過去的製造現場高度仰賴資深師傅的經驗，但這些隱性經驗難以被具象化，當企業要將生產模式複製到海外市場時，往往因為缺乏標準化流程，面臨員工學習曲線拉長、工作效率落差的困境。因此推動智慧製造的核心關鍵，就是把這些藏在老師傅腦中的隱性知識轉化為可複用的數位資產與標準工作流。
鴻海科技集團智慧製造平台處長郭錦斌日前於 TechOrange 科技報橘在高雄舉辦的 AI 智慧大工廠論壇中指出，面對全球龐大的生產體系與數據，鴻海正積極將傳統工廠轉型為具備「可帶走的製造能力」的智慧生產場域。他強調，製造業升級的真正瓶頸並非缺乏 AI 模型，而是老師傅的隱性知識與經驗難以被複製與傳承。
為了跨越這個門檻，鴻海推出 Project Genesis 智慧製造平台，重新定義問題，將複雜的現場痛點拆解為 AI 可執行的任務，並導入多代理協作（Multi-Agent）架構，透過 AI 將個人經驗轉化為「系統能理解、流程能採用，且能在不同工廠間持續優化」的可複用資產。
AI 多代理協同架構，讓工廠具備自主推理大腦
在過去的製造現場，異常偵測往往散落在各個獨立的系統孤島中，當問題發生時，挑戰通常會同時橫跨品質監控、設備維護、產線排程、物料供應與人力調度等多個層面，且解決方式高度依賴個人經驗判斷，並以人工方式追蹤回報進度。這樣的處理模式不僅耗時，更容易因人為疏失或經驗斷層導致產能與良率損失。
「為什麼要做 GenAI，就是把個人經驗轉換成讓系統可以理解、流程被採用，被不同工廠持續改善的一個製造過程，」郭錦斌表示，為了解決此痛點，鴻海推出 Project Genesis 智慧製造平台，建立可落地、可複製且可擴展的 AI 導入路徑，將複雜的現場問題，拆解為 AI 可執行的任務，涵蓋問題觸發、任務拆解、Agent 分工以及人機閉環四大關鍵步驟。
在這套系統中，鴻海的核心技術在於多代理協同（Multi-Agent）架構。郭錦斌指出，「Multi-Agent 會成為未來常態，每個工廠、機台都將有自主產生並處理數據的能力。」在鴻海所打造的 Agentic Ops AI 上，當機台故障或是良率出現波動而觸發警報時，將透過品質、設備與排程等不同領域的 AI Agent 共同推理。
系統首先會透過統籌 Agent，指派維修 Agent 匹配工程師的技能與順序，同時呼叫重平衡 Agent 同步模擬多場景下的產能變化，以及聯繫人力 Agent 確認線上作業員的班別與供給狀態，協同品質與排程 Agent 即時重排訂單與物料供應。
最終系統將提供經過多方權衡的綜合決策方案，如方案 A 為「產量 8K 且良率 97%」或是方案 B 為「產量 7.8K 且良率 96.5% 但維修速度最快」等選擇，讓決策者能根據當下的商業目標與緊急程度，做出最適合的綜合決策。
郭錦斌表示，鴻海已在該架構上成功開發出六大代表性用例，包含針對模具設計經驗轉譯的 GenAI CAD、處理多目標排程的 L6 APS、驅動參數建議的智能調參、缺陷根因閉環管理的 FactoryGPT、優化機台程式碼的 CNC360，以及跨代理協調的 Agentic Ops AI。
把 Know-how 變身軟體資產，解密「人機閉環」智造模式
為推動智慧應用的全面普及，鴻海建構一套分層協作的平台架構，涵蓋中央超級大腦、場域的產域中腦以及工廠端的邊緣推理，確保核心資產的集中治理，兼顧敏感資料的安全與即時推理效率。同時打造類似應用程式商店的 Genesis Store，將每次成功的專案，透過此機制沉澱為可搜尋、可治理、可部署的企業數位資產，包含基礎模型、領域模型、知識圖譜以及各式 Agent 工具。
「當繁瑣的事務被機器取代後，人類就能進行更有價值的判斷，」郭錦斌表示，在鴻海的智慧製造藍圖中，人類與 AI 的關係是「人機閉環（Human-in-the-loop）」協作模式，但涉及高風險的決策依然由工程師、工業工程師（IE）與廠長審核，AI 則提供多維度的方案與數據依據。同時鴻海建構嚴格的治理護欄，包含權限管控、資料邊界限制、告警與人工接管機制，確保推理過程、資料來源與版本演進都能被完整保留以供稽核追蹤。
郭錦斌進一步表示，高度自動化與 AI 的介入，將人類的角色從過去的「資料整理者」，轉變為「問題定義者、決策審核者、知識管理者以及掌控全局的 AI 監督者」，而鴻海正透過這套系統，推動自我優化的智慧製造飛輪。
