制造业的AI革命

企管二甲 范姜郁雯

现代的AI技术十分强大，连手机也能执行AI的应用，让人们随时随地都能使用。而DeepSeek生成式AI也正改变著制造业的发展。生成式AI可以进行自然语言程式设计、决策辅助、创新设计等，原本要请专业人士的工作，现在生成式AI就可以给予我们创意和设计的灵感，足以减少许多人力上的成本，它提供给我们的建议也可以推动制造业的进步与各种安排。

在智慧制造上，GAI提供了很多自动化的功能。品质管理方面，产品缺陷和瑕疵可以自动辨识及影像生成。供应链管理方面，机器手臂控制、保养工单自动填写、最佳参数自动建立。产品与工程设计方面，辅助与构想可行性分析、多样性设计图、数位模拟。这些自动化的功能突破了人类思维和经验的限制，AI数据马上帮助人类算出并且监控各种流程，人们不再需要时时刻刻都自己完成，有了AI在制造业，或许按了一个执行按钮或输入指令，就能有标准化的作业流程去生产与制造，这对未来制造业智慧化的推展十分有帮助，以后的制造业型态或许会成为AI多于人类的情景，让流程变得更加快速，并且出错率也能大幅降低，对于制造业可说是转型的新契机。

生成式AI有许多具体的应用。材料设计方面，有生物合成绿色循环纺织染料。配方设计方面，若制造业要发明新产品，AI也可以提供制程建议和流程优化，要如何做AI都可以用数据帮人类算出来、模拟出来，规划好整个一连串的流程，人们就不必花很久的时间去思考与实验等等，省去不少研发上的成本。生产规划与管制方面，人们可以将预计达到的目标告诉AI，而AI就会自动帮我们挑选出最适合的生产方式和决策，达到企业要的最低成本与最大产量目标。这些都是以往制造业无法达到的，靠著AI强大的力量可以突破许多限制，有些人类难以办到或是需耗费许多心力及资源的事情，交给AI马上就能达成，减轻了制造业的负担，甚至连人类都不需到场，可以远端监控，所以AI是现代智慧制造业不可或缺的技术之一。

在制造业的实例上，AI也扮演著很重要的角色。丰田运用GAI协助设计最佳化的低风阻车型，以往研发一种新的车型就需要构想、实验等繁杂的流程，万一没成功又要重新来过，一来一往就耗费很多时间和成本，不过AI却可以提供较为准确的数据和建议，让人们不必在流程上四处碰壁，也提升了制造业的效率及生产力。IKEA也将过去的家具型录做成资料，用AI生成复古风的家具，原本需要反反复复搜集资料并分析数据，再发挥创意结合设计的工作，交给AI自动去生成，它提供的创意点子也不会比人类差，帮助突破人类需要不断思考与创新的思维，立刻就能汇整资料并提供建议，十分迅速且便利。

研华AI设备维修助手可以帮助查询库存、分析资料和自动发信给负责人，以及从机器维修履历到为什么故障、该如何维修等，这些一连串制造业可能会遇到的各种问题，设备该怎么处理、找人负责，马上就能有自动处理的流程，AI都帮我们规划和处理好了，而且有一套完整的作业流程，大部分情况下人们不必太担心。原本需要人力去检查和回报的工作，AI都可以自动帮我们处理好，这也是为什么制造业正在转型的原因，有了AI在制造业，人们不再需要像以往那么辛苦的每个步骤都需要自己做，AI可以帮助我们达成想做的事，甚至能够超越我们的能力范围，在短暂的时间内达成我们难以达到甚至无法达到的任务，跳脱了人们的想像与限制。

虽然AI可以提供人们各种自动化和标准化的流程，甚至能够设计想要的产品型态，但仍需人类的 double check会比较确实和完备，因为有时生成式AI给予的建议不一定完全符合人类的实际需求，它提供的是建议，所以人类在执行AI应用前，要先检视它所执行的目标、过程、结果是否是自己想要的，避免完全仰赖AI生成而不检查，才能达到以AI辅助制造业的便利性及提升效率、生产力和 竞争力的目标。未来的制造业型态应该是会持续朝AI化迈进，我对于这种型态抱持乐观其成的态度， 因为AI能够让整个制造业不论在流程或成本上得到相当大的帮助与进步，也期许AI时代下的制造业能够透过智慧型态突破更多人类目前的限制。

企管三甲  陈永峰

张健顺经理首先介绍了加百裕工业的背景，说明其在精密金属加工与智慧制造领域的发展历程。随后，他详细阐述了智慧制造的核心概念，即利用物联网（IoT）、人工智慧（AI）、大数据分析和云端运算等技术，来提升生产效率、降低成本并改善品质。演讲中，他分享了智慧制造上的实际应用，包括：

1.制造生产AI应用：(1)产品缺陷自动辨识：透过AI技术，机器能够即时检测生产过程中的缺陷，提高品质控制的精准度。(2)GAI取代传统AOI（2023年为此应用元年）：以生成式AI（GAI）取代传统自动光学检测（AOI），进一步提升检测效率与准确性。(3)保养工单自动填写：结合周边装置和纸本分析，从简化到合理化再到完全自动化，减少人为错误并提升维护效率。(4)最佳参数自动建立（AutoML）：透过历史数据分析，找出最佳生产参数，优化制程。(5)生产规划与管制：透过IoT装置追踪生产效能，达到最低成本与最高产量的平衡。

2.VUCA时代的产业变革：VUCA（易变、不确定、复杂和模糊）已成为企业必须面对的现实，而技术发展的速度更是加剧了这种变革。例如：方便面（速食面）行业受到外卖平台（如美团）的影响而衰退。传统扒手因为行动支付的普及而失业。大润发创办人黄明瑞曾表示，他们在中国零售市场击败所有竞争对手，却输给了电商时代，最终被阿里巴巴收购。

3.个人不可替代性的打造：在快速变迁的时代，个人应该思考如何建立自身的“护城河”，确保职场竞争力。张经理解释，一个值得花时间投入的职位，应该具备以下三个条件：薪水高、进入门槛高、工作好找。

4.AI与医疗变革：AI技术的进步不仅影响制造业，医疗行业也正经历“DeepSeek时刻”。例如：医疗设备IoT与大数据分析的结合，提升医疗诊断的精确度。DeepSeek AI诊断：北京大学第一医院、上海第六人民医院等医疗机构已开始应用DeepSeek技术，许多医生诊断前也会先参考AI建议。

个人心得与收获

这场演讲让我对智慧制造的发展有了更清晰的认识。过去，我对智慧制造的理解可能仅停留在自动化生产层面，但透过这次演讲，我了解到智慧制造不仅是机械自动化，更重要的是如何利用数据驱动决策，提升整体生产效能。特别令我印象深刻的是，加百裕工业如何运用数据分析来优化生产流程。这让我意识到，未来的制造业竞争不再仅仅是设备的比拼，而是谁能更有效地管理与应用数据。这与当前全球工业4.0的发展趋势相呼应，也显示出数据驱动决策的重要性。

