AI下一桶金轉向產業資料 醫療、農業與製造業搶建Domain Data

當生成式AI模型能力快速普及後，產業競爭焦點正在轉向另一項稀缺資源——Domain Data。近期智慧醫療、農業與製造案例顯示，企業開始把長期累積的交易、設備與生產資料轉成AI可分析的結構化資產，AI落地的門檻也由「有沒有模型」轉向「有沒有高品質真實世界資料」。

日本JINS與大阪大學便利用全日本47都道府縣門市累積的匿名眼鏡度數與購買者屬性進行大規模研究。分析顯示近視可能持續進展至約30歲，6至7歲為進展速度最快階段；另一項亂視研究則發現20歲族群約兩成具有輕度至中度亂視。零售資料因此從商業紀錄轉變成Real-World Data，補足傳統醫療研究樣本範圍有限的問題。

圖一 : 當生成式AI模型能力快速普及後，產業競爭焦點正在轉向另一項稀缺資源——Domain Data。

此外，農業也朝相同方向發展。9月7日在台北舉行的動物精準營養國際論壇，聚焦畜牧、水產與寵物產業的精準營養、疾病預防、永續生產及數位轉型；農業部近年建立59類農業IoT資料格式，並將環境感測、AI影像與生產資料應用於鳳梨產期預測、鱸魚精準餵食及養殖決策。

製造業的資料價值更直接。工研院近期指出，製造Agent正透過RAG、向量資料庫與多模態模型，把專案文件、設備資訊、PLC程式及歷史故障案例轉成可重複利用的工程知識，再與MES、SCADA及ERP串聯。

不同產業的應用共同指向新的AI基礎架構：從真實世界資料→資料標準化→Knowledge Base／Graph→數位雙生→Domain Agent。未來真正形成競爭壁壘的態勢，可能不是由誰先取得大型模型，而是哪家企業或廠商能夠累積長期、可信、可追溯且具產業語境的資料，讓AI真正理解醫療、農場與工廠。