文／林建甫
台灣製造業正處於一個關鍵的十字路口。半導體的成功固然讓台灣在全球產業鏈中佔有一席之地，但更廣泛的製造領域卻面臨技術斷層、人才流失與升級壓力。此刻，人工智慧（AI）的投入不只是追趕潮流，而是保存工業底蘊、提升競爭力、推動永續發展，並培養新一代跨界人才的必要之舉。
台灣製造業的底蘊在於一代代師傅累積的工業直覺與非標準化經驗。在傳統機械加工廠，老師傅只要聽到車床或銑床的運轉聲，就能判斷刀具是否磨損、進給速度是否過快，甚至能預測工件表面會不會出現粗糙或震紋。在傳統金屬鑄造業，老師傅往往能憑著「看火色、聞氣味」來判斷爐內溫度與金屬液態的狀態，精準掌握金屬最佳澆鑄時機。他們甚至能在模具灌注的瞬間，憑手感與流速判斷成品是否會有氣孔或裂縫。在塑膠射出成型產業，老師傅憑著多年經驗，僅憑模具開合的聲音與成品的光澤，就能調整溫度與壓力，確保產品尺寸精準、外觀無瑕。這些智慧往往難以寫入手冊，只能靠師徒相授。然而隨著人口老化與產業轉型，這些隱性知識正面臨流失危機。
AI的真正價值，不在於炫技，而在於能將這些經驗數位化，轉化為可複製、可傳承的資產。最新學界提出的工業時序控制大模型，正是將師傅的操作經驗轉化為演算法，讓工業智慧得以永久留存。台灣要建立類似系統，不僅能保存工業底蘊，更能在全球競爭中展現獨特優勢。這意味著AI不能只是冷冰冰的技術，而要成為智慧的橋梁，把非標準化的經驗轉化為可運算的知識，避免技術斷層，延續台灣工業精神。
同時，台灣必須推動「前沿部署工程師」（Frontline Deployment Engineer, FDE）模式。傳統研發人員多半停留在辦公室或實驗室，與工廠現場存在距離。中國大陸提出的FDE模式，強調工程師必須同時具備AI技術能力與工藝認知，並深入製造現場，直面產業痛點。這種跨界人才既懂演算法，也懂工業流程，才能真正推動AI落地。台灣若要升級，必須培養類似的跨界人才。這不僅是技術問題，更是教育與產業政策的挑戰。
與此同時，高等教育應打破理論與實務的隔閡，讓學生能在工廠現場學習，並與AI技術結合。政府也應提供政策支持，鼓勵企業建立「AI+工業」的實驗場域，讓FDE模式在台灣落地。「AI+工業」不只是技術疊加，而是透過AI驅動的數據分析與模型建構，讓工業流程更靈活、高效、永續。唯有讓工程師真正扎根現場，AI才能不再是空中樓閣，而是解決真實問題的工具。
更深層來看，AI的導入不僅是技術革新，更是一種產業文化的重塑。它要求企業從上到下改變思維，從追求短期效率轉向長期智慧積累，從單一技術導入轉向系統性整合。唯有如此，台灣才能真正建立「智慧製造」的典範，並在全球供應鏈重組的浪潮中，展現持續的韌性與創新力。
AI與製造業的融合，不是概念炒作，而是產業升級的必經之路。台灣製造業若要持續保持競爭力，必須讓AI成為經驗智慧的傳承者，並推動前沿部署工程師模式。這不僅能保存工業底蘊，更能培養新一代跨界人才，讓台灣製造業展現新的動能。台灣不能只依賴半導體的光環，而要讓AI深入每一個生產場景，解決每一個產業痛點。唯有如此，台灣才能在全球製造業的浪潮中找到屬於自己的定位，並以智慧與底蘊，開創新的未來。