此外，演讲中提到的智慧供应链管理，让我体会到企业如何利用科技来应对市场变化，提高生产与供应链的灵活性。这对于现代企业来说，无疑是一项关键能力，特别是在全球市场竞争激烈的环境下，能够精准预测需求、有效配置资源的企业，将更具竞争优势。

未来应用与思考

这场演讲也让我开始思考，未来智慧制造技术如何影响我的学习与职涯发展。作为一名学生，我认为我们应该培养数据分析能力与数位工具应用的技能，以适应未来的智慧制造环境。例如，学习Python或其他数据处理工具，熟悉机器学习技术，这些都将有助于我们在未来的职场中更具竞争力。同时，我也认为智慧制造的发展将改变许多传统的职场角色。例如，过去纯粹依靠经验的生产管理方式，将逐渐被数据驱动的决策模式取代。因此，未来的从业者不仅需要了解制造技术，还需要具备数据分析、AI应用等跨领域的知识。

结论

总结来说，这场关于加百裕工业智慧制造的专题演讲，让我对智慧制造的发展方向有了更深刻的理解。透过实际案例，我看到数据与AI技术如何真正落地应用，为企业带来实质性的效益。同时，我也意识到未来制造业对数据应用与智慧管理的需求将持续增加，这促使我们在学习与职涯发展上，应该更多地关注数据分析与数位技能的培养。这场演讲不仅让我收获丰富的知识，也激发了我对智慧制造领域的兴趣。未来，我将持续关注相关技术的发展，并思考如何将这些新知识应用于自己的学习与职涯规划中。

 

企管三甲 李沂臻

这场讲座让我对AI在各个领域中在机械设计、材料研发以及制造生产上的实际应用有了更深入的了解。以前总觉得AI这种高科技技术距离我们很遥远，但听完讲座后，我发现AI已经不只是个未来趋势，而是实实在在影响各行各业，甚至在许多地方已经开始 发挥关键作用。

讲座一开始谈到了AI实施的几个关键考量，比如说成本效益、安全性，以及如何选择合适的实施路径。以前可能只有大企业能够负担AI技术的导入，但现在随著AI开发成本的降低，越来越多企业有机会利用AI来提升效率、降低成本。特别是自建AI系统不仅 能提供更好的数据安全性，还能让企业根据自身需求调整模型，这点让我觉得很有道理。其中一个让我印象最深刻的应用是AI在机械设计上的辅助作用。讲座提到 GAI可以根据过往设计图和设计理论，自动生成多样化的产品设计图，再透过数位模拟确认结果。让我知道这不仅能大幅缩短开发时间，也能帮助设计师突破自身的思维限制，创造出新的设计概念。

我觉得这是一个很实用的AI应用，因为传统的机械设计往往需要大量的经验累积，而AI可以帮助新手设计师快速生成灵感，还有发现一些人类不容易想到的设计方案。另外，讲座也提到可以训练特定领域的AI助手，例如利用LLM来汇整技术文件、提供设计建议或流程导引，这对于需要大量专业知识的行业来说，应该会是一大助力。

另一个让我觉得很新奇的应用是AI在材料设计上的角色。讲师有提到透过生物合成技术，我们可以利用基因改造和代谢控制，来生产更环保的纺织染料，减少对传统化学合成的依赖。我没有想过AI竟然能够帮助生产材料，尤其是在可持续发展这方面。现在越来越多企业关注环保议题，如果AI能够帮助找到更环保的制造方式，那绝对是未来的一大趋势。

 再来，讲座还提到AI可以用来优化产品制程配方。透过累积的大量数据，AI可以分析出哪些配方最有可能成功，然后提供建议清单，再由专业人员做最后的微调。我认为这样的做法能够减少试错成本，也能帮助企业更快找到最佳配方，提升产品品质。

讲座最后谈到了AI在制造业中的应用，包括产品缺陷辨识、保养工单自动填写、最佳参数建立，以及生产规划与管制。特别是产品缺陷的辨识，AI已经开始取代传统的AOI， 这让我觉得非常有未来感。因为以往这些工作需要大量人力，而现在AI可以透过影像 辨识技术来自动侦测缺陷，这不仅提高了检测的速度，也降低了人为误判的可能性。生产规划与管制这部分也让我觉得很有潜力，因为透过物联网装置，企业可以即时追踪生产效能，并让AI来计算出最低成本、最高产量的组合。这样的智能管理系统，不仅能提高生产效率，还能让企业在竞争激烈的市场中更有优势。

这场讲座让我对AI在不同行业的应用有了更全面的理解。AI不只是停留在理论阶段，而是已经实际应用在机械设计、材料开发、制造生产等领域，并且展现了惊人的潜力。这让我开始思考，在未来的职场中，我们该如何与AI共存？或许，最好的方式不是把AI当作竞争对手，而是把它当作一个强大的辅助工具，帮助我们更有效率地完成工作。这次让我知道以AI来说，无论在哪个行业，学习如何运用AI来提升自己的工作能力，将会是一个不可忽视的趋势。

 

企管三甲 卓采萱

今天听了一位在IT领域经验超过25年，现今在加百裕工业股份有限公司资讯处任职经理职位的张健顺经理来与我们分享他们公司的智慧制造运作，告诉我们AI运用在企业之中的关键点，像是成本效益，只要AI越来越普及，系统运营成本下降就更能减少企业去使用的负担；再来是安全性，若系统要能进入企业，他也有必要为公司的数据提供更完善的安全与隐私保护，避免各个资与公司机密外泄；最后是实施路径，AI技术从概念到落地执行的过程，企业需要考虑如何落实AI方案，如是否要自建AI模型，或使用Azure AI等云端AI服务，去评估最适合该企业、该部门的技术、工具与平台，并确保AI系统能够成功部署并发挥效益。

后面讲者进入到AI运用在产品、工程、制造领域能有何种帮助，虽然大部分内容因为有太多专有名词加上我们没有实际学习过工厂中的整个制造流程，所以有很大部分我都没有听得很懂，但我有尽量去理解一些概念，像是在工程设计上，AI可以从过往的经验与资料库加上使用者的需求结合图像去生成设计图，再加上模拟软体达成最佳化效能、寿命、成本与碳足迹设计，这项运用很明显能为企业的环保与永续概念、社会责任加分，减少碳足迹是现代人越来越关注的议题，如果AI在生产制造的运用可以在未来几年内落地并普及到大大小小的企业当中，那么对于减碳这件事肯定能有明显效益，再来是生产制造AI能分析历史数据去给出最佳的生产规划组合，这同时能帮助公司实现最低成本与最高产量，帮助企业赚取更高的利润，在我的理解下，AI在制造业的导入不仅能受惠社会大众也能对其企业本身带来利益，这是相得益彰啊！

另外，讲者在分享途中有不断提醒生成式AI幻觉的问题，这的确是我们日常在运用AI时就很常见的错误，像是在计算较复杂的数学题、请他给出方案的解决方法，有时候会出现显而易见的错误，完全不知道他从何得来这项解法，因此我们也要去纠正他的错误，不能完全信任于AI给出的所有应答，这同时也是在训练我们自身，在帮助这项工具更完善的同时，也是在协助自己在运用工具时不会被带著跑，能更有自己的判别意识，这样人类也才不会早早就被AI取代，这是全民都该去学习的事情。

