AI從算力走向工廠 台廠搶攻智慧製造新架構

生成式AI之後，製造業下一波競爭正轉向Physical AI：讓AI不只分析資料，而能透過感測器、控制器與機器人直接作用於生產現場。近期台灣供應鏈出現兩條值得注意的路線，一端由精密自動化次系統向機器人延伸，另一端則由GPU算力管理進入智慧工廠。

和椿受惠半導體、AI伺服器與電子製造擴產，高階自動化次系統需求增加。公司過去以傳動、驅動、控制及感測零組件為主，近年將高精度運動控制與即時監測整合成Subsystem，由單一零件供應向設備模組升級，同時布局功能型及人形機器人。

圖一 : 隨著智慧製造走向Physical AI合流以後，次系統與算力平台同步升級。

這項轉型反映智慧製造架構正在改變。AI伺服器與半導體終端測試要求微米級精度、穩定度與良率，單一Sensor或Motor已難滿足需求，設備端必須整合感知、即時運算、Motion Control及異常監測。當這套能力再加入AI模型，就形成Physical AI所需的「感知→判斷→控制→執行」閉環。

另一條路線則來自算力基礎設施。台灣數位無限（INFINITIX）的AI-Stack已導入韓國智慧製造創新中心（SMIC），建立多租戶AI共享算力平台，支援研究人員及多個專案同步進行模型開發、訓練與驗證，並透過軟體定義GPU、異質算力調度與資源隔離，提高GPU使用效率。

兩條路線合併觀察，可以看到智慧工廠正形成新的技術堆疊：底層是GPU／Edge AI算力，中間層是資料、模型與資源調度，上層則串聯Sensor、Machine Vision、Motion Control與Robot，最後把AI決策轉成實體動作。

因此Physical AI不只是人形機器人題材，而是智慧製造架構的一次升級。對台灣而言，IPC、工業網通、伺服控制、感測器、機器視覺、GPU管理軟體與機器人整合原本分散的產業能力，有機會在Physical AI時代重新組成完整智慧工廠供應鏈。