生成式 AI 催生智慧產線，製造業搶當「智造業」
如同描述未來世界的科幻電影一樣，一座自動運迎的智慧工廠中，有不僅有機械手臂左右移動的調整精度，還有人型機器人穿梭其間搬運重物、輸送帶上抬頭一看還有螢幕儀表顯示數據，三者之間傳輸著即時資料監控每一站製造流程中的環節數值，包裝完畢後再由自動物流配送，廠區少了勞力密集，更在智能調控下達到節能減廢，符合碳、水運用的標準。
這樣的場景是否很美好呢？是的，它正是我們夢寐以求得工業 4.0，為「製造業」提供了一條全新並富競爭力的光明道路，連起物聯網、大數據、機器設備、智慧應用，其中最必要的關鍵就是近來火紅的人工智慧，然而若生成式人工智慧尚未崛起，恐怕這一切仍僅止於想像。
因此我們需要思考，究竟生成式 AI（Generative AI）為人工智慧帶來了怎樣的重大突破，它又能怎樣被運用於製造業中，降低成本、低勞力密集、錯誤風險，同時協助永續、提高產能與良率？以下三個方面可以為我們找到亮點：
亮點一：打破隔閡，製造的智造新出路
首先，AI 不再是昔日的吳下阿蒙，在生成式 AI 問世之前，普遍認為「AI 僅擅長垂直式的產業應用』，AI 的訓練成果僅能供單一產業的運用，演算法與模型難以跨產業運行，這對於橫相關連諸多行業、縱向串連上下游產業的製造業來說，無疑難以讓智慧製造進入整個生態系中，AIGC 的問世卻為此帶來打破僵局之機。
生成式 AI 由 AI 自動生成內容，透過預先訓練讓模型「分析與歸納資料」，也就是「學習」，運用 LLM 大型語言模型、NLP 自然語言處理、CV 電腦視覺等技術，了解文本、語意、圖像、情境不同的資料型態，依據提問「融合、拼湊、模仿」出使用者想要的文本、圖像、影音，就是所謂的「生成」，再與分析式人工智慧（Analytical AI）結合，就能應用於多個「智慧製造」的場景中。
如明尼蘇達礦業 3M、阿斯特捷利康 AstraZeneca、法拉利 Ferrari、樂金 LG AI Research、瑞安航空 RyanAir、湯森路透 Thomson Reuters 和領航投資 Vanguard…等。
亮點二：六項範疇，製造業應用跑在前
其次，製造業有六個領域相當適合生成式 AI 介入，包含「開發設計、產品週期、製造產線、設備管理、製程控制、供應鏈／進銷存」等，而我們熟知的客服，也是最廣泛被智能化的領域。此外，許多專家與製造業高層人士也都認為，生成式 AI 適合打造「知識與決策中心」，也能在「永續管理」上大顯身手，為環境、安全、衛生帶來監控預警，同時也能為節能、減碳、減廢帶來控制優化。
生成式 AI 能協助生成出大量創意的設計圖稿，業者可比把設計圖做為訓練資料，協助「開發設計」生成出符合廠家風格、專利技術的設計圖；若把應用放在「產品週期」，則可以建立模型，預測產品生命週期，減少錯誤開發的浪費，接著在落地到「製造產線」，利用影像／圖像分析來揀選分類產品，或協助倉儲理貨。
再照流程往下走，可以加入 IoT 物聯網裝置採集數據，協助「設備管理」，確保設備的各項數值維持正常，減少失效運作的產值損失、或是設備故障帶來的公安危害，接著同樣運用圖像辨識檢驗製成品的外觀，或監測機器運作時的聲波圖型，來判斷是否有異常風險，提升「製程控制」的妥善率。我們還能把 AI 用在「進銷存／供應鏈管理」上，解讀 ERP、SCM、CRM 等數據資料，匯入 BI 商業智慧找出數據洞察（如 Amazon Quicksight），管理預測訂單、庫存、備料。
亮點三：強心針，大廠導入生成式 AI 有成
其三，知道他山之石、可以攻玉，美國汽車製造業早已運用生成式 AI 提供設計建議、減少車體量、或優化零件規格，或是如 BMW 運用了生成式 AI 優化供應鏈庫存，透過 Amazon QuickSight 做商業洞察，將相關數據生成出視覺化圖像，供地區銷售團隊進行佈局決策。
