前言：這場論壇說了什麼？
2026年4月底，科技橘報（TechOrange）在台南舉辦「2026 AI 智慧大工廠」系列論壇南場。來自鴻海、達梭系統（Dassault Systèmes）與新創公司耐思尼（Nexuni）的三位講者，從製造業第一線的視角，分享了一件事：機器人正在從「聽指令動作」進化為「自己思考、自己處理狀況」。
這不是科幻小說，而是已經在全球大型工廠內發生的現實。對台灣五金與機械零件製造商而言，這個趨勢的意義不只是「要不要買機器人」，而是「你的競爭對手已經在導入了，你還在等什麼？」
以下整理三場演講的核心內容，並附上對台灣製造業的實際意義。
第一講｜鴻海：機器人要怎麼學會「看情況處理」？
講者：郭錦斌（鴻海科技集團）
工廠裡最需要機器人的三個地方
鴻海點出三個急需自動化的場域：
- CNC 加工車間：環境單調、長時間重複，深圳廠原本需要80人以上操作，目標以機器人取代8至9成人力
- 護理照護：全球護理人力缺口高達590萬人，重複性護理工作佔每班次40%以上
- 手機精密組裝的最後一哩：最細緻的組裝步驟仍需靠人手完成，是目前自動化最難突破的環節
這三個場域有一個共同特點：重複、高風險、或人力嚴重不足。 這也是台灣五金零件製造業長期面臨的痛點縮影。
Physical AI 是什麼？用三個字理解
鴻海將這一代的工業機器人技術稱為「Physical AI」，簡單說就是：感知 × 決策 × 執行。
機器人不只是「照程式跑」，而是能夠感測環境、判斷狀況、調整動作——就像一個有一點點判斷力的工人。
鴻海將其分為三個等級：
| 等級 | 特性 | 舉例 |
|---|---|---|
| Level 1 | 動作固定、簡單 | 固定路徑搬運、鎖螺絲 |
| Level 2 | 可以辨識場景、彈性調整 | 視覺辨識零件位置後再夾取 |
| Level 3 | 複雜任務、高度應變 | 遇到異常狀況自動重新規劃 |
台灣多數工廠目前還在 Level 1，Level 2 正在快速普及，Level 3 是未來三至五年的發展方向。
機器人怎麼學習？先在虛擬世界練功
鴻海與 NVIDIA 合作，採用「數位孿生」（Digital Twin）的方式訓練機器人：先在電腦模擬的虛擬工廠裡反覆練習，確認沒問題後再部署到真實產線。
這個流程分五個步驟：
- 建立工廠的3D虛擬環境
- 在虛擬環境中讓機器人模擬操作
- 用AI強化學習訓練機器人的「大腦」
- 透過真人示範操作來採集真實動作數據
- 確認後部署到實體工廠
最大的挑戰是什麼？數據太少。 語言AI有數兆筆文字資料可以訓練，但機器人的動作資料極度匱乏。虛擬訓練加上真人示範操作，是目前最務實的解法。
對台灣五金零件廠商的意義
鴻海這套做法說明了一件事：導入機器人的最大門檻不是錢，而是訓練資料和場域整合。 台灣中小型工廠若要切入這個市場，提供「模組化、標準化、容易整合」的零件與設備，比提供最便宜的零件更有長期價值。
第二講｜達梭系統：用「虛擬工廠」提前發現問題
講者：陳哲基（Dassault Systèmes）
核心概念：先在電腦裡做一次，再到工廠做一次
達梭系統是全球最大的工業設計軟體公司之一，旗下的 CATIA、SOLIDWORKS 是台灣機械與模具業最常用的設計軟體。
他們在這場演講提出的核心主張是：Virtual Twin Experience（虛擬孿生體驗）——意思是在電腦裡建立一個與真實工廠一模一樣的虛擬版本，所有新製程、新設備、新機器人都先在虛擬環境驗證，確認沒問題才到實體工廠部署。
這樣做的好處很直接：減少試錯成本、縮短調機時間、提早發現設計問題。
三項關鍵技術能力
達梭的技術平台提供三項具體能力：
- 點雲掃描轉數位模型：用3D掃描設備掃描既有工廠設備，自動建立可計算的數位資產，不需要重新畫圖
- 圖紙轉3D模型：把舊版紙本的2D圖紙用AI轉換成3D模型，大幅降低數位化成本
- 隱性知識數位化：把資深師傅多年累積的「經驗訣竅」轉化為AI可以理解與傳承的格式
人形機器人進工廠，達梭能做什麼？
