工業軟體廠商 AVEVA（劍維軟體）於 10 月 29 日在台北舉辦「2026 AVEVA 台灣技術峰會」，針對智慧製造、數位孿生及工業人工智慧（Industrial AI）等轉型議題進行深入探討。會中聚焦國內產業如何克服資料分散瓶頸，將單點概念驗證轉化為可持續運作的 AI 應用。
台灣製造業 AI 導入現況與資料整合瓶頸
隨著企業對人工智慧（AI）的關注提升，國內製造業已展現明確的轉型意願。相關調查指出，傳統製造業已有 38.5% 的企業進入驗證或規模化階段，但其中真正達成規模化營運者僅占 15.4%。若以更寬廣的統計基礎來看，則有 69.0% 的業者已導入、評估或規劃 AI，其中主要的 AI 應用項目集中於流程自動化（58.6%）、物聯網與感測資料處理（27.8%），以及智慧生產（18.3%）。
這項趨勢凸顯出製造現場並非缺乏數據資料，而是難以串聯應用。現行運轉資訊、設備參數與工程圖資多半孤立於監控與資料擷取系統（SCADA, Supervisory Control and Data Acquisition）、製造執行系統（MES, Manufacturing Execution System）、人機介面（HMI, Human-Machine Interface）以及歷史資料庫中。若缺乏跨系統的情境關聯，資料便無法有效支援精準決策。
透過 CONNECT 平台與數位孿生串聯跨系統資訊
為協助企業跨越資料整合屏障，AVEVA 展示了 CONNECT 工業智慧平台與 PI Data Infrastructure 架構。該平台具備超過 800 個通訊協定連接器，可在雲端、地端及邊緣端進行即時資料處理與補充。業者亦揭露產品路線規劃，預計於 2027 年第一季導入工業知識圖譜（Knowledge Graph）與數位孿生建構工具，透過代理式 AI（Agentic AI）自動對應資料模型，同時保留治理歷程。
此外，相關架構允許企業於邊緣端直接運作以 C# 或 Python 開發的演算法，兼顧即時性與資料主權需求。在峰會現場，台化與李長榮等在地企業也分享了如何將即時監控數據結合工程脈絡，應用於跨系統協作與維護預測。
這代表什麼
這項發展代表製造業的數位轉型重點，已從單純的「收集數據」轉向「維護資料情境與協作」。許多企業過去推動智慧化時，常卡在概念驗證階段，原因在於將未經處理的現場資料直接餵給模型，模型卻無法理解設備背後的物理限制與工程邏輯。
同時，隨著產業鏈對供應鏈資料共享的需求增加，建構安全的溝通平台將成為跨國製造生態系競爭力的關鍵。調研顯示高達 74% 的高階主管認為數位生態系至關重要，卻僅有 27% 實現跨企業資料共享。唯有妥善建立權限與治理機制，企業才能真正發揮 AI 的經濟價值。
背景補充
AVEVA（劍維軟體）為全球工業軟體領導廠商，主要提供涵蓋資產生命週期管理的工程與營運解決方案。其開發的 PI System 在全球工業自動化領域被廣泛用於現場運作資料的採集與管理。
至於「數位孿生（Digital Twin）」技術，是指在數位環境中建立實體設備、廠房或製程的動態虛擬模型。相較於一般消費級 AI 側重於文字生成或圖像處理，工業 AI 更強調資料的準確性、實時響應能力與合規性，必須深度融合物理工程知識才能確保運作安全。
常見問題
為什麼台灣製造業導入 AI 往往難以達到規模化應用？
主因在於營運資料、工程圖資與歷史數據分散在不同軟體與系統中，若缺乏一致的情境脈絡，模型便難以進行準確判斷與跨系統調度。
AVEVA CONNECT 平台如何協助企業處理工業資料？
該平台透過多種通訊協定連接器整合邊緣端與地端資料，並預計導入工業知識圖譜與代理式 AI 工具，加速資料模型的對應與清理作業。
數位孿生與一般的 AI 模型有何不同？
數位孿生是實體設備或廠房的即時虛擬鏡像，結合了物理工程條件與營運數據，能提供動態的模擬、預測與製程最佳化環境。