林世伟说明，「AI Factory」最初强调透过工厂式复制加速AI伺服器建置，如今问题转为「AI应用在哪里」。随著生成式AI普及，对话介面让非IT背景的人也能使用AI，加速其在工控领域的导入。智慧制造谈了十多年，最难的是「智慧」如何实现，而AI能复制老师傅经验，传承至机械手臂与机器人，让自动化工厂真正走向智慧化。
林世伟强调，AI基础在于数据，数据收集与传输的重要性，使网通角色更为关键。「如果把AI比作人脑，通讯就是神经血管，数据就是血液讯号。」林世伟举例，如「锁螺丝」对人类简单，但机器需仰赖感测器与数据学习才能精准完成。未来工厂将布建更多感测器与数据，透过网路即时传输进行AI决策。像特斯拉上海厂39秒组装一台Model Y，正突显低延迟、同步性的重要。
林世伟进一步指出，AI驱动的智慧制造，将依赖三大条件：
第一，数据统合：工厂内存在不同世代与语言的设备，需整合新旧数据，让AI能理解与分析。
第二，复杂流量模式：过去多靠云端集中处理，如今随Edge AI普及，资料更多在边缘互传，形成非线性、即时性的流量模式，对网通设备提出挑战。
第三，高适应性网路与资安：随有线、无线网路整合，工厂需更高弹性的架构，同时必须符合IEC 62443等资安标准。
林世伟强调，在AI工厂发展过程，IT与OT界线正逐渐消融，许多AI应用建置在IT端，但数据却来自OT端，互通与安全性成为挑战。同时，AI需要算力，算力仰赖能源，而能源与网路紧密相扣，从高速交换器、大频宽网路到5G与Wi-Fi 7，都是工业AI环境的关键，尤其实时性（Real-time）能力，将决定设备能否在毫秒级完成同步，是智慧制造最后一哩。
林世伟表示，生成式AI已改变人机互动，下一步将深刻影响工业制造。AI工厂落地的核心要素，在于数据统合、即时通讯与资安韧性。Moxa则定位自己为「工业网路的神经血管」，扮演推动AI Factory落地的关键角色。他也强调，外界讨论AI泡沫化，但在OT领域AI发展才刚起步，现阶段更要扩大发展。从自动化工业大展可见，许多厂商已找到AI应用并开始导入，能否为客户创造价值，将成为AI Factory发展的基础。
點擊閱讀下一則新聞