達梭的 DELMIA 製造管理平台，可以在人形機器人正式上線前，就在虛擬環境裡模擬它的每一個動作，確認路徑安全、不會碰撞、符合製程要求後，才讓機器人真正到產線上工作。
對台灣五金零件廠商的意義
如果你的客戶是汽車、航太或電子大廠，他們很可能已經在使用達梭的平台。能夠提供符合數位孿生規格的零件資料（3D模型、公差、材料數據），會成為未來取得認可供應商資格的重要條件之一。
第三講｜耐思尼：讓 AI 機器人在工廠裡自己想辦法
講者：陳江川 總經理 Tony Chen（耐思尼股份有限公司）
為什麼是現在？三個技術條件同時成熟
陳江川說明，AI 機器人從「研究室」走向「工廠量產」，是因為三項關鍵技術在2024至2025年同時成熟：
- AI大腦（大型語言模型）爆發：ChatGPT、Claude等工具讓機器人有了理解指令的能力
- 視覺與動作整合：機器人能夠「看到東西、理解它、再做出對的動作」，整個流程打通
- 虛擬訓練成本大幅下降：過去訓練一個機器人動作要花天文數字，現在透過模擬器已降到可負擔的範圍
機器人進化史：從「照做」到「自己想辦法」
| 世代 | 年代 | 特性 | 適合任務 |
|---|---|---|---|
| Robot 1.0 | 1960年代起 | 固定程式，照指令動作 | 重複、結構化工序 |
| Robot 2.0 | 2010年代起 | 協作機器人，感測力道、人機共工 | 彈性較高的組裝 |
| Robot 3.0 | 2020年代起 | AI自主判斷，遇到狀況自己處理 | 複雜、非結構化任務 |
台灣工廠目前以 Robot 1.0 與 2.0 為主，Robot 3.0 已開始在特定場域試點。
三個已經在台灣及海外工廠落地的實際案例
案例一：自主巡檢機器人
痛點：高溫、高空、有毒氣體的環境，人工巡檢風險高、成本也高。
解法：24小時不間斷自主巡檢，發現異常立即通報，不需要人進入危險區域。
案例二：自主焊接機器人
痛點：資深焊工嚴重短缺，技術傳承困難，傳統機器人焊接需要逐一「示教」（手把手帶著機器人做每個動作），耗時且彈性差。
解法：機器人自己用視覺辨識焊縫位置，自動規劃焊接路徑，不需要逐一示教。
案例三：高空作業機器人
痛點：高樓外牆清洗等高空作業，墜落風險高，品質也因人而異。
解法：用自然語言下指令（說話或打字），機器人自動避開障礙、規劃路徑，全天候無人化施工。
對台灣五金零件廠商的意義
這三個案例背後，都需要大量的機構零件、感測器安裝支架、防水防塵結構件、精密傳動零件。台灣五金零件廠如果能提前了解這些新型機器人的零件需求規格，在客戶設計階段就進入供應鏈，比等到量產才報價更具競爭優勢。
三場演講的共同結論
| 趨勢 | 說明 |
|---|---|
| 虛擬孿生已是標準配備 | 不論鴻海還是達梭，「先虛擬練功、再實體部署」已是主流共識 |
| 機器人最缺的是訓練資料 | 動作資料的稀缺是 Physical AI 目前最大的發展瓶頸 |
| 訓練成本大幅下降 | 虛擬模擬讓導入門檻快速降低，中小型工廠開始負擔得起 |
| 從自動化到自主化 | 機器人不再只是「照做」，而是開始能夠「自己判斷」 |
| 人才與合規同樣關鍵 | 技術不是唯一門檻，應變能力與安全合規同樣不可少 |
享美企業的觀察：這對台灣零件廠的實際影響
這場論壇最大的啟示，不是「機器人很厲害」，而是：工廠的採購規格正在改變。
將來的採購需求正在從「便宜好用的標準零件」轉向「能整合進智慧產線的精密零件」。這對台灣五金與機械零件廠商意味著三件事：
- 零件規格要文件化：客戶會要求3D模型、公差數據、材料認證，而不只是紙本規格書
- 少量多樣的彈性供應能力比價格更重要：機器人產線測試期間需要頻繁調整零件，很多廠商提不起這層需求
- 認證與文件合規要提前布局：ISO認證與產地合規文件的完整性，是進入機器人供應鏈的基本門票
享美企業持續追蹤全球製造業技術趨勢與供應鏈動態，協助客戶在採購決策與產線規劃上做出更有依據的選擇。歡迎聯繫享美企業，討論您的零件規格需求與供應鏈升級規劃。