企管三甲 萧羽辰

今天的演讲让我对“智慧制造”有更深入的理解，尤其是AI如何改变制造业。从工业4.0智慧工厂到边缘AI（Edge AI）与生成式AI（GAI），AI技术的发展正在加速制造业的智慧化转型。然而，在导入AI时，企业必须考量成本效益、安全性及实施路径，确保技术能真正提升生产力，而不是徒增成本 或风险。AI 的目的不是取代人力，而是提高员工生产力，让员工能够专注于高价值的工作。例如，以往工厂内部的机器设定需要专业工程师撰写程式码，现在透过 GAI，员工可以直接用自然语言输入指令来操作设备，大幅降低技术门槛，提升效率。同时，AI还能帮助企业预测机器故障、优化生产排程，甚至进行品质 检测，让工厂运作更加流畅。

在AI技术的演进上，从传统的鉴别式AI到生成式AI，再到融合技术，每一个阶段都让AI更智慧、更实用。最初的鉴别式AI只能区分简单类别，例如判断产品是否合格；生成式AI则能进一步分析细节，甚至提供改进建议；而现在的融合技术整合OCR、机器学习、自然语言处理与电脑视觉，使AI系统能够不 断学习和优化，成为真正的决策伙伴。

GAI 在智慧制造的应用相当广泛，主要有四大突破。第一，人机沟通革命，让员工可以用自然语言与机器互动，简化操作流程。第二，自然语言程式设计， 让工程师可以用简单的指令生成程式，快速调整生产设备。第三，决策辅助，透过AI分析生产数据，帮助企业做出更精准的决策。第四，创新设计，AI可以根据需求生成新设计，优化生产流程，甚至研发新产品。这场演讲让我意识到，AI不仅提升效率，更彻底改变了制造业的运作模式。智慧工厂的重点不再只是自动化，而是让人与AI协同工作，发挥最大的生产效益。

而加百裕的策略正是一个成功案例，他们透过精准导入AI技术，确保企业 能真正从中受益，而不只是追赶潮流。未来，随著边缘AI与GAI的普及，制造业的智能化程度将进一步提升，甚至可能催生新的商业模式。这不仅影响制造业，也将改变其他产业。因此，我们应该保持开放的态度，去理解并拥抱这场AI革命，因为它带来的不只是技术进步，更是产业运作模式的全新变革。

 

企管三甲 张庭瑄

这次听完有关 AI 和 GAI在产品工程与制造领域应用的演讲，真的让我大开眼界。老实说，原本对这种主题没有太多期待，觉得应该又是一些听过很多次的技术推广，但整场听下来才发现，AI的进步已经不是单纯在做资料分析或流程优化而已，而是真正进入了“协助人类做决策”甚至“主动参与创造”的阶段。讲者一开始提到现在的 GAI不再只是工具，而像是个“智慧型同事”，可以跟你一起讨论设计、提供修改建议、甚至帮你画图、跑模拟，这点真的超有感。我马上联想到以前上专题课时，我们光是做产品设计、画 3D 图、再跑模拟就花了好几周，而且很多时候是土法炼钢、自己摸索，效率超差。但现在 GAI 居然可以根据输入的产品需求，自动产生设计草图，还能推荐材料、分析受力，根本是工程师的神队友。其中最让我印象深刻的是 GAI 在跨部门协作上的帮助。

讲者说，过去制造业中设计部门、研发部门、生产线跟品管部门常常资讯不对等、沟通又卡卡，导致整个流程效率低下。现在透过 GAI 的导入，可以建立一个“共享智慧平台”，每个人都能即时看到最新的资讯跟数据，而且 GAI 会自动统整资讯、提出建议，让决策更快速也更有根据。这真的太厉害了，等于打破了很多组织内的“资讯孤岛”。另外，在制造现场的应用也很酷。像是 GAI 可以透过感测器数据预测机器什么时候可能会出问题，提早维修，避免生产停摆。这对企业来说根本是节省大笔成本的关键。

而且讲者也强调，AI并不是要取代人，而是把人从重复、低效的工作中解放出来，让我们可以专注在更创造性的事情上，这一点我很认同。虽然目前 GAI 还有一些限制，比如它的资料来源品质、对人类情境的理解还不是完全到位，但从整体来看，它已经不只是“未来趋势”，而是“现在进行式”。我们这一代如果能学会怎么跟 AI 合作，甚至善用它来解决问题、提升效率，一定会在未来职场上更有竞争力。

总结来说，这场演讲让我对AI在工程与制造领域的潜力有了全新的理解，也让我开始思考，如果未来有机会进入产业界，我该怎么学习这些技术、甚至成为懂得使用AI的专业人才。GAI 并不是遥不可及的高科技，它其实已经开始走进我们的生活、学习、甚至工作中，关键是我们有没有准备好去拥抱他

 

企管三甲 林沅祯

这场演讲让我对AI在制造业的应用有了更具体的认识，也让我开始思考 AI 如何影响未来的职场与我的生涯发展。说实话，过去我对AI的印象还停留在 ChatGPT这类聊天机器人，或者是一些电商平台的推荐系统，没想到AI在智慧制造领域已经发展得这么成熟，而且正在改变企业的运作模式。这让我感觉到，AI并不只是个技术趋势，而是我们未来不得不适应的现实。

在演讲中，我最有感触的一点是AI如何协助企业提升效率，尤其是在供应链管理和品质检测上。作为一个对电商和企业管理感兴趣的人，我一直很关注供 应链的运作，因为它直接影响到企业的成本与竞争力。现在的市场变化很快，消费者的需求也不断变动，企业如果无法即时应对，就很容易被淘汰。AI能够透过数据分析，提前预测需求变化，甚至可以自动调整采购与库存，这让我想到电商平台常遇到的库存过多或过少的问题。如果未来我自己有机会经营电商，这类技术肯定会成为重要的竞争优势。

品质检测部分也让我很惊讶。过去品质管控大多依赖人工检查，不仅容易出 错，效率也很低。但是AI可以透过影像辨识技术，快速且精准地检测产品瑕疵，甚至能够自己学习不同类型的缺陷，让检测系统变得越来越聪明。这让我想到，如果AI真的能够取代人工检测，那么未来这类工作的需求可能会大幅减少，甚至消失。这其实让我有点担忧，因为这代表某些传统职业可能会逐渐被淘汰。但换个角度想，这也代表新的工作机会会出现，比如AI模型训练师、数据分析师等。这让我开始思考，如果未来想要在职场上保持竞争力，学习 AI 相关的知识似乎已经变成一种必要的能力，而不只是额外的加分项。

