領袖觀點｜西門子專訪-以自動化、AI與數位雙生引領低碳製造新時代

全球製造業正處於深刻轉型的關鍵時刻。疫情後的供應鏈震盪、能源價格波動、碳中和政策帶來的壓力，以及人才短缺與市場需求快速變化，讓傳統依靠低成本與硬體優勢的競爭方式逐漸失效。產業當前的核心課題，是在效率、彈性與永續之間找到新的平衡，並以數位化的方式提升決策品質與執行速度。西門子強調，這不只是一輪技術升級，而是組織結構、流程治理與人才能力的全面調整；企業必須讓現場數據可被蒐集、標準化並可驗證，才能形成跨部門的共同語言。於是，將虛擬與實體緊密結合、把工程規範與經驗知識建立為可重複使用的資產，就成了推進轉型的起點。

自動化、數位雙生、工業級人工智慧（以下簡稱AI）與工業自動化協同系統（ Industrial Copilot） ，以及以低碳為導向的製造策略，逐步形成轉型所需的基礎能力。這些能力的共同目標，是讓設計、製造與維運在同一套可驗證、可迭代的架構中運作，並確保每次變更都有跡可循、可回溯、可再現。對臺灣而言，工具機與電子產業長期占據全球供應鏈關鍵位置，若能以此為路線圖加速內部數據治理與流程標準化，將能在更短時間內把研發、導入與量產串成一條可持續優化的閉環。因此特別邀請西門子 黃欣心（ Christine Herbst-Kubitz）總經理來分享。

從自動化與數位雙生的深化應用，到生成式 AI 與 Industrial Copilot的落地，再到平台與生態系的整合，以及低碳製造的技術路徑，逐一說明產業如何在挑戰與機會並存的局勢中，建立面向未來的競爭力，如圖１。

自動化與數位雙生：西門子在工控領域的布局

西門子長期以來深耕工業自動化與控制，重點在於將先進IT 技術與OT 現場無縫整合，打造將現實與虛擬世界同步的數位雙生，讓虛擬環境不只是模擬，而能回饋實體決策。近年發展的數位雙生，正是這項連結的核心：在產品與產線尚未落地之前，先以可重現、可驗證的方式完成設計與流程驗證；正式投入生產後，再以現場數據持續更新虛擬模型，讓調校與優化得以常態化。這種方法把「設計—驗證—導入—優化」成連續循環，縮短試錯成本與時間。而工業級 AI 的導入，必須符合安全與合規要求。與一般應用不同，工業現場一旦出錯，代價是停線與損失，因此「可靠性」與「可驗證性」是前提。要讓 AI 真正落地，企業需要完整的內部資料與清楚的知識管理，包含程式規範、命名準則、模組化邏輯與協作流程；否則，即便 AI 能生成程式片段，也難以直接納入既有系統。西門子指出，唯有把這些規則訂定為可讀、可訓練的資產，AI 的輸出才能與現場標準一致。就工具機加工而言，數位雙生能提前揭露刀具、路徑與參數設定的風險，縮短試產時間；而當 AI 與控制系統結合，參數優化與狀態預測得以加速迭代，從單機最佳化進一步擴展到整線與整廠的系統最佳化。

生成式 AI 與工控設備的融合

生成式 AI 的迅速發展，帶動工控設備的人機互動方式轉變。西門子表示，把自然語言介面導入操作流程，能讓使用者以對話方式表達意圖，再由系統轉譯成合規的控制指令；這降低了學習門檻，也縮短了新手上手的時間，並在高變動環境中提高回應速度。為避免自由輸入造成不一致，企業需將內部流程、命名規範與安全邏輯轉化為可套用的模板與權限設定，讓 AI 的生成在既定範圍之內執行。這並非取代工程專業，而是把繁瑣的指令與制式化作業交由 AI 協助，讓人員把心力放在關鍵判斷上。當產線需要快速切換或微調時，透過人員語言操控的操作流程，既能維持一致性，也能避免因臨時修改而造成的隱性風險。這種「指令—規範—執行」的鏈結，讓現場能在確保一致與安全的前提下調整；同時，操作步驟與流程將被記錄保存，為後續追蹤與改善提供依據。西門子表示，成功的要點在於把企業既有知識與最佳實務系統化，讓 AI 能在熟悉規則的情境中穩定工作。

從生成式 AI 邁向 Industrial Copilot

生成式 AI 若要在工業現場發揮效益，必須從「單向生成」走向「協同工作」。基於此，西門子發布了 「工業自動化協同系統-Industrial Copilot」（ 以下簡稱Copilot）， 當工程師撰寫PLC 程式或進行調試時，Copilot 能即時生成程式片段、提出優化建議，並對潛在錯誤提出警示；在版本調整與參數比對上，也能依既定規範提示差異與影響點，降低改版風險，如圖2。

