生成式AI發展與在製造及機械產業應用

生成式人工智慧概述

生成式人工智慧（Generative AI，簡稱GenAI）是一種基於機器學習（Machine learning）、深度學習（Deep learning）人工智慧技術。GenAI透過大量資料對模型進行訓練後，能依據使用者輸入資料，自主產生新的資料內容。

例如目前極熱門的生成式AI模型ChatGPT，是透過Generative Pre-trained Transformer（簡稱GPT）方式，利用極大量的非標註、非結構化資料與自監督式學習（Self-Supervised Learning）過程進行訓練，然後建構出基礎模型（Foundation model）。這類基礎模型可以依據輸入資料，自動產生出一段新的內容。

不過對於較專業的領域問題（例如特定工程或產業應用），基礎模型可能還無法產出令人滿意的答案。這時可再透過少量人工標記資料，對基礎模型進行持續學習訓練，調適（Fine-tune）成專用模型，再應用於專門的知識領域，例如金融、設計、機器人控制等。

部份多模態GenAI模型輸入與輸出資料類型包括文字、語音、圖像、影像、程式碼、3D模型數據等；同時輸入與輸出資料類型可以不同，例如使用文字輸入（提示，Prompt），自動生成圖形或影像。

 

生成式人工智慧能力與一般應用

當前GenAI模型的主要能力與應用包括：

• 智慧化對話：能支援自然語言對話，具有基本問答能力，可用在人機互動場景，例如智慧化客戶服務。
• 文件製作及翻譯：能透過輸入提示產生文本內容，例如撰寫短文、信件；針對問題提出完整論述；或是對指定文件進行內容重點摘要，將重點彙整成表格等。能執行自動翻譯、即時翻譯及語法矯正，以及提供多語種對話；翻譯結果也更精準。
• 程式碼生成：透過自然語言或圖片描述，可自動產生相應的程式碼，或對現有程式內容進行修復、調整。
• 決策輔助：可從大量資料中，快速彙整出有助於決策的重點資訊，或是透過資料分析提出建議方案，以及對策略方案進行評估、最佳化。
• 知識管理：可整合大量各類非結構化資料，並讓一般使用者能透過自然語言，以對話模式快速獲得所需資訊，或是進行知識搜索。
• 設計生成：可依據文字、自然語言，或是圖案草稿，快速產生具有特定內容（例如主題、風格、元素等要求）的圖片、影像，甚至是3D模型。也可以對既有影像進行合成剪輯、特效渲染。

 

生成式AI在應用上仍面臨諸多挑戰

不過受限於模型技術與學習資料限制等因素，生成式AI在實務應用上仍存在一些問題。包含：

• GenAI模型產出結果與訓練資料內容有很強關聯性。在不可能獲得無限學習資料，以及學習資料無法100%客觀、正確情形下，AI模型在回答提問、產生具體內容時，仍可能出現邏輯或常識方面的錯誤。而且如果訓練GenAI模型的資料存在常識缺失或文化、意識等方面的偏見，也會使生成內容出現問題的風險升高。
• 由於GenAI模型所產生的結果，還無法確保充分的正確性與可用性；因此對於涉及安全、法律、健康、道德、金融、政治等議題的應用領域，使用者或相關組織仍需對GenAI生成結果做進一步的判別、篩選、調整與修正。包含結合專門領域資料對GenAI模型進行訓練微調，並持續透過生成內容回饋（透過人工或自動程序）及更新專業資料來提高GenAI模型實用性。
• 建構基礎模型與專用模型，會耗費大量資料、時間，同時也須仰賴大量的運算資源，這些都需要極高的成本投入。現有商業GenAI基礎模型建構平均成本約為美金1億元。因此未來如果要擴大GenAI應用，除了持續提升系統功能，也需要有合適的商業模式與生態系相配合。
• GenAI模型可能涉及訓練資料智財權、使用者本身資訊保護與新生成資料的智財權歸屬問題。這些問題仍須要進一步從技術與法規層面探索可行的解決方法。

 

生成式AI應用可提高製造與機械產業運作效能

GenAI在製造與機械產業潛在應用(如表一)

生成式AI在製造與機械產業領域，具有多元及廣泛潛在應用。主要包含兩大類：行政、庶務性工作應用；以及專業領域工作應用。前者包含商業書信撰寫，文案、廣宣、合約生成與檢視，商務文件翻譯與自動製作摘要，會議記錄自動生成…等。企業人員可以利用一般性GenAI模型來完成這類工作，並提高工作效率。後者則是針對專業性工作，除了一般性GenAI模型外，也需要特殊的專門模型與資料來配合。

 