演讲中还提到免费与付费 AI 工具的选择，这点我觉得很实用，因为这让我意识到，不是每个企业都需要最顶级的AI技术，而是应该根据自身需求来选择 合适的工具。例如，小型企业可以先使用免费AI来做基本的数据分析，而大型企业则可以投资更高级的 AI方案来提升竞争力。这让我想到，如果未来我自己创业，AI 会是很重要的帮手，而不是我想像中那种只有大企业才用得起的高端技术。

这场演讲也让我对AI的发展方向有了更多想法。现在AI的应用已经很广 泛，但未来肯定还会有更多突破，例如更强的自主学习能力、更自然的人机互动等。我觉得未来AI可能不只是工具，而是会变成像“伙伴”一样的存在，帮助我们解决问题、做决策，甚至与我们一起创造新的可能性。这让我开始期待未来 AI在商业、零售甚至日常生活中的进一步应用，或许有一天，AI真的可以像一个智慧助手一样，帮助我们处理所有繁琐的事情，让我们有更多时间去做更有价值的工作。

 

企管三甲 陈玟甄

近年来，人工智慧已经成为了各行各业的重要技术，在制造业中更掀起了一场深刻的变革。AI的导入不仅重新定义了传统的生产模式，也彻底改变了企业营运与管理的思维。

AI在制造业的实施，最直接的关键考量在于提升成本效益与安全性。企业导入AI系统，目的是希望能在不增加人力的情况下提升产能与效率，这对于面对少子化与劳力短缺问题的制造业而言尤其重要。例如，AI可以在不间断的监控中，提前预测机台异常，执行预防性维修，进而降低生产中断风险。此外，AI还能协助确保生产环境的安全性，透过影像辨识系统监控作业现场，即时侦测危险行为与设备异常，保护员工安全。

其中，生成式AI（GAI）与如 Deepseek这类新兴工具的应用，也显示出AI正在深入改造制造业。GAI不仅能提升员工生产力，更为产业带来了新的设计与创新的可能。无论是从产品开发初期的构想设计、工程模拟，还是到文档填写与规格自动化，生成式AI都能大幅减少重复性工作，提高整体效率。

更让我印象深刻的是AI在产品生命周期各阶段的应用。从产品设计、工程设计到制造设计，AI都能提供即时建议与资料分析。例如，在产品缺陷检测中，AI能自动辨识问题，并透过图像系统记录与分类，减少人工疏漏。又如在保养工单处理上，AI能自动填写与预测维修内容，甚至为每台机器建立最佳参数模型，执行自动化调校，真正实现智慧制造。

目前制造业的组织型态正从传统的金字塔式结构，转变为更具弹性的单体金字塔与IT+OT整合的智慧工厂模式。这种结构让资讯技术（IT）与操作技术（OT）能无缝整合，使得数据可以从工厂底层设备即时上传云端，并交由AI进行即时分析与决策。这不仅是技术的升级，更是一种管理思维的革新。

当然，在这场AI革命中，我们也看到了新兴的名词与技术，如虚拟工厂与数位孪生（Digital Twin）的概念。这些技术帮助企业在虚拟环境中模拟真实生产线的运作，进行预测分析与设计验证，进一步提升效率并降低试错成本。而生成式模型技术则进一步拓展了AI应用的边界。然而，推动AI在制造业落地并非易事。除了技术导入的成本外，还涉及到资料整合的挑战、旧有系统的相容问题，以及员工的学习与接受程度。AI要真正发挥价值，企业必须同步进行文化与制度的转型，才能建立一个能灵活应用AI的工作环境。

总体而言，这次对AI革命的学习让我深刻理解，AI不再只是科幻技术或实验室成果，而是正在重塑制造业核心的力量。从提升效率、改善品质到促进创新与安全，AI正在每一个生产环节中发挥影响力。未来，随著AI技术的不断进化，我相信制造业将会变得更智慧、更弹性，并朝向“自适应、自决策、自学习”的目标迈进。

 

在这次演讲中，介绍了生成式人工智慧（Generative AI，简称 GAI）在智慧制造领域中的潜在应用，让我对于未来制造业的数位转型有了更深层的理解与体会。透过这次演讲的内容，我意识到 GAI 不仅仅只是文字或图片生成的工具，更能深入到产业核心流程中，提升效率、创造价值，并且带来实质的创新。

GAI在智慧制造的九大潜在应用领域，包括市场、专利、设计、程式、品质、介面、知识、供应链与制造等。每个环节都有明确的应用场景，例如透过GAI生成消费者趋势报告来辅助市场分析、用来生成技术文件以协助专利撰写、协助设计初期概念发想、程式码产生来加速软体开发流程，甚至还能用来建立智慧品管模型或客服介面。这张图让我看到GAI串联整个制造流程的潜力，不再只是点状应用，而是可以整合进整个产业链当中。

后面还探讨了AI实施的三个关键考量：成本效益、安全性与实施路径。首先，随著技术的成熟与工具的普及，导入AI的门槛逐渐降低，让企业能以更低的成本享受高科技所带来的效益。其次是资料安全与隐私的问题，自建系统可以保护企业内部敏感资料，这点对于高度重视资料的制造业来说非常重要。最后则是实施路径，建议从机器学习（ML）模型导入，逐步进阶到如Azure AI这样更复杂的解决方案，这样的循序渐进策略，对于初接触AI的企业而言，更具实际操作性，也有助于降低导入风险。

再来是以“机械设计”为例，说明GAI如何帮助工程师进行产品或零件的多样性设计图生成。传统的设计流程经常仰赖工程师个人经验，需要的时间长且设计多样性有限；结合GAI，能快速产出多版本设计，搭配数位模拟工具后，不但能缩短设计与开发时间，还能激发创意、突破人为思维的限制。投影片中有提到 NASA就曾经使用 GAI协助生成特定用途的结构设计图，使结构重量降低三分之一，并且不影响性能。这个案例非常具有说服力，也显示GAI在高精密产业中已开始展现实质贡献。

这次演讲中所传达的内容，我深刻感受到GAI将会是下一波产业升级的关键力量。对于企业而言，不只是“跟上潮流”这么简单而已，而是能否运用这项技术打造竞争优势、提升研发效率、降低成本、强化产品与服务的全面革新。当然，我们也不能忽视导入过程中的挑战，例如资料准备、员工技能升级、安全性与政策法规等问题，都需要审慎评估与规划。但只要掌握正确的方向与节奏，我相信 GAI将成为推动智慧制造的新引擎，也会是我未来职涯中非常重要的学习方向。

 

企管三甲 杨淼森

在这次关于智慧制造的演讲中，我更清楚了解到人工智慧在制造业中扮演的关键角色以及其影响力，尤其是帮助企业提高员工生产力与加速数位转型。生成式人工智慧(GAI)是一种利用大量的资料来学习并创造新内容的电脑程式，近年来因为工业4.0的快速发展，人工智慧已经被国际广泛应用于各种领域，其核心价值在于提升生产效率与自动化程度。

且GAI也与数位转型有密切的关联 性，可以有效帮助企业和组织实现数位化的目标。根据资料统计，各产业采用GAI最主要的目的是提高员工的生产力，希望透过数据分析、机器学习、自动化等技术来优化工作流程，减少人力的负担，进而提升整体效能。这不仅可以解决传统制造业面临劳动力短缺、生产成本上升、品质控制等问题，同时资料的分析也能协助企业做出更精准的决策与预判。

