資策會數位轉型研究院於「2026 ITRI ICT TechDay」展出多項人工智慧（AI）製造技術，針對台灣製造業在少量多樣生產及經驗傳承上所面臨的挑戰提出解答。研發團隊發表了包含自適應 AI 智慧生產決策、生成式 AI 設備健康管理，以及人員作業數位雙生等技術，協助企業將產線資料轉換為可操作的決策依據。
自適應 AI 模型降低建置門檻 數據需求縮短至 14 天
傳統製造業導入 AI 時，往往面臨每更換一次原料或工件就必須重新蒐集資料並進行 AI模型 訓練的難題。本次展示的「自適應 AI 智慧生產決策系統」，透過元學習（Meta-learning）與知識遷移技術，讓模型能迅速適應不同的產線條件，僅需要 14 天的資料積累即可完成模型建立。
為了讓缺乏程式開發背景的現場人員也能操作，該技術將資料擷取、特徵擷取與 AI 建模整合至「智慧診斷盒」中，提供無程式碼（No-code）的操作介面。這項做法大幅降低了系統導入成本，建置費用從過往的 96 萬元降低至 20 萬元。這項技術適用於三大應用範疇：
- 庫存預測：針對少量多樣的物料進行需求分析，可預測未來一個月的物料需求並發出警示。
- 設備預警：透過外接振動感測器，即時監控設備狀況，避免非計畫性停機。
- 品質診斷：即時分析工件良率並進行異常肇因追蹤。
自 2022 年至今，該系統已導入 46 家製造與資訊服務業者。統計數據顯示，導入企業平均降低了 5% 的庫存成本，良率提升 27.5%，生產參數調整時間減少 35%，並讓設備非預期故障時間縮減達 50%。
結合生成式 AI 與數位雙生 推進設備維運與技術傳承
除了生產決策系統，資策會亦與又得馬科技合作推出「生成式 AI 針織機健康分析與管理」。該系統結合物聯網（IoT）數據與地端生成式 AI，讓產線人員可透過自然語言提問，直接查詢設備維運與廠務相關資訊，藉此預測零件壽命並提前規劃維修，改善傳統紡織業高度仰賴資深技術人員經驗的現況。
另一方面，現場還展示了「多視角高精度人員作業雙生最佳化技術」。該系統利用多台普通 RGB 攝影機捕捉作業員的身體與手部軌跡，無須穿戴任何標記裝置即可打造數位分身。系統可自動與標準作業程序（SOP）進行對比，即時辨識出漏做、順序錯誤或動作延遲等問題，將經驗豐富的技術人力動作數據化，技術可應用於金屬加工、精密組裝及半導體檢測等領域。
這代表什麼
這項技術展現突破了過往人工智慧在中小企業落地困境的關鍵。台灣製造業以供應鏈彈性著稱，多數工廠採取「少量多樣」的接單模式。過去導入傳統 AI 專案時，經常因為訂單變更或產品換線，導致原本訓練好的模型失去準確度，重新訓練模型的成本甚至高過效益。
自適應 AI 模型將導入成本由近百萬降低至數十萬元，加上無程式碼介面的設計，大幅降低了對專業資料科學家的依賴，使產線第一線的營運技術人員即可自行調校。這意味著 AI 應用正在從大企業專屬的昂貴專案，轉變為廣大中小製造業均能負擔且快速取效的日常工具。
背景補充
「自適應 AI」是指具備持續學習與遷移能力的演算法架構。傳統 AI 模型就像是一台只學會特定路線的自動駕駛車，一旦換了地圖就必須從頭學習；而自適應 AI 則類似於掌握了駕駛原則的駕駛員，透過「元學習」（讓 AI 學習如何學習）與知識遷移，只需少量新資料就能快速掌握新路況。
「數位雙生」（Digital Twin）技術則是將現實世界中的實體設備或作業流程，在數位環境中建立一比一的虛擬模型。過往數位雙生多用於大型設備或整廠監控，本次發表的技術則延伸至「人員動作」層面，將傳統師徒制中難以文字化的「手感」與「經驗」，轉化為客觀的可視化數據，有助於加速產業轉型與經驗傳承。
常見問題
自適應 AI 與傳統 AI 模型有什麼不同？
傳統 AI 模型在更換產品或原料時需要重新採集大量資料並重新訓練；自適應 AI 運用元學習與知識遷移技術，只需 14 天資料即可快速建立適應新條件的模型。
中小製造業導入這套 AI 決策系統的成本大概是多少？
透過智慧診斷盒與無程式碼設計，建置成本已從過往傳統方案的 96 萬元大幅降低至約 20 萬元。
生成式 AI 在這次展示的製造業情境中有何實際用途？
生成式 AI 主要應用於設備健康管理，結合物聯網數據後，現場人員可以用自然語言向純地端 AI 查詢設備維運與廠務資訊，預測零件壽命。