表一：GenAI在製造與機械產業的潛在應用，專業領域工作應用包括（但不限）

GenAI可提高產品設計效率

使用GenAI可提升產品、組件設計效率，並依據設計需求及其他限制條件進行最佳化。主要流程如下：

• 首先利用初始提示，快速產生原型設計。例如以文字輸入快速產生具體產品圖像；再透過改變提示內容，獲得更符合需求的原型設計結果。
• 持續改進原型設計，逐步滿足各種需求與限制。例如在提示文字中加入更多細部需求與限制，進而產生更細緻的設計結果。同時可配合外部電腦輔助分析（CAE）軟體，確保滿足工程需求與限制。
• 獲得最終可用於生產製造的設計結果。由工程師依據其他生產條件與經驗，進行設計調整，完成最終可生產（包含使用3D列印技術）的產品設計。
•  

GenAI用於強化機器人控制

在機器人應用方案方面，GenAI正透過以下幾種途徑，協助廠商研發出更容易使用、更具應用彈性的工業與服務型機器人。包含：

• 以GenAI模型讓操作人員可以透過自然語言指揮機器人完成複雜工作。
• 透過GenAI模型自動產生控制機器人動作的程式碼。
• 透過多模態GenAI模型，讓機器人能將環境感知結果作為產生反應控制動作依據的輸入資訊。

以下為國外整合GenAI模型的機器人應用案例。

1. Google和德國柏林工業大學（Technical University of Berlin）研究人員，合作開發可用於機器人控制的PaLM-E多模態視覺語言模型（VLM）），綜合自然語言及視覺訓練，使機器人可以理解人類的指令，以及透過感測器將環境及物體影像納為輸入，進而即時完成人類指定工作。
2. 日本Denso公司，使用ChatGPT自動生成工業機器人控制程式。操作人員可直接使用自然語言下命令。命令會通過AI語言辨識模組轉換成文字，成為輸入到ChatGPT的提示。然後再生成工業機器人控制碼，驅動機器人完成所動作。
3.  

GenAI應用有助於提高製造業工廠總體效能與競爭力

國際知名管理顧問公司BCG認為，透過GenAI不同應用模式，製造工廠能獲得以下效益：

• 以GenAI模型建立工作輔助系統，可提升工廠運作資訊透明度及提供人員作業協助，進而讓工作更有效率。
• 以GenAI模型建立決策輔助系統，可協助快速找出最佳方案，有助於操作、管理人員做對的事，進而提升工廠運作穩定性，增加工廠運作可預測性。
• 以GenAI模型建立自主系統作業方案，能讓工廠生產體系強化自我控制能力與實現結構性最佳化，進而更能自動適應環境改變。

 

臺灣GenAI模型發展與機械產業應用現況

臺灣GenAI模型發展概況

1. 國科會支持國內團隊建構TAIDE GenAI模型

GenAI具有極大應用價值與發展潛力，但需要在符合倫理準則與各國文化、習慣用語與國情。目前國際GenAI模型訓練資料使用繁體中文的比例極低，因此部分生成結果無法滿足國內需求。

因此國科會整合國內資源，研發「可信任人工智慧對話引擎（TAIDE）」。希望以本國文化為基底，融入在地語言、價值觀、風俗習慣等元素，使其能理解和回應在地使用者的需求。此GenAI模型建構計畫會逐步導入不同領域可信任的繁體中文文本，建立特定領域應用範例，提高模型對不同主題領域的表現。

2. 台智雲公司推出福爾摩沙大模型（FFM）及AFS服務

台灣智慧雲端服務股份有限公司（台智雲），推出福爾摩沙大模型（FFM），可為企業提供商業應用服務；企業客戶可以選擇部署在地端（企業自家機房），以提高資料安全性。台智雲以FFM為基礎，提供AFS（AI Foundry Service）系列服務。包含：大型語言模型優化服務，大型語言模型地端部署解決方案，大型語言模型託管服務。

3. 聯發科推出MediaTek DaVinci服務平台

聯發科推出生成式AI服務平台「MediaTek DaVinci」（聯發科技達哥），提供一個高整合度、高擴展性的開放平台，讓開發者可為各行業開發客製化生成式 AI擴充外掛、助理等應用。

 