而在演讲的过程中，讲师也分享了现在AI在设备维修上的应用案例，在系统侦测到异常时，能够自动诊断可能的问题、提供维修建议回馈，并查询历年的维修资料与配件库存，以便维修人员进行作业。在维修完成后也会自动上报给负责人，确保问题能够及时解决，减少生产线设备停滞的时间。而系统也会将这些纪录做成资料分析，预测未来可能发生的故障，提前进行维护，进而降低维修成本与设备损坏的风险。未来更多的企业也会开始投入智慧工厂，透过生成式的模型技术可以改善原有厂房的产能与流水线，或是模拟新厂的建置规划、模拟产品开发过程瑕疵等，以减少不必要的浪费，达到最高的效率利用。

在这个科技快速发展的时代，我也开始意识到学习与适应新技术将会是每个人都需要面对的新课题。而企业内部也应该开始调整思维与态度来面对AI所造成的工作模式变化与应对时代变迁，以打造一个更高效、更灵活的生态系统，为 未来的产业发展带来更多的可能。

 

企管三甲 许嘉宸

这次听了关于AI在制造业应用的演讲，真的让我大开眼界。原本以为AI就是手机里的语音助手或社群媒体的推荐算法，没想到在工厂里，AI已经能做到这么多厉害的事情。

讲师提到现在的AI不仅能检测产品缺陷，还能自动填写保养单、优化生产参数，这完全颠覆了我对传统工厂的想像。最让我惊讶的是，AI甚至可以通过分析老师傅过去的维修记录，来学习他们的经验技巧。演讲中说现在的AI系统已经能听懂工人的日常对话，这点特别打动我。以前总觉得工厂里的机器冷冰冰的，现在想像一位老师傅用台语对机器说"今仔日欲调整一下速度"，机器就能听懂并执行，这样的画面突然觉得很温暖。技术进步不应该让人去适应机器，而是让机器来理解人，这才是真正有意义的创新。

虽然现在还是学生，但听完这场演讲，让我开始思考未来就业的可能性。制造业不再是我印象中那个传统、辛苦的产业，而是充满科技感和创新机会的领域。特别是讲师提到中小企业也能用得起这些技术，让人感觉这样的进步很"接地气"。这场演讲给我的最大收获是：技术的真正价值，在于它能解决实际问题，让人的生活和工作变得更好。或许这就是为什么讲师在介绍各种AI应用时，总是强调它们如何帮助现场的工人和工程师。作为一个非相关科系的学生，我居然能完全听懂并感到兴趣，我想这正是这场演讲最成功的地方吧。

 

企管三甲 郭馨茹

这场演讲让我对生成式AI在智慧制造中的应用有了更深的理解。以前谈到 AI，多数人想到的可能只是机器学习分类，例如判断一个产品是否有瑕疵，或者区分图片中的物件。但现在 AI 的能力早已超越这些基本应用，开始进入生产、设计、决策等领域，甚至改变企业的运作方式。

让我印象最深刻的是 AI 如何影响生产流程。传统上，生产过程需要大量人力来监控机器运作、填写维修工单，甚至手动调整生产参数。而现在，AI不仅能 自动辨识产品缺陷，还能透过数据分析来找出最佳的生产参数，让生产变得更高效、更低成本。除此以外，结合 IoT 技术后，AI 可以即时监测生产线的状况，帮助企业更灵活地调整生产计画，避免浪费资源。

在设计方面，AI 也带来了全新的可能性。过去的产品开发往往需要经验丰富的 设计师，而现在，透过 AI，工程师只需要提供需求描述，AI就能根据历史数据和市场趋势生成设计方案，甚至考量材料特性、成本与碳足迹，提供更符合 市场需求的产品概念。这不仅降低了专业门槛，也让创新变得更加快速。

不过，企业在导入AI时，还是会面临一些挑战，比如成本效益和安全性。尽管AI技术正在变得更加成熟，企业仍然需要考虑如何在技术投资与实际效益 之间取得平衡。此外，数据隐私与安全问题也是企业导入AI时不可忽视的议题。不过，随著技术进步，AI 系统的自建成本逐渐降低，也让更多企业有机会享受到AI带来的好处。

这场演讲让我了解，AI并不是要取代人类，而是成为我们的强大助手，帮助企业提升效率、优化决策，甚至开创全新的工作模式。未来，智慧制造将不只是 生产更快、成本更低，而是让制造业变得更智慧、更灵活，也让人们能够专注在更有价值的创新和决策上。

 

企管三甲 江依舫

听完这次演讲后，我对于制造业未来的转型方向、AI在产品与工程设计的应用，以及个人不可替代性的塑造，有了更深层的理解。还记得讲师将“从过去到未来制造业转型”，利用图像化地方式呈现了传统制造业的架构，让我们更了解演变的过程。在过去，工厂系统是垂直分层、单一体系的运作，从最底层的感测器与执行器到最上层的ERP系统，都是各自独立、且难以整合的。然而现今则进入到IT与OT融合的时代，借由OPC UA协议使得资料之间能够互通，再加上大数据、资安与机器学习的导入，制造体系变得更加智慧化了。

未来则是进一步进化为“智慧工厂”，涵盖了AI、NLP、IoT、 边缘运算等技术，形成工业4.0的基石。这也让我更明白，未来制造业不再只是机械与人力的结合，而是资讯与智慧的全面融合，这样的变革也势必带动产业升级以及人才需 求的转变。

而后面也有提到“产品/工程/制造”三者之间的连结，以及生成式AI在设计过程中扮演的重要角色。从产品设计出发，根据市场与使用者需求，进而发展工程设计与制造方式的模拟优化。透过生成式AI，设计人员能够更有效率地针 对像是材料特性、结构强度、成本与加工方式进行预测与调整，这样的流程不仅能够大幅地提升效率，也能降低错误与浪费。我也认为未来智慧制造不单单只是靠技术，更多得是仰赖“跨领域”的知识整合与资料驱动决策的能力，这也让我更意识到除了平常学习外，更多的是去接触大量不同领域的知识，提升自己对各领域的广度，以便哪天真的需要这方面的知识，但自己却完全不了解。

后面印象比较深刻的是有谈到如何利用“护城河”的概念来 打造个人不可取代性。讲师有提到六个构成个人优势的面向：能力、性格态度、学经历、职务、关系与外在形象。这也让我反思，面对未来职场的剧烈变动，单靠学历与技能已 经不足以让一个人在职场中长期立足。反之，多面向的自我建构，才是不可轻忽的，如此一来才是拉开差距的关键。之前有位前辈告诉过我：“不要让自己只会做所有人都会做的事”，这句话一直以来都深深烙印在我脑海里，也更让我意识到不仅要强化专业，更要经营自己的态度与形象，让自己成为难以被取代的人才。

