隨著消費端走向客製自主消費、製造端面臨缺工問題日甚，促使製造業須具備能適應快速多變且多元環境的能力，製造系統變得較過往而言更加複雜。而拜新技術成熟發展所賜，製造業現今可藉由部署先進的感測技術並結合AI演算法、引入機器人等科技，進而提高資訊可視化及系統可控性，進一步推升工業4.0智慧製造的發展。根據TrendForce旗下拓墣產業研究院預估，2022年全球智慧製造的市場規模將會逼近3,700億美元，年複合成長率達10.7%。

奠基於虛實整合的基礎，智慧製造在應用端相當多元，從規模較大的智慧工廠、智慧供應鏈、現場災害回復，乃至自動物流車、簡易型機器手臂等皆是使用案例。綜觀2019年產業動態與德國漢諾威工業展(Hannover Messe)等指標性活動，現行智慧製造以協作機器人(Cobot)、數位雙胞胎(Digital Twin)、預測性維護(PdM)、無人機、製造執行系統(MES)、AI應用等為發展焦點，Universal Robots、Siemens、STMicroelectronics、Xilinx、GE等廠商亦持續推陳出新強化布局。

Edge AI降低運算資源，成為預測性維護重要基礎

鑒於智慧製造帶出的龐大數據量將排山倒海湧向企業，延遲性與頻寬成本已讓製造業從雲端技術逐漸轉向邊緣運算。而數據海量化、分析精準化以及硬體高效化等三大驅動力也使AI從雲端往終端設備邁進，推升邊緣結合AI的趨勢。

Edge邊緣運算處理是具地緣關係的AI運算，透過於靠近數據產生源處進行收集處理，並結合參數學習等AI技術讓設備能做到缺陷即時偵測、使用狀況預判等用途，讓機器不需時時聯網、減少運算資源，仍能具備部分決策力與即時反應力，成為預測性維護的重要基礎，同時亦可強化工業機器人的即時協作。而將資料留在當地取代回傳雲端，也更能滿足製造業提升數據資安與隱私的需求。

晶片是台廠切入Edge AI最佳著力點，中小企業靈活彈性成競爭優勢

智慧製造與Edge AI的連結為製造業帶來即時決策、降低成本、營運可靠及提高安全等優勢，也使精密機械蛻變為名副其實的智慧系統。現行從晶片大廠NVIDIA、Intel、Qualcomm、NXP，乃至雲端龍頭AWS、Google、Microsoft等皆積極投入該領域。台廠若要切入Edge AI的市場，考量產業優勢及政府資源挹注，晶片仍是最好發揮的著力點，並成為串連上下游廠商的發動機。

從自動化到智動化，TrendForce指出，工業4.0的浪潮持續推動企業數位轉型，物聯網、大數據、機器人等技術也成為打造智慧製造的重要節點。然而，不論是工業物聯網布建、智慧製造的導入、抑或智慧工廠的建置，由於耗時較長且所費不貲，對企業而言皆非一蹴可幾，在佈署及執行過程中可透過工業物聯網聯盟(IIC)等組織提出的工具來評估自身的成熟度，進而調整步調與方向，如根據基礎設施的完成度來選擇被動性維護、預防性維護、以及預測性維護的採用。

此外，由於許多非數位原生的傳統製造業是透過數位工具導入及異業整合等方式實施智慧製造，故若企業擁有可跨域整合、更敏捷靈活因應生態系等優勢，將較易切入大廠供應鏈或與其合作。台灣中小企業具備充足的產業知識及適應彈性，當數位化時代挖掘出更多顧客痛點時，大廠不願做且小廠做不來的市場便能讓其挾競爭優勢一展身手。