從自動化到自主化：AI 與機器人引領智慧製造新格局

前言

全球製造業正加速邁入智慧化的新階段：從十年前的「工業 4.0」強調自動化生產與數位化轉型，到今日「工業 5.0」以人為本的工業（Human-Centric Industry）核心思維崛起，製造業的重心正逐漸強調人機協作、綠色製造以及永續韌性，產業結構正出現大規模的質變與量變，AI 不再只是輔助設計的工具，而是推動製程自我優化與決策智能化的核心引擎；機器人也不再只是機械手臂或自動化設備，而是進化為具備感知、學習與判斷能力的行動夥伴。這場以「AI 賦能機器人」為軸心的變革，正重新定義全球產業升級的藍圖。

在這股浪潮中，臺灣具備獨特的優勢也同時必須積極應對許多挑戰。半導體與智慧機械產業構築了完整的製造生態系，使臺灣在全球供應鏈重組中仍保有關鍵地位。然而，國內中小企業普遍轉型速度偏慢，跨域 AI 與機電整合人才仍供不應求，導致推進實際運用智慧製造的速度受限。不僅企業策略需要轉型，政策方向也必須與國際趨勢同步，從「製造導向」邁向「智慧導向」。

臺灣政府已開始將 AI 與機器人視為驅動產業升級與經濟轉型的關鍵動能。政策布局涵蓋技術研發、示範基地建設，到產業鏈串聯逐步展開，並積極推動自主 AI 模型及應用測試，以促進 AI 技術的實際應用。政府同時整合產官學研資源，擴大地方場域與新創能量，培育 AI 與系統整合人才。臺灣的下一步，將不只是追趕工業 5.0 的潮流，而是以人為核心，打造兼具永續與競爭力的智慧機器人產業生態。

工業的世代轉折：全球製造業邁入智慧化躍升期

近幾年人工智慧（AI）技術的跳躍式突破，加速了機器人產業的發展軌跡，使得機器不再只是人類體能的助手，隨著 AI 的蓬勃發展，賦予機器衍生出各種靈活應用可能性，將過去僅能想像的場景逐步具體化實現；由 IFR world Robot 2025 數據顯示，全球工廠的機器人需求量在十年間增加了一倍，從 2014 年的 22.1 萬台成長到 2024 年的 52.4 萬台，而全球工業機器人運行中數量（Operational stock of industrial robots），在 2021 至 2022 年間成長率高達 11%，為近年最顯著的一波成長，2024 年仍維持 +9% 增幅，顯示自動化需求依舊強勁。現今全球製造業正迎來從自動化（Automation）邁入自主化（Autonomy）的新階段。早期自動化以機械與程式控制取代重複性勞動，著重於提升效率與降低成本，如今逐步邁入自主化階段，不僅能理解情境、分析資料並進行決策，具備即時感知與調整能力。使得製造業不再止步於提升效率與降低人力成本，而是整體生產模式出現根本性的轉變，AI 與機器的深度融合，使生產系統能夠即時感知環境、分析資料並自主決策且調整，這種轉變使機器從被動執行者，進化為能與人協作、持續學習與優化流程的智慧夥伴。製造業因此不再只是人力操作機械，而邁向人機協作、決策共創的新模式，為全球產業帶來結構性的升級動能關鍵力量。

邁向自主化：AI 驅動的認知升級，從感知 AI（Perception AI）到實體 AI（Physical AI）

人工智慧正沿著階段性的技術路徑演進：從感知環境的感知型 AI，到生成知識的生成式 AI，再進化到具自主判斷的代理式 AI，最終發展為能在真實世界行動的實體 AI。

1. 感知型 AI（Perception AI）

感知型 AI 被視為人工智慧發展的起點，也是機器人「理解世界」的起點。它的核心能力在於辨識與解析外部環境資訊，讓機器能「看得見、聽得懂、感受到」。這類 AI 系統通常整合多種感測器，例如光達（LiDAR）、RGBD 攝影機、微波雷達等，透過多模態資料融合，建立對現實環境的即時理解。