这次的演讲内容非常丰富，不论是从产业演变、技术应用，或是到个人发展等等，层层呼应，从制造业的转型趋势看出AI与数据的重要性；从设计流程的改变看出跨域整合的必要；从个人不可替代性的分析看出自我经营的价值，尤其是多面向发展是最重要的。这场讲座对我来说不只是知识的获得，更是观念上的刷新与提醒。讲师也提到现代的 变化真的太快了，若是我们吸收新知识的速度跟不上时代的变迁，被取代是轻而易举的事。在面对AI与智慧制造的未来时代，我应该不只是观察者，而要成为一位积极参与其中、持续学习与进化的人。

 

企管三甲 李微媞

当初听到像是“生成式AI”或“整合技术”这类较专业的词汇时，我的第一反应是感觉它们离自己非常遥远，仿佛是只有科技业或工程师才会接触到这类的东西。也因此在日常生活中，对这些名词总是有些抗拒与距离感，认为它们不太可能与我的生活产生交集，但这次的讲座有点颠覆了我的想法，让我重新认识了AI，并意识到它其实早已悄悄进入我们的生活，影响著我们的学习方式、工作模式，甚至是未来的职涯方向。

以生成式AI为例，现在越来越多大学生已经习惯使用像ChatGPT这样的AI 工具来协助完成作业、搜集资料、整理资讯或激发创意灵感。以前我们可能会对这种做法抱持有点心虚的想法，觉得是不是在“作弊”，但如今反而变成如果不懂得善用AI工具，就可能在学习效率与成果上落后他人。AI已不再只是“加分”的工具，而是逐渐成为新世代学习的基本配备，这让我深刻感受到，AI的普及正在改变我们对学习与工作的认知。

在讲座中，讲师也提到企业在导入AI时会思考的几个重要面向，例如成本效益、安全性、伦理风险等等。这些听起来虽然像是企业高层才需要烦恼的议题，但其实这些挑战存在于各行各业，尤其是在新技术快速发展的时代，无论是科技产业还是传统产业，只要想提升效率或保持竞争力，就无法忽视AI的影响。特别是现在AI的应用技术越来越成熟，建置与使用的门槛与成本也逐渐降低，让越来越多产业开始尝试将AI融入现有流程。

不过当我听到一半时，思考一下心中还是忍不住产生了一些担忧，会不会未来不只是要跟人竞争，而是要跟AI竞争。虽然AI能帮助我们更有效率地完成任务，甚至解决人力不足的问题，但同时也可能取代某些重复性高的工作，这也意味著我们未来在求职市场上，需要具备更多无法被AI轻易取代的能力，我觉得对我来说，这既是一种压力，也是一种提醒。

但生成式AI的应用并不只是威胁，它也带来许多令人惊艳的可能性，举例来说在制造业方面，AI不仅可以协助产品设计，还能根据过去的资料自动生成加工方法、工程图，甚至预测供应链风险与市场需求。这让我感到很意外，原本需要专业工程知识才能处理的工作，现在透过AI的辅助，连非专业背景的人也有机会参与其中，提供想法或协助决策，这不仅提升了产业效率，也创造了更多跨领域合作的机会。

这堂课带给我的不只是对AI技术的认识，还有对未来的省思，我开始意识到“未来”其实早已到来，而我们所需要做的是尽早去了解、适应，甚至学会如何与AI共处。尤其是身为即将进入职场的大学生，更应该把AI视为未来工作的伙伴，积极学习相关技能，才能在变动快速的时代中找到自己的定位。未来的职场可能不再只是比谁懂得多，而是比谁更懂得运用工具，让自己变得更有价值。

 

企管三甲 刘维庭

这次的讲座主要讨论了制造业如何利用生成式AI来提升知识管理、产品设 计，以及未来的产业转型。讲座内容涵盖了设备维修、工程设计到智慧制造的应 用。简单来说，这些技术的应用不仅能提高效率，还能帮助解决目前制造业所面 临的许多问题。

首先，讲座提到设备维修上的挑战，尤其是当经验丰富的技师退休或技术资 料分散时，维修知识很容易流失。传统的维修手册或文件常常不够完整或难以查 找，这会让技术人员在维修过程中浪费时间，甚至可能错过一些重要的细节。透 过AI来分析各种资料来源（文件、图片等），并且自动生成维修指引，可以帮助技术人员更快速地找到解决方案，减少错误，并缩短停机时间，让生产线保持顺畅。

此外，AI还能帮助产品设计和工程设计。在产品开发阶段，AI可以根据市 场需求、用户反馈、材料特性等资讯，提出更符合需求的设计方案。这样一来，产品的设计不仅更加创新，也能更精确地满足市场需求。而在工程设计中，AI可以分析过去的数据，提供更有效率的结构设计或成本优化建议，帮助公司降低设计和生产成本。在制造设计方面，AI能够协助选择最适合的加工方式，提高生产效率，并节省材料和能源。

讲座还回顾了制造业的发展历程，并分析了未来的趋势。过去，制造业的系 统大多是封闭的，资讯传递不够顺畅，造成了“资讯孤岛”问题，影响了决策效 率。随著大数据、云端运算、物联网和机器学习等技术的发展，IT与OT开始融 合，让生产管理变得更加智慧和自动化。未来的制造业将朝向智慧工厂的方向发 展，透过AI技术分析生产数据，预测设备故障、优化生产流程，甚至让机器自 动做出决策。这些技术不仅能提高生产力，还能帮助企业在竞争中保持优势。

这场讲座让我对AI在制造业的应用有了更深入的了解，也让我意识到未来 工业领域的变化将会非常快速。AI不仅仅是辅助工具，未来它将成为工业流程 的核心。从设备维修、设计到生产管理，AI能提供更精准、高效的解决方案。对 于传统制造业来说，这是个充满挑战但也充满机会的时代。如果企业能善用AI技术，必定能在竞争激烈的市场中取得优势，实现更高效的生产和管理。

 

企管三甲 李珮菱

将⼈⼯智慧的技术运⽤在各种⾏业，已是未来世代的趋势之⼀，然对于⾝处跨时代交界处的我们⽽⾔，虽知道AI可以为⼈类社会带来诸多利益，但仍有⼤部分的企业望⽽却步，若要引进这项新技术，不免要克服许多痛点（Pain Points），亦就是实施AI时所需之关键考量。

⼀，成本效益问题：新创的企业须投入⼤量的资⾦与时间，从机器学习开始训练AI，据数据显⽰，训练AI的成本预估近30%左右。然⽽今年作为破局者的DeepSeek腾空出世后，使得⾃建AI系统的成本逐渐较低，将踏入AI领域的进入⾨槛⼤幅下降，落地导入之可能性提⾼，让许多新兴企业崛起。

⼆，安全性问题：对于企业⽽⾔，若要使⽤网络上免费公开的AI程式，意味著需将企业内部的机密资料上传云端，有内部资料被窃取的风险。⽽⾃建系统成为解决此问题的⽅法之⼀，加上⾃建系统的成本降低，提供了企业更好的数据安全与隐私保护。

