導入及異業(yè)整合等方式實施智能制造，故若企業(yè)擁有可跨域整合、更敏捷靈活因應生態(tài)系等優(yōu)勢，將較易切入大廠供應鏈或與其合作。***中小企業(yè)具備充足的產業(yè)知識及適應彈性，當數(shù)字化時代挖掘出更多顧客痛點時，大廠不愿做且小廠做不來的市場便能讓其挾競爭優(yōu)勢一展身手。