國內工具機產業GenAI應用概況

1. 台大覺文郁教授研發團隊GenAI工具機應用

台大覺文郁教授研發團隊，開發多項整合GenAI的工具機產業應用方案。包含：

• 發展生成式AR售服平台，提升故障維修、售後服務之效率，提升服務質量，降低運營成本，從而增強企業的競爭力。透過GenAI模型建構對話式介面，可提供文字、圖片、影片、聲音多模態輸出相關訊息，協助解決客戶所面臨的機台維修的問題。
• 透過大型語言模型，結合影像辨識模型，輔助人員完成物料巡檢，並與客戶系統銜接完成資料回報。透過互動式介面，可即時排除巡檢發生時故障。串接物料管理系統，可以將巡檢結果和相關數據即時回報，確保庫存水位正常。此方案可應用在包含工具機在內的製造業與零售業。
• 自動報價系統。可彙整加工費用、重複訂單、物流成本、材料費用等資訊，配合大量訂購優惠等報價策略，並從設計、加工、材料和運輸等成本，以及客戶需求、競爭對手等市場分析結果，透過大型語言模型生成專屬報價單。

2. 百德內嵌式Mr.Q智慧模組

百德研發結合AI技術的內嵌式Mr.Q智慧模組。利用GenAI模型，讓機台操作人員以簡易的聊天方式即可讓機台協助進行生產前處理準備，並以提示（Prompt）查詢機台運作狀態。透過與Mr.Q的簡易問答，也能協助操作人員快速解決機台在生產過程中發生的問題。

3. 東台展出T-BOT生成式AI聊天機器人

東台發展基於GenAI的T-BOT聊天機器人，是專為其用戶量身打造，可針對機台與軟體之相關專業問題，透過文字輸入問答方式提供即時回覆。T-BOT也提供線上版與離線版兩種方案供客戶選擇。離線版可針對機敏資料安全需求在封閉環境下運作，確保資料安全性與私密性。

 

經濟部推動GenAI在工具機產業應用

為協助產業界利用GenAI提升競爭力。經濟部今年聚焦紡織、工具機產業，規劃建立產業先期示範案例，將結合公協會量能，協助產業導入生成式AI，提升研發、推銷量能及企業營運效率。具體做法是在系統、軟體業者開發AI訓練模型及演算法後，協助將AI應用擴散到公協會、產業端，運用在製程、行銷及服務等階段。

 

製造與機械企業推動GenAI應用策略

企業需思考GenAI影響、價值、導入使用與必要能力

由於GenAI為新興技術方案，在使用上存在諸多不確定性。因此企業在發展、導入前需要評估如何在應用價值與風險間取得適度平衡。

• 謹慎評估使用GenAI能為企業帶來哪些具體價值。例如效率與品質提升，生產作業優化，成本下降，新的獲利來源，提升供應鏈韌性等。
• 分析、評估使用GenAI可能為企業帶來哪些風險。例如導入與使用成本投入，保密與資安，人力與組織，監管與智財權等。
• 在導入GenAI時需要建立能承擔風險的作業和監管框架，以及能持續探索與評估風險和倫理問題的機制。

 

企業可評估建構的三種GenAI模型應用方案

製造與機械領域企業，在建構GenAI模型應用方案時，有三種可能模式：

1. 訓練獨特的基礎模型

從頭開始建立並訓練適合企業專門領域的基礎模型；可使用自建或開源演算法。但是需要準備大量的高品質資料用於訓練模型，使用大量算力（自建或租用），以及建立模型驗證方法。優點是擁有模型自主權，同時資安風險低。缺點則是花費時間長、總體投入成本高。

2. 使用微調建立專用模型

使用商業或開源基礎模型，透過微調來建構具備處理專門產業資訊能力的專用模型。因此同樣需要準備適量的專門資料用於調適模型，使用算力（自建或租用），建立模型驗證方法。優點是資安風險低，花費時間較短、投入成本較少。

3. 使用通用基礎模型結合提示工程

企業可直接使用商業或開源基礎模型，或是其他組織已完成的專用模型，再透過融合專業知識的提示（Prompt）來獲得所需生成結果。這種方式不涉及模型參數訓練，因此花費時間更短，成本投入最低。但相對的資安風險較高，模型應用限制也較多。

 

 

結   論

GenAI模型在製造業與機械產業都有許多極具潛力的應用，可以在拓展市場、促進產品創新、提升生產效能、增加設備可用性、強化客戶服務與供應鏈管理等方面產生重大效益。

然而GenAI技術與模型應用仍處於發展階段，因此需要在個別產業實踐更多應用案例，以進一步分析、確認哪些工作更適合導入GenAI，並找出模型及應用方案改善方向。

個別產業與企業，需要針對GenAI導入及應用，建立系統性、可量化的投入產出評估方法，以提高投資效益，吸引更多企業導入。

而GenAI產業應用，涉及算力、演算法、資料，模型評估驗證，資安防護，智財權保護等多方面議題；因此也需要在整體生態系中整合發展資源，並強化跨業合作。