西門子強調， Copilot 的定位是「人機協作」，不是「取代人」。人類負責需求定義、流程設計與風險判斷；Copilot 透過模式辨識與知識串接，加速實作、減少重工，讓開發與維護流程更穩定。此協作也要求可追蹤、可回溯，確保每次建議與變更有據可查。部署上，考量企業對資料主權與隱私的要求，必須同時支援雲端與地端，讓企業能在安全前提下導入 AI 協同，並把內部規範與程式資產納入可信賴的生成環境。西門子表示，當工程平台與 Copilot 形成一個完整循環後，工作進度節奏與品質可同時受控，持續交付將變得更可預期。

數位雙生與虛擬工廠的應用價值

要讓 AI 的結果可信、可應用，安全的測試與模擬環境不可或缺。西門子表示，數位雙生能在不中斷生產的情況下，預先驗證流程與參數，評估不同排程與配置對產能與品質的影響；等到部署到現場時，風險與不確定性已大幅降低。這使得試產與切換能更快完成，同時把異常收斂在模擬階段處理。

數位雙生並非只存在於導入前期。在量產階段，它藉由持續回饋現場數據，反映設備狀態與流程變化，協助進行預測性維護與效能優化，讓虛擬模型與實體運作保持同步。當虛擬模型與實體運作一致度提高，便能更精準地評估「若採取某種改善，對良率與流程的影響為何」。西門子強調，這樣的虛實迴路，讓企業不必等到「出問題再修」，而是以數據為基礎「先知先行」。當數位雙生與 AI、控制器與工程平台形成閉環，企業就能把改善流程拉到更細、更快，從而把創新變成日常。

平台與生態系的整合發展

在推動數位化過程中，平台的角色至關重要。他們以 TIA Portal（自動化工程平台）為例，這不僅是程式開發工具，更是一個整合工程流程的平台。透過這個平台，客戶能將程式標準化、模組化，並進而與Copilot 結合，讓自動化流程更加完整。

在西門子的分享中，還提到 Workflow Canvas（模組化工業場景）的案例，展示如何讓平台自動連接 Chat GPT，並根據決策指令控制機器人完成任務。這顯示平台不只是工具，而是可以讓 AI的成果真正落實到現場的橋樑。

此外，西門子強調，他們的策略是建立開放的生態系統。平台的價值在於讓客戶與合作夥伴能共同參與，提供創新想法並快速落實。這種方式讓不同規模、不同產業的企業，都能在平台上找到適合的解決方案，並推動整體產業升級。

低碳製造與永續轉型的技術路徑

隨著全球碳中和政策與關稅制度的推進，製造業在追求效率的同時，也必須面對永續與減碳的挑戰。永續已經不再是企業的選項，而是參與國際市場的前提條件。西門子的數位化工具與工業級 AI，可以幫助企業在設計階段就把能源效率與碳排放納入考量。例如在虛擬模擬中，先預測生產過程的能源使用情況，並優化製程以降低不必要的消耗。當產品進入營運階段，數位雙生能透過即時數據回饋，協助企業監測碳排放與能源利用效率，讓管理者能及早調整，避免浪費。

西門子也特別提到，在臺灣市場，許多企業對於內部資料隱私有高度要求，因此在推動數位化與低碳轉型時，平台與系統必須能夠兼顧雲端與在地端的靈活部署。只有在符合安全需求的情況下，企業才會願意導入新技術。

西門子強調，低碳製造不只是政策壓力的回應，更是提升競爭力的契機。能率先達成永續目標的企業，將更容易獲得國際市場的認可與信任。

未來契機：在挑戰中尋找成長動能

製造業正站在轉型臨界點，外部環境的不確定性與永續規範的加嚴，同步重塑競爭條件。要在變局中維持韌性與速度，關鍵在於讓虛擬世界與實體世界形成可驗證的閉環：以數位雙生將設計、試產與量產串接起來，讓每一次變更都有依據；以工業級 AI 在符合規範與安全的前提下參與決策，以數據為依據帶動真正實際應用。西門子強調，AI 的角色不是取代人，而是與人協作；人掌握情境與判斷，AI 提供模式辨識與即時建議，兩者結合，能把開發與維運的進度拉得更穩、更快。

若要讓人機協同真正奏效，企業必須先把規範與知識變成可訓練、可重複使用的資產。從程式命名、模組結構到變更流程，都需要被清楚定義在工程平台中，Copilot 才能在同一套規則下協助生成、比對與校正。數位雙生提供無風險的測試場地，讓模型先被驗證、參數先被校正，再導入現場；進入量產後，現場數據回饋虛擬模型，持續支援預測維護與效率優化。至於永續與低碳，已非選項而是門檻；只有把能源效率與排碳考量前移到設計與排程階段，並以即時監測與調整機制內建在控制邏輯中，企業才能以可持續的方式提升競爭力。西門子表示，臺灣在工具機與電子領域具備深厚優勢，若能加速數位化與永續部署，並在雲端與在地端之間採取彈性架構以符合法規與資安要求，將可在全球供應鏈中持續領先。西門子表示，未來將與工研院攜手合作並持續協助產業，從技術導入、平台共建到人才培育，協助把成功經驗轉化為日常SOP，讓製造業在挑戰中凝聚新動能，為下一個十年奠定穩固基礎，如圖3。