生成式人工智慧(GAI)正在推動智慧製造的發展格局，成為企業追求數位轉型與生產效率提升的重要技術。自OpenAI開啟GAI熱潮以來，不僅技術迭有突破，更全面顛覆現代人的工作模式，即使在高度專業的工業製造領域，藉由GAI協助進行決策，在生產流程設計與自動化控制方面亦可有所發揮。近期DeepSeek的出現，更讓應用的門檻有機會降低，使企業得以可負擔的成本導入GAI，推動產業應用的普及。
工業技術研究院業務發展處副處長吳志平指出，過去企業若要導入大型語言模型，必須投入高昂的硬體設備成本，如今可能僅需百萬甚至數十萬元，就能建立專屬的GAI，運用企業內部知識庫訓練AI模型，強化產業專屬知識的學習與應用，使AI真正成為企業核心競爭力。
工業技術研究院業務發展處副處長吳志平指出，未來的工廠將不再只是製造中心，而是由AI驅動的智慧決策系統
AI的應用方式也正在從鑑別式轉向生成式。吳志平解釋，傳統的鑑別式AI主要用於分類和識別，例如瑕疵檢測、安全帽佩戴識別等，透過分類技術判定異常狀況。相較之下，GAI則聚焦於創造新內容，如自動生成設計方案、最佳化製程參數，甚至開發創新製造工藝。這項變革對智慧製造影響深遠，以往製造業高度仰賴經驗豐富的技師進行製程調整，而GAI則能透過數據驅動的方式提供最佳化建議。然而，他強調，在高精度、高安全性的製造環境中，AI生成的內容仍必須經過嚴謹測試驗證，以確保決策的準確性與可行性。
從檢測到生產決策應用GAI
台灣的高科技製造業早在GAI廣受關注前，就已開始在製程中導入AI技術。智慧製造產業顧問陳盈宏指出，GAI在產品缺陷檢測、設備維護自動化及生產計畫決策等領域已發揮重要作用。例如，傳統的瑕疵檢測需透過顯微鏡放大異常區域，由人工判讀缺陷並決定是否停機檢修。透過AI影像辨識技術，系統可自動分類與分析缺陷，大幅降低人力需求，提高檢測效率。
智慧製造產業顧問陳盈宏表示，運用AI即時分析銷售數據與市場需求，企業能夠動態調整生產計畫，確保產能最佳化
設備維護也是GAI可發揮關鍵價值的領域。過去設備保養需依賴技術人員逐一填寫工單，不僅耗時，還可能因人為疏忽導致錯誤或遺漏。如今，透過AI與雲端運算的整合，設備保養數據可即時同步，系統能自動記錄並更新維護歷史。此外，結合行動裝置輔助現場操作，能進一步減少重複填報作業，提高維護精準度與作業效率。
大語言模型實現Physical AI應用
ChatGPT等大語言模型的應用模式打破了人機互動的技術障礙，使企業能以自然語言進行會議記錄摘要、數據整理及決策建議。然而，吳志平提醒，在工廠內部應用GAI須特別謹慎。若AI生成的生產流程或機械操作指令出錯，可能造成重大損失，甚至影響產品品質與生產安全。因此，工業領域應用GAI時，必須經過嚴格的測試與驗證機制，確保AI決策的準確性與可執行性。
MetAI創辦人暨執行長余泰萬表示，透過AI驅動的數位孿生技術，能建構智慧與靈活兼具的生產模式，加速產業升級
近來，檢索增強生成(RAG)技術的發展，讓企業能更有效地引入GAI應用。吳志平指出，企業過去若要導入大語言模型，通常依賴如Llama等開源模型，但這些模型資料源龐大凌亂，無法直接滿足特定產業需求。RAG技術則提供了一種解決方案，透過結合內部知識庫與最新數據，AI可在生成回應前檢索相關資訊，進而減少幻覺(hallucination)並提高回應的可信度。這對於企業導入GAI至關重要，能確保AI輸出的內容更具產業專業性與準確度。
如今GAI的應用正在延伸至機器人控制與生產自動化。吳志平說明，人型機器人的運動控制通常需要人工撰寫大量程式碼，藉由GAI輔助自動生成最佳運動軌跡，提高其靈活性與適應性。
台灣本土新創公司MetAI，看重下一代AI發展趨勢將轉向「Physical AI」，涵蓋機器人、機械手臂等領域，自主研發利用GAI技術來自動建構數位孿生(Digital Twin)。MetAI創辦人暨執行長余泰萬說明，透過讀取2D CAD設計圖，AI能夠在短時間內生成完整3D模型，包括設備擺放、輸送帶運行方式、機械手臂作業模式等。並進一步整合AI訓練平台，使機器人能夠在虛擬環境中學習最佳運作方式。藉此可打破傳統產業導入自動化的障礙，讓企業能夠透過數位孿生與AI訓練，找到最適合自身需求的運作模式。