随著消费端走向客制自主消费、制造端面临缺工问题日甚，促使制造业须具备能适应快速多变且多元环境的能力，制造系统变得较过往而言更加复杂。而拜新技术成熟发展所赐，制造业现今可藉由部署先进的感测技术并结合AI演算法、引入机器人等科技，进而提高资讯可视化及系统可控性，进一步推升工业4.0智慧制造的发展。根据TrendForce旗下拓墣产业研究院预估，2022年全球智慧制造的市场规模将会逼近3,700亿美元，年复合成长率达10.7%。

奠基于虚实整合的基础，智慧制造在应用端相当多元，从规模较大的智慧工厂、智慧供应链、现场灾害回复，乃至自动物流车、简易型机器手臂等皆是使用案例。综观2019年产业动态与德国汉诺威工业展(Hannover Messe)等指标性活动，现行智慧制造以协作机器人(Cobot)、数位双胞胎(Digital Twin)、预测性维护(PdM)、无人机、制造执行系统(MES)、AI应用等为发展焦点，Universal Robots、Siemens、STMicroelectronics、Xilinx、GE等厂商亦持续推陈出新强化布局。

Edge AI降低运算资源，成为预测性维护重要基础

鉴于智慧制造带出的庞大数据量将排山倒海涌向企业，延迟性与频宽成本已让制造业从云端技术逐渐转向边缘运算。而数据海量化、分析精准化以及硬体高效化等三大驱动力也使AI从云端往终端设备迈进，推升边缘结合AI的趋势。

Edge边缘运算处理是具地缘关系的AI运算，透过于靠近数据产生源处进行收集处理，并结合参数学习等AI技术让设备能做到缺陷即时侦测、使用状况预判等用途，让机器不需时时联网、减少运算资源，仍能具备部分决策力与即时反应力，成为预测性维护的重要基础，同时亦可强化工业机器人的即时协作。而将资料留在当地取代回传云端，也更能满足制造业提升数据资安与隐私的需求。

晶片是台厂切入Edge AI最佳著力点，中小企业灵活弹性成竞争优势

智慧制造与Edge AI的连结为制造业带来即时决策、降低成本、营运可靠及提高安全等优势，也使精密机械蜕变为名副其实的智慧系统。现行从晶片大厂NVIDIA、Intel、Qualcomm、NXP，乃至云端龙头AWS、Google、Microsoft等皆积极投入该领域。台厂若要切入Edge AI的市场，考量产业优势及政府资源挹注，晶片仍是最好发挥的著力点，并成为串连上下游厂商的发动机。

从自动化到智动化，TrendForce指出，工业4.0的浪潮持续推动企业数位转型，物联网、大数据、机器人等技术也成为打造智慧制造的重要节点。然而，不论是工业物联网布建、智慧制造的导入、抑或智慧工厂的建置，由于耗时较长且所费不赀，对企业而言皆非一蹴可几，在布署及执行过程中可透过工业物联网联盟(IIC)等组织提出的工具来评估自身的成熟度，进而调整步调与方向，如根据基础设施的完成度来选择被动性维护、预防性维护、以及预测性维护的采用。

此外，由于许多非数位原生的传统制造业是透过数位工具导入及异业整合等方式实施智慧制造，故若企业拥有可跨域整合、更敏捷灵活因应生态系等优势，将较易切入大厂供应链或与其合作。台湾中小企业具备充足的产业知识及适应弹性，当数位化时代挖掘出更多顾客痛点时，大厂不愿做且小厂做不来的市场便能让其挟竞争优势一展身手。