在這一階段中，機器視覺成為關鍵技術，使機器人不僅能「觀察」，還能針對環境做出反應與判斷。例如在智慧製造現場，AI 可先偵測並分析設備的故障狀態，或讓機械手臂藉由 3D 視覺進行精準導引與定位，精確夾取零件。這些應用顯示，感知型 AI 已從單純的感測功能，進化為連結數據與行動的核心橋樑。

2. 生成型 AI（Generative AI / GAI）

生成型 AI 代表人工智慧發展的第二階段，核心能力在於整合資料並生成具價值的內容。不同於早期僅能分析與判斷的 AI，生成型 AI 能主動產出文字、圖像、語音等內容，從商業文件、簡報稿，到詩歌與藝術創作，皆可自動生成。ChatGPT 等大型語言模型正是這類技術的代表。

在製造領域中，生成型 AI 的角色正快速擴大。它能協助機台進行感知與判斷，支援決策規劃與排程優化，讓智慧工廠邁向更高層次的自主化。更重要的是，它能打破數據孤島，整合並串聯不同工站的資料，提供對整體產線最有利的解決方案，讓過去 IoT 累積的龐大資料真正轉化為高價值，且具備即時分析與自主行動能力的 AIoT 系統；此外，生成型 AI 也為製造業帶來突破性的「知識傳承」。透過記錄「老師傅」的維修經驗與操作技巧，AI 能建立知識圖譜，彙整跨廠區智慧，協助新進人員快速學習與解決問題，大幅縮短經驗傳承的落差。

3. 代理式 AI（Agentic AI / Agents）

代理式 AI 象徵人工智慧邁向「自主行動與協作智能」的新階段。不同於僅執行單一任務的傳統模型，代理式 AI 能整合多個專用模型，串聯出具決策與執行能力的完整流程，讓 AI 不再只是工具，而是能主動規劃與行動的智慧代理。這類系統的核心在於「協同運作」，透過結合電腦視覺、生成式語言模型與預測分析等模組，代理式 AI 能自動處理跨領域、跨任務的需求。例如在智慧製造場景中，當設備出現異常，它能即時判斷問題、指派最合適的維修人員，並自動調整生產排程，確保出貨進度不受影響。在研發與知識管理領域，代理式 AI 也展現強大潛力，它能進行深度研究、自主搜尋資料、整合資訊並生成完整報告，提升研究效率，同時降低資訊碎片化與「AI 幻覺」帶來的風險，這使 AI 從被動回應者，正式邁向主動思考與執行任務。

4. 實體 AI（Physical AI）

實體 AI 代表人工智慧邁入「從思考到行動」的新紀元。這一階段象徵著 AI 不再只是虛擬世界的運算與推理工具，而是能夠透過具行動力的載具與機械系統，在真實環境中自主觀察、理解並執行任務。實體 AI 的關鍵在於智慧運算與機電系統的融合。當演算法與機械結構深度整合後，便形成能「感知 - 決策 - 行動」的智慧體，應用範圍從自駕車、無人機、工業機器人，到自主移動平台（AMR, Autonomous Mobile Robot）、自動化手臂與智慧農耕設備。感測器與攝影機則扮演「感官」角色，為整個系統提供環境理解的基礎。

推動實體 AI 的技術正快速演進，VLA（Vision-Language-Action）模型讓機器能模仿人類「觀察 - 理解 - 行動」的思維過程，而 NVIDIA 的世界基礎模型（World Foundation Model）讓機器人能以資料驅動方式學習物理世界的規律與互動，再加上數位雙生（Digital Twin）的導入，AI 可在虛擬環境中預演行為、測試策略並即時回饋至實體系統，大幅降低研發風險與成本。這些技術的融合，正讓 AI 從純語言模型（LM）進化為能在真實世界中自主決策與執行的「實體智能」。

DOI:10.30256/JIM.202601_(514).0004