生成式 AI 在全球掀起狂潮，在製造場域可以導入運用哪些 AI 科技來解決什麼問題？還在學或已在職的人才可以預作什麼準備，來迎接未知的 AI 新未來？科技大觀園特別專訪美國哈佛大學比爾蓋茲講座教授暨臺灣人工智慧學校校長孔祥重，以及國立陽明交通大學產學創新研究學院院長孫元成，請兩位 AI 與高科技製造業領域的重量級學者一同分享他們的觀點見解。

美國哈佛大學比爾蓋茲講座教授孔祥重首先指出，AI 在製造業已經應用了一段時間，目前最普及的應用是利用影像辨識軟體檢測產品的外觀瑕疵，不過這類技術大多用在大量化生產，現在製造業逐漸走向少量多樣生產模式，如果仍沿用以往的技術，軟硬體成本會過高，「因此現在製造業使用 AI 的思維必須提升，賦予它更高價值。」例如在生產不同產品時，過去都由老師傅調整機台設備，由於老師傅的經驗不易轉換為數據資料，因此專業傳承有其難度，現在的 AI 則可以大量閱讀製造及產出上的數據，從而萃取其中意義，推導出製造及產出上的「武功密笈」，具備此一能力的 AI 就可以協助製造業者，快速因應市場競爭。

國立陽明交通大學產學創新研究學院院長孫元成也同意孔祥重的觀點，他表示 AI 已經成為趨勢，此技術不只應用在「設備賦能」，也可以為「人才賦能」，「你想想如果老師傅也懂 AI，他在職場上的價值會有多高？」除了個人外，孫元成也從產業面分析AI 對製造業的重要性，他提到現在各產業的生產技術快速精進，競爭壓力也越來越大，製造業必須透過新思維、新工具提升技術與產能，尤其是半導體製造更需如此。

孫元成指出，半導體製造技術與其他製造業有許多面向都一樣，差別只在於半導體的製程更精細、設備更昂貴，「現在一顆 IC 上的電晶體動輒數百億顆，製造工序數千道，半導體製造廠裡面的機台設備種類繁多，再加上已經成為常態的各種急單、插單，這些不同條件所產生的巨量排列組合已非人力或傳統軟體能負擔。」在此態勢下 AI 已經成為半導體製造的剛性需求，業者必須使用 AI 分析長期累積的數據，優化製程每一道環節、掌握設備的運作狀態，才能提升良率、品質、設備稼動率和半導體產業最重視的產能利用率。

除了製程優化，產品設計對 AI 的需求也越來越高。孔祥重提到，「AI 在這方面的應用已久，設計最難階段是從 0 到 1 的無中生有部分，這部分現在可以透過生成式 AI 解決，人要做的是出一個好主意，再用 AI 產出一個草圖設計。」另外設計效率部分，AI 也能發揮效益，在產品設計的模擬實驗中，現在常用的數值模擬方式速度太慢，如果其中關鍵處使用 AI 模型插補，就可提升效率。

孫元成對此持相同觀點。他以 IC 設計為例，負責設計、驗證 IC 功能的電子設計自動化（EDA, Electronic Design Automation）導入 AI 已是趨勢，「現在 IC 的電路結構越來越複雜，全部用電腦運算的話太慢，因此現在的做法是在關鍵部分使用 AI，不只提升效能也能省下運算資源，對企業的減碳非常有幫助。」

從上述產業現況可以看出應用 AI 提升產能已成必然趨勢，身處此一浪潮者，尤其是仍在校園中的大學生應該做好哪些準備？

對此孫元成指出 AI 就像開車或外語，都只是工具技能之一，活用此工具的前提是使用者必須先具備深厚的特定領域專業基礎。孔祥重也建議學生先打好基礎，不要覺得學好 AI 一項技能就能高枕無憂，未來的人才必須兼具學習力與創造力，他強調有深度的專業底蘊，才能發揮出 AI 的強大效能。

最後孫元成提醒年輕學子，無論時代如何變化，都要抱持終身學習、大膽嘗試、跨域創新的態度，才能創造自己的獨特價值，在競爭中脫穎而出。