把焦點轉向運動消費品的愛迪達，愛迪達採用 Amazon Bedrock 開發了生成式 AI 解決方案，工程師只要透過人機介面對話就能從知識庫中找到答案；而生物製藥大廠默克也透過 Amazon Bedrock 建立生成式 AI 功能，分析患者、提供患者治療的建議，提高生活品質。
若我們將上述案例稍加整理，就可以發現生成式 AI 於智慧製造的應用，可歸納為三大類：1. 生產作業的改善優化、2. 技術維運的知識諮詢、3. 洞察發現的差異縮短，分別用來促進智慧自動化、製造開發技術提升，以及生產管理創新。預料這也會在 3~5 年吸引更多產業投入。
亮點四：智慧決策，邁向智造里程碑
當製造邁向智造，意味著所有投入、過程、成果的資料，都應該要完整採集保存，AI 模型訓練之用，更能利用生成式 AI 對資料的歸納與融合產出，打造屬於製造業者的專屬企業「知識庫」與「決策顧問系統」。而一般最常見的「智能助理」、「智能客服」也能透過如 Amazon Q 具體實踐於工作流程與客戶維繫上。
然而，並非所有的製造業都正走造「智造」的路上，《台灣智慧製造關鍵能力調查》（由勤業眾信與科技部人工智慧製造系統研究中心發起）曾針對電子、半導體、金屬製品、機械設備、化學製品等製造業進行研究，並以「轉型準備、驅動力、數據應用、基礎建設」三項指標來評估台灣企業是否做好「智慧製造」的準備，其中做好準備者有 64% 是來自電子及半導體產業，
不僅如此，財團法人人工智慧科技基金會的《產業 AI 化大調查》也指出，在「不了解要如何運用 AI」方面，製造業者為 25%，高出平均的 15.4%；在「低於 25% 的員工具備足夠的 AI 知識」方面，製造業者高達 88%，而製造業也認為導入 AI 最大個困難在於，數據不足難以整合（54.4%）、人才招募困難（32.4%）、產業供應鏈 AI 技術未成熟（32.4%）、導入AI 金額成本太高（36.8%）。
兩個專業報告不約而同的指出，高科技製造業最勇於成為 AI 先鋒，但其他製造業仍在觀望中尚未跟上人工智慧的必然趨勢，對於因應未來競爭力恐存在不小風險。
告別 AI 的荒島求生，製造業用雲端 AI 解決難題
對於想要導入生成式 AI 的製造業者也不必擔心，現在只需要透過 AWS 就能敏捷、快速、低成本、高資安的導入 AI、轉型成為智慧製造，從基礎層（AWS Graviton、AWS Inferentia、AWS Trainium）、技術層（Amazon Bedrock、Amazon SageMaker）、應用層（Amazon Q、Amazon QuickSight），都有完善解決方案與雲端託管式服務，且符合國際資訊安全與保密規範。
過去「工業 4.0」只聞樓梯響，如今生成式 AI 的崛起，正好讓產業生態圈涉及多個領域的製造業，有了導入人工智慧，真正從製造進入「智造」的新契機。
爲了提供大衆體驗 Claude 3 及其他部分 Amazon Bedrock 平台大語言模型（LLM）的機會，現在就邀請大家限時免費體驗，每一個在本 AWS 網頁開設的測試帳戶現在不需要綁定信用卡、且享有 24 小時內完全免費，輕鬆一鍵創造實驗環境。
關於 Amazon Web Services
自2006年來，Amazon Web Services一直在提供世界上服務最豐富、應用廣泛的雲端服務。AWS不斷擴展可支持幾乎任何雲端工作負載的服務，為客戶提供超過240種功能全面的雲端服務，包括運算、儲存、資料庫、聯網、分析、機器學習與人工智慧、物聯網、行動、安全、混合雲、媒體，以及應用開發、部署和管理等方面，遍及33個地理區域內的105個可用區域（Availability Zones），並已公佈計畫在馬來西亞、墨西哥、紐西蘭、沙烏地阿拉伯和泰國等建立6個AWS地理區域、18個可用區域。全球超過百萬客戶信任AWS，包含發展迅速的新創公司、大型企業和政府機構。AWS協助客戶強化自身基礎設施，提高營運上的彈性與應變能力，同時降低成本。欲瞭解更多AWS的相關資訊，請至： thinkwithwp.com。