長久以來，製造業都在追尋所謂的「機械烏托邦」，即一座運作效率完美、毫無人為失誤，並且能長期持續營運的理想工廠。
回顧 1980 年代，機械手臂與各種自動化產品的出現，讓人類初次窺見機械烏托邦的願景雛形，然而這些被牢牢固定在地面上，輸入程式碼後只會不斷重複同一個動作，直到零件損壞為止的自動化機台，本質上仍然無法完全取代人類，成為當代工廠的作業核心。
無可否認，傳統自動化在重複精確作業方面，表現十分出色，但是在其他絕大多數的任務上，傳統自動化工具的執行效率，卻是顯得相對糟糕。
舉例來說，假如生產線上的某個零件，僅僅偏移了兩公釐，或是感測器校準稍有偏差，那麼傳統自動化機器人就會因此失靈。
會「思考」的「自主型工廠」
隨著 AI 技術走向蓬勃發展，長期受到業界討論的「實體人工智慧（Physical AI）」，終於開始從理論變成了實踐。
當代人類正在親眼目睹製造業的根本性轉變，即 AI 技術讓機器不再只會照本宣科、重複固定動作，而是開始擁有感知與推理能力，改變自動化機器跟現實世界之間的互動方式，進一步促使傳統工廠陸續升級，成為一種會「思考」的「自主型工廠」。
只不過，無論是「機械烏托邦」或「自主型工廠」，其完美應用之路依舊比許多人想像中，還要來得更加艱辛、更加複雜。
現實與模擬之間的訓練落差
打造自主型工廠的痛點之一，首先在於現實世界和模擬環境之間的差距，並沒有如此容易彌平。
即便在 AI 技術的發展之下，大型平行模擬中的強化學習取得了顯著進展，讓企業有能力同時運行一萬台虛擬機器人，將過往得於實體環境中摸索一年的技術，壓縮到僅需 48 小時運算時間即可完成，可是在實際應用中，強大的 AI 模型仍會以人類難以預測的方式失效。
換句話說，打造自主型工廠的瓶頸，已經不再是機器人本身，而是訓練資料的「品質」問題。
舉例而言，假若企業所投入的訓練模擬環境，未曾考量過灰塵對光學感測器的影響，那麼機器人於現實世界中作業時，也會直接忽略灰塵並產生錯誤。
許多工程師們花費數十年時間，苦於解決自動化機器人於現實作業跟模擬任務之間的落差，並在物理法則完美無缺的虛擬世界中，任意訓練功能強大的機器人，但若單純是把這種產品帶到工廠，強大的機器人最終也會完全失靈。
單一任務工具逐漸淡出
其次，隨著「視覺-語言-行動（VLA）」模型的問世，人類對於打造硬體自動化系統，開始有了不一樣的邏輯概念。
應用 VLA 模型相關技術，當代機器人已有能力於未經預先撰寫程式碼的情況下，自行解開一團纏結的電線，這反映出軟體設計中的「if-then」處理邏輯，開始套用到了實體機械上，並使機器人的任務定義，轉向統一、便捷的開發框架。
在自主型工廠中，未來工人可以直接對機器人說：「把刮傷外殼的零件，直接移動到紅色箱子」，而 AI 模型會將自然語言轉譯成運動指令，擺脫預先編程、預先定義的傳統邏輯。
從現實面來看，自主型工廠的發展仍在早期階段，而那些有能力承擔任務的 AI 系統，運作速度通常會比較慢，偶爾也還會做出錯誤的動作，但業界可以肯定之處，在於僵化且僅能執行單一任務的工具，正在逐漸淡出製造業的舞台。
機器人孤島與混合式空間
許多對工業製造和 AI 技術認識淺薄的人，幾乎都認為只要於「僵化」的生產線上，加入一台「聰明」的機器人，生產流程就會突然之間好轉，然而事實卻遠遠沒有這麼簡單。
通常情況下，盲目增加 AI 機器人到製造流程中，狀況只會發生惡化；比方說工廠於 A 站點安裝了一條可以高速揀選零件的機械手臂，但是接收零件的 B 站點，基本上只會被高速送來的零件所淹沒，導致生產系統發生停滯。
前述現象被稱為「機器人孤島（robotic islands）」，即表面上看似引入了高效率的機器人改進生產流程，但它們卻於實際上造成了整個系統的瓶頸。
在貨物倉儲、大型物流等營運情境中，機器人孤島早已出現了各種表現形式；系統只在某個環節的改善，往往會以難以預料的方式，波及到其他環節。
因此，若想要讓自主型工廠真正發揮效用，經營者就必須重新思考組織架構，徹底重塑、規劃工廠生產線，並且使其成為「混合式空間」。
以混合式空間打造的新形態工廠中，有時為了安全起見，人類工作者必須刻意遠離機器人，有時則必須投入協作，讓機器人負責重體力勞動，而人類處理頻繁且需要精細動作的任務。
擺脫「人型機器人」的迷戀
談到將機器人應用於生產製造環境，有些人堅持，投入「人形機器人」才是最理想的解決方案；看到雙足機器人在工廠內行走，固然是一場精彩的「展示」，可是若從工程投資回報的角度來看，人形機器人卻經常變成一種干擾。
換句話說，工業家要懂得拋棄對人形機器人的「迷戀」，並理解工廠的宗旨，始終是在於「效率」，而非迎合人類的審美。
假如工廠中需要機器搬運托盤，那麼帶有輪子的機器人，終究是比人型機器人更快、更穩定的選擇，同時開發與製造成本也低廉許多。
除非工廠環境只專為人類作業所設計，否則在絕大多數情況下，客製化且專用的機器人產品，其表現都會優於人型機器人，並以一個擁有多層次感測器、高度整合、專門專用的系統型態，在自主型工廠之中呈現。
人類洞察力的價值提升
最後是自主型工廠中，關於人類所扮演的角色。對大多數產業而言，所謂完全無人且徹底自動化的「黑燈工廠（dark factory）」，終究只會是種理想，人類並不會在生產情境中完全消失，而是被提升成了系統的監管者。
時至今日，大多數的工廠作業員，已經不再像卓別林於《摩登時代》中所演出的那樣，只是在生產線上虛無的擰動扳手，更多人是在負責訓練模型，或者監控系統是否故障，接著做出需要合理判斷的高風險決策。
換言之，即便 AI 技術驅動了自主型工廠的誕生，但人類洞察力的價值，反而並未因此降低，只是變得比過去更加集中。
工業家與生產者必須體認，當機器終於變得更加聰明，整個生產系統的其他部分，終究必須跟上腳步，才有可能使自主型工廠，甚至是一座會思考的工廠，從過往機械烏托邦的理想，變成真正意義上的現實。
【推薦閱讀】
◆ Physical AI 進入「手部操作」決勝點：Genesis AI 推 GENE-26.5 模型與仿人機械手，突破機器人落地瓶頸
◆ 98% 自動化、每輛車 2 萬項數據回傳：解析 BMW 慕尼黑廠的 iFACTORY 數位升級邏輯
◆ 寫加工程式從 1 小時縮減至 4 分鐘：拆解日本 ARUM 導入對話式 AI 的精密加工實戰
＊本文開放合作夥伴轉載，參考資料：Forbes、McKinsey，首圖來源：Unsplash
（責任編輯：鄒家彥）