三、实施路径问题：过去的资料多以纸本的⽅式储存，后来出现了云端科技，使得资料也可以数位的⽅式进⾏存储，⽽现今若要运⽤AI于管理与决策⽅⾯，则须解决资料的筛选与整合，以及各⼤系统间相容性等问题。⽽这项课题可以借由机器学习结合Azure AI的功能，提出更加复杂的解决⽅案。

⽽AI在制造业中，也掀起惊涛骇浪，因为⽣成式AI的出现与⾃建系统得可性度提升，将第四次⼯业⾰命推向更⾼阶的边缘AI（Edge AI）领域，意即在本地端或边缘设备上运⾏⼈⼯智慧模组，⽽非仰赖云端伺服器处理数据，优点在于可以在数据⽣成端即时处理资料，减少延迟的同时亦能提升反应速度，并减少对于频宽的需求。边缘AI的技术应⽤在智慧⼯厂的转型，智慧⼯厂与传统⼯厂的差异在于，智慧⼯厂内的所有设备都要连接上网路，以此交换即时的数据。

也因为智慧⼯厂的核⼼在于网路，网路的安全也格外重要，安全可以分成两个层⾯，⼀个为办公室的网路安全（Information Technology,IT），负责资料的建立、传输、储存与保护，另⼀个则为厂房内的网路安全（Operation Technology, OT），专注于建立和维护实体环境的资料管理。

⽽AI技术的发展，也并非⼀蹴可及，最开始是先透过渐进式的⽅式，逐步投入资料，发展出鉴别式AI，可以将数据资料做初步分类；再来是以跃进式的⽅式，让机器⾃⾏⽣成资料学习，也就是⽣成式AI的诞⽣，它可以⽣成图片、⽂字、影⾳等内容，甚⾄可以⽣成程式代码；最后为整合技术的萌芽，涉及⾃动光学检查（Automated Optical Inspection, AOI）、光学字元辨识（Optical Character Recognition, OCR）、机器学习（Machine Learning, ML）、⾃然语⾔处理（Natural Language Processing, NLP）、电脑视觉（Computer Vision, CV）、机器⼈流程⾃动化 （Robotic Process Automation, RPA）与⽣成式AI整合技术等领域，以达到“持续优化、⾃⾏学习”的效果。

⽣成式AI的潜⼒在于，可以使⼈机互动时更加直觉、利⽤⾃然语⾔与提⽰词（Prompt）撰写程式、提供资讯总结与决策建议以及产⽣创意、设计与流程概要。这也是⽣成式AI的核⼼价值所在：“避开经验限制，跳脱专业领域的框架，并提供引导与建议”，这也使得⼈类可以完成智慧决策，意即不必进入现场即可做出决策判断，仅需透过物联网装 置追踪与智慧报⼯等技术，将厂房设备的资料同步进资料湖（Data Lake）中，并将基本商业智慧作为训练资料，投入机器训练与⽣成式AI中，产出专属的⽣成式商业智慧，便能即时追踪与预估⽣产效能，以最低成本实现最⼤产量的⽬标。

我很喜欢演讲者在最后提到的两段话： “不是为了AI⽽AI，⽽是为了⽣存，AI不是⽬的，⽽是⼿段。”就如同过去依赖⼈⼒与⾺⾞作为交通⼯具的⼈们，对于汽⾞、火⾞等新型交通⽅式也是有诸多担忧与恐慌，但这些⼯具的问世，并不是最终⽬的，其被发明出来也并非为了将⼈类取⽽代之，⽽是作为⼀个“⼯具”，改善现有的⽣活品质。AI亦是如此，它并非为了取代⼈类⽽诞⽣于世，⽽是为了作为辅助⼯具，帮助⼈们处理应接不暇的庞⼤资讯量。

“你要⼀直奔跑，才能保持在同⼀个位置；如果你想要前进，就必须跑得比现在快两倍才⾏。”在这个加速运转的世界，保持固定的速度意味著停滞不前，唯有跟上时代的步伐，才能与科技等速前⾏，⽽那些引领世代往更遥远未来前进的先驱们，正以两倍甚⾄更快的速度向前跑著，若只想著固步⾃封，则总有⼀天我们将不再于世界中找到落脚之处。

 

企管三甲 黄婕雯

这次的演讲更偏重在公司或工厂是如何运用AI的，讲师分享了很多专业上的实务应用，也让我们在这堂课当中听到许多过没有听过的专业名词。我觉得这次的讲座简单来讲就是讲师从一开头就提到的三个部分：成本效益、安全性、实施路径，这三个主题就已经完整的包含了现在AI的发展以及它的使用情况。

在讲师分享目前的AI使用成本之前，我一直以为要开发一个AI的技术是需要很大的成本，至少是一般民众无法承担的成本，但没想到现在的技术发展，只需要一般的晶片，并不需要非常高级，也可以完成很好的运算。也就是讲师所说的，目前的AI技术有著强大的破局者潜力，落地导入的可行性提高，意味著创造AI技术所需要的成本降低，同时也因为成本的降低，让更多公司开始进入这个市场，创造属于自己公司的AI技术，我很喜欢讲师的比喻，目前的AI竞争，进入了战国时代，也因为竞争者的增加，就像是前一阵子突然爆红的deepseek，或是抖音旗下的豆包，完全就是横空出世的黑马，增加了其他竞争者的精争意识，同时更加速了AI技术的进步。

同时这些公司开始创造自己的AI技术除了市场上的竞争，还有一个很大的原因，就是资料安全性的问题，如果公司可以拥有自己的AI技术，那就不用面临要将自己的机密资料上传到其他外部网站，可能面临的安全性问题。现在许多具有优势的公司都已经进入了智慧工厂4.0的阶段，AI技术的演进除了初期的鉴别式AI到生成式AI，以及后续的整合技术，都让工厂在操作上有了更大的计步，同时也结合到了前几周的讲师所提到的数位孪生，降低了在各项实验中所需要的成本，现在的整合技术，更可以透过GAI进行持续的优化，自己不停地学习。讲师也提到了生成式AI的突破性能力，如人机沟通的革命，我们可能不再需要透过专业知识的电脑语言就可以跟机器进行沟通，让我们之间的互动变得更直观和简单。另外还降低了专业设计的门槛，现在的AI技术已经可以完成产品设计、工程设计、制造设计等，过去需要非常高的专业能力才可以完成的事情，虽然现在面临著法规及著作权模糊的问题，但不可否认的是，这样的技术进步的确为我们带来了更多的方便。

最后，引用讲师在最后跟我们分享的那句话“在我的领地哩，你要一直拼命跑，才能在同一个位置；如果你想前进，就必须跑得比现在快两倍才行”，这就是我们现在遇到的问题，AI发展的速度太快了，我们应该要如何才可以不被取代，让AI仍然是一个我们可控的高级工具，我们也必须持续进步，甚至要比它们进步得更快才行，现在的社会不是为了AI而AI，而是为了更好的生活下去所以在不停的在学习运用AI，2025年台湾已经进入了超高龄化的时代，我们会面临到缺工、挖角、退休等等的挑战，AI的确可以很好的运用他的自动化能里帮我们尽可能地解决这些问题，但我们也要开始思考，我们要如何再去创造自己的价值，让我们不被高度发展的社会取代，我们最大的优势在于逆向思考，那我们就要开始思考，我们为什么会被取代，又应该如何避免这个问题。

