面對這股一波波襲來的 AI 浪潮，全球製造業者正積極探尋以 AI 推動轉型、開創生產力革命的方式。據 IDC 《2024 台灣企業雲端策略與技術投資趨勢》調查指出，以雲端為中心的數位基礎架構扮演著轉型催化劑的角色，提供了極大的可擴展性、敏捷性和成本效益。
在台灣、北亞與東南亞等區域皆是推動企業數位發展的關鍵夥伴 CloudMile 萬里雲集團，持續深化 Google Cloud 合作，聯手從數據、雲端與 AI 三面向，深入剖析製造業轉型過程的「關鍵航海圖」。CloudMile 萬里雲集團創辦人暨董事長劉永信與 Google Cloud 台灣業務副總經理呂欣育特別接受專訪，分享這幾年助力製造業數位轉型的深刻經歷與洞察。
數位轉型是 AI 轉型的前提，以數據驅動 AI 應用將是箇中關鍵
「製造業所面臨的挑戰，就是產品的生命週期變得越來越短，產品更新迭代越來越快，因此讓製造業不得不加速創新的腳步，」Google Cloud 台灣業務副總經理呂欣育強調，市場變化驅動製造業加速改變，而製造業在做 AI 轉型前，必須要先「數位轉型」。過去，數位轉型就是企業將眾多資料數位化並儲存到資料平臺，開始分析並支援決策；在生成式 AI 出現之後，這個分析與決策過程將變得更迅速直覺，同時更加凸顯數據與資料價值。
AI 在製造業落地，已經有監控與預測機械設備維運週期、自動化客戶服務、檔案搜尋與摘要、快速查尋找產品與目錄內容、讓 AI 成為客服顧問等五個常見的應用場景，呂欣育指出，「有了數位轉型的基礎，企業資料都會被儲存並再利用，像是發現機械設備異常時，能在第一時間監控，甚至可以透過資料趨勢提前發現徵兆；另外，像很多企業在設計產品時，往往會參考很多過往資料，並實際查閱每條資料，但透過生成式 AI， 不僅搜尋方式變得更便捷與直覺，也能立即獲得摘要，省去大量工作時間。」Google Cloud 持續助力製造業尋求突破，例如已協助半導體研發製程中的晶片設計自動化（Electronic Design Automation，EDA）流程上雲，運用 Google Cloud Platform 提供晶片設計和先進製程標準元件庫開發流程中所需之雲端基礎架構，優化既有流程且加速半導體創新。
長期協助製造業數位轉型的 CloudMile 萬里雲集團 ，近期也為一家國外製造業者導入生成式 AI ChatBot ，透過一問一答的過程，更完整蒐集與分析客戶需求相關資料，進而達到提升客戶滿意度的目標。 CloudMile 萬里雲集團創辦人暨董事長劉永信表示，ChatBot 只是生成式 AI 在製造業落地的其中一環，未來透過數據平台產生的數據驅動 AI 應用，將成為製造業優化產線的關鍵。
做好數據治理，打下 AI 轉型堅實根基
對於未來想要運用數據驅動更多 AI 應用的製造業來說，劉永信提醒，在打造數據平台前必須先進行「數據治理」，其中數據治理最重要的概念就是「凡走過必留下痕跡」，也就是要留下該有的 Log（紀錄）。接下來企業如何準確分析這些 Log，並設計使用情境、決定導入應用場景，將是 AI 轉型的核心。
「如果要發展 AI 應用，數據與雲端更是互相連動的要素，」劉永信強調，AI 透過數據驅動，數據又以雲端管理， Google Cloud 在全球有許多數據中心，這將有利於企業的區域布局；另一方面，借力 Google Cloud 的生成式 AI 與邊緣運算能力，企業不僅可以在這個基礎上創造更多數據平台，也能讓更多 AI 應用在製造現場落地。
「我們相信一個科技要真的發揮價值，不單單要從研究室的理論走出並落地實際場景，更必須被廣泛使用且創造最大的影響力，所以降低科技進入門檻變成人人可用，一直是 Google Cloud 持續在做的事，」呂欣育進一步說明，Google Cloud 平台可以從三個面向，為企業奠定導入 AI 的堅實基礎。首先在硬體基礎建設的部分， Google Cloud 除了有 GPU 之外，還有加速 AI 運算的自研晶片 Cloud TPU 可供選擇；第二，在 AI 模型方面， Google Cloud 擁有「Model Garden」，內含 Gemini 與其他夥伴的 AI 模型，讓客戶於此模型花園自由選擇最適合的模型；最後在應用面向，Google Cloud 更可以助力企業運用低碼、無碼的方式，降低導入 AI 的技術與經濟門檻。
AI 新局才正要開始，建立數位韌性、多方試錯是管理者的前瞻思維
除了備妥 AI 轉型的基礎建設，領導者的思維亦是影響企業能否成功轉型的關鍵。在現今的 AI 熱潮下，部分企業領導者反而開始焦慮「沒有搶佔先機，或者是整個投資方向是錯的，」呂欣育分析，「其實 AI 這一局，現今才在第一個篇章而已，與其擔心第一個章節比人家走得慢，不如用以終為始的方式來思考，思考三五年後公司要走到什麼樣的方向，再來回頭看現在必要做的事情有哪些。」
呂欣育建議，對於企業而言，「Data Strategy」（數據策略）一定要比「AI Strategy」（AI 策略）先行，有了對的資料才會有對的 AI。企業與其執著於採用何種 AI 模型，更應該思考導入 AI 的場景為何，並如何將公司營運目標與 AI 緊密連結，而當目標確認後，「與其去尋找一擊必殺的策略，不如多方嘗試，於企業內營造 AI first 的心態與習慣，尤其在公有雲時代，每一個計畫的前期建置成本都比過去小，更可以去探索甚至試誤各種的可能，畢竟 Time to Market 背後的成本才是最為重大。」
劉永信長期觀察趨勢，強調過去製造業最看重良率與議價能力，隨著製造業開始將投資著重在數據領域，就是製造業更強調「數位韌性」的表現。劉永信舉例，近期特斯拉特別提及，在自身的供應鏈中，他們最擔心碰到的就是地緣政治下的海峽兩岸，這也凸顯數位韌性對於製造業者與其客戶而言，已是降低營運風險必備的思維與環節。
台灣擁有相當完整的製造業生態圈，在這個生態圈中，已積累非常可觀的數據資料量。對於製造業者而言，如何「分析」這些數據，進而走向「預測」、幫助「決策」甚至「變現」，是企業 AI 轉型的「關鍵航海圖」，也是最重要的課題。在這個過程中，建立數據治理與數位韌性、借力 AI 平台打下堅實基礎、打造多元人才培育計畫，將是台灣製造產業成功轉型的關鍵。