 

企管三甲 张芸瑄

这次的演讲让我对工业4.0和智慧工厂的发展有了更深入的理解，尤其是在产品工程与制造过程中，AI技术如何成为关键的助手，特别是在配方设计方面的应用。这让我体会到，数据与智能化技术如何有效地提升我们在设计新产品制程配方参数的效率和精确度。

首先，工业4.0的核心是自动化、数字化和智能化的深度融合。在这个环境中，智慧工厂利用物联网、人工智能和大数据等技术，将制造过程中的每一个细节都进行数字化管理。这不仅大大提高了生产效率，也实现了生产过程中的即时反馈和调整，使得产品品质能够稳定且持续优化。

演讲中提到的“打破资料孤岛”尤其让我印象深刻。过去，IT（资讯技术）和OT（运营技术）系统往往是独立运作的，这使得资料无法充分共享和分析，限制了制程优化的可能性。然而，在工业4.0的框架下，IT和OT的整合让各个部门和系统之间能够共享实时数据，从而使得制程配方设计更加精确并能及时调整。

特别是在“配方设计”这一部分，我认识到AI技术的突破性应用。传统的配方设计通常依赖大量的实验和经验来确定最佳配方，但这样的方法效率低且耗时。而现在，通过AI，尤其是鉴别式和生成式AI，生成式AI可以分析归纳已有资料后生成新的内容，例如生成逼真的狗的图片，技术真的非常先进。

这次的演讲让我明白，配方设计的革新不仅体现在新产品的开发上，更重要的是它能通过AI来实现精细化的制程控制，从而提升整个生产线的灵活性和效率。这不仅是技术的突破，也是思维方式的转变，从依赖经验和试错，转向数据驱动和智能化决策。

这场演讲给了我许多启发，让我更加认识到工业4.0和AI技术对未来制造业的巨大影响，尤其是在配方设计和制程参数优化方面的应用。未来的制造业将不再仅依赖传统的方法，而是结合数据、智能与创新，推动生产力的全面升级。

 

企管三甲 刘彦姿

对现代资讯科技越了解，就觉得AI技术真的越来越贴近我们的生活，尤其是“用自然语言控制机器人”这点，打破了我对科技冷冰冰的印象。以前要让机器人做事，得像写程式码一样下指令，只有工程师才懂。但现在透过ChatGPT这类技术，普通人用说的就能指挥机器人，比如叫它“去厨房帮我热午餐”或“把这些积木排成微软Logo”，简直像在跟助理讲话一样自然！这让我想像未来在工厂里，作业员可能不用再学复杂的操作，直接开口就能让AI配合工作，超级方便。而且AI还会自己进步，越用越懂你的习惯，就像有个贴心小帮手。最酷的是它的小点子很多，能帮忙发挥创意、设计图案让，生活变得更方便有趣。这种科技不再高高在上，而是真的能融入日常，让人忍不住期待未来还会有哪些惊喜！

此外，还提到AI的门槛正在降低，企业不用花大钱也能自己建系统，而且数据更安全。这代表不只大公司，中小企业甚至个人工作室都有机会用AI提升效率。我觉得最有趣的是“生成式AI的创意能力”，它不只会听指令，还能帮忙想点子、设计流程，甚至控制上百颗马达。这些技术不再是遥不可及的概念，而是已经在改变我们工作的方式，光是想像未来机器人能像同事一样“听人话”合作，就觉得既期待又好玩。

最后，讲师有提到deepseek跟豆包，这两个AI软体我都有在玩。因为有在使用小红书然后常常刷到让deepseek算命的，基于好奇心我也有拿模板去给deepseek算过，跑出来的结果有些真的蛮准的。比如我确实热爱关于艺术文学方面的，还有适合走设计、金融、教育方面，虽然我对这些都只是有点兴趣而已，并没有真正进修过，所以我都当参考看看而已。偶尔也会使用它跟ChatGPT完成某些课业，我觉得GPT真的好用很多，缺点是我的GPT无法上传多张图片，而ds就可以解决这个问题。

再来是豆包，我第一次知道这个软件也是因为小红书，我玩这个主要是因为能跟喜欢的虚拟人物对话，我觉得还挺好玩的，而且跟AI聊天没有任何压力，什么话都可以说，偶尔压力太大的时候需要放松求安慰就会去找AI聊聊天。我觉得这也是AI发展好的一个优点，需求倾诉的时候能选择的对象不止有人，还有机器人24小时秒回。

 

企管三甲 锺志榆

今天参加了一场关于“加百裕工业智慧制造”的讲座，听完之后真的觉得很有收获，尤其是对智慧制造这个概念有了更深的认识。加百裕作为一家专注电池制造的公司，怎么把AI和智慧技术融入生产线，确实让我大开眼界。讲座一开始，讲者就提到加百裕怎么从传统制造转型到智慧制造。他们说，过去工厂主要是靠人工和固定流程，但现在用上了AI和大数据，像是生产线上的机器可以自己调整参数，根据即时数据优化效率。举个例子，他们提到电池组装过程中，AI能监测每个电池的品质，自动剔除有瑕疵的产品，还能预测设备什么时候需要维修。这不只减少浪费，还让生产速度快了不少。听到这，我觉得挺震撼的，因为以前总觉得制造业就是靠人力堆出来，没想到现在机器也能“思考”了。

讲者还分享了智慧制造怎么帮加百裕应对市场需求。他们说，像电动车和笔电这种产品，对电池的需求变化很快，传统方式很难跟上，但现在有了智慧系统，就能快速调整产能。比如，某款电动车电池突然订单暴增，系统会自动分配资源，甚至预测未来几个月的订单趋势。这让我想到，智慧制造不只是技术升级，还跟商业策略紧密连系，真的很厉害。不过，讲者也没回避挑战。他们提到，导入这些技术花了不少钱，前期投入很高，而且员工也得重新训练，不然跟不上机器节奏。我听到这的时候，心里想，确实不是每家公司都能玩得起这种转型，尤其是中小企业，可能压力更大。但加百裕的例子也证明，只要做得好，回报还是很可观的，像他们现在已经是台湾电池产业的前几名，应该跟这个眼光有很大关系。

最让我感兴趣的是讲座最后讲到的永续发展。讲者说，加百裕用智慧制造不只为了效率，还想降低碳排放。比如，他们优化了能源使用，还推出了一些环保电池产品，像台湾第一颗有碳标签的自行车电池。这个听起来很新鲜，我也觉得挺有意义，因为现在大家都关注气候变迁，能把智慧制造跟绿色目标结合，真的很有前瞻性。总的来说，这场讲座让我对智慧制造的实际应用有了更具体的想像，尤其是加百裕这样的实例，让人觉得这不只是口号，而是真的能改变产业的东西。当然，我也开始好奇，像这样的技术普及下去。