圖靈學院內的文章包含三大主題：ESG浄零實驗室、AI實驗室及精實管理實驗室，我們會不定期分享相關主題之文章，也歡迎並對前述主題有興趣的學員投稿分享您的見解  (我要投稿)

圖靈學院創辦人 科楠老師的願景

製造業的新淘金時代：AI 如何引爆利潤新紀元與被忽視的「水管工程」

 

 

利創智能圖靈學院
科楠老師
2025-12-9

 

前言：從概念驗證到真金白銀

 

    如果說過去幾年製造業對人工智慧（AI）的態度還停留在「試水溫」和「概念驗證（PoC）」的階段，那麼 2025 年無疑是一個分水嶺。根據最新的產業動態，我們正見證一場前所未有的資本大遷徙。製造業的高階主管們不再只是談論 AI 的潛力，他們正在將將近一半的現代化預算押注在 AI 上。這不僅僅是技術升級，這是一場關於生存與利潤的豪賭。

 

    本文將深入剖析這篇題為《AI in manufacturing set to unleash new era of profit》（製造業 AI 將開啟利潤新紀元）的報導，解讀背後的數據訊號，探討所謂的「代理型 AI（Agentic AI）」如何重塑工廠決策，並直面那個房間裡的大象：為什麼在 AI 投資創新高的同時，工廠卻還在瘋狂囤積庫存？我們將揭開這場利潤革命背後的真相：光有聰明的大腦是不夠的，如果你的「水管」還是漏的。

 

資本的轉向：這是一場利潤保衛戰

 

    根據 Tata Consultancy Services (TCS) 和 AWS 聯合發布的《2025 面向未來的製造業研究報告》，數據令人瞠目結舌：88% 的製造商預期 AI 將至少為其營業利潤率貢獻 5%，而更有四分之一的受訪者預計這一回報將超過 10%。

 

    這是一個什麼樣的概念？在製造業這個傳統上利潤微薄、講究「一分錢一分貨」的行業裡，5% 到 10% 的利潤率提升簡直是天文數字。這解釋了為什麼 75% 的受訪者預期 AI 到 2026 年將成為營業利潤率的前三大貢獻者之一。

 

    為了追逐這誘人的回報，企業正在進行激進的資本配置。報告指出，51% 的轉型支出將在未來兩年內流向 AI 和自主系統。這一數字徹底碾壓了其他關鍵領域，例如員工再培訓（僅佔 19%）和雲端基礎設施現代化（16%）。

 

    這種「頭重腳輕」的投資策略是一個危險的訊號。當 CIO（資訊長）們將過半的預算砸向 AI 算法，卻只留不到兩成給雲端基礎設施和人員培訓時，他們實際上是在試圖於沙堆上蓋摩天大樓。這種對 AI 的「FOMO（錯失恐懼症）」式投資，反映了企業對現金價值的極度渴求，但也埋下了巨大的執行風險。如果基礎設施跟不上，再先進的演算法也只能是空中樓閣。

 

理想豐滿，現實骨感：「水管」還沒修好

 

    報導中有一個非常精闢的比喻：「錢到位了，野心到位了，但不幸的是，水管（基礎設施）沒到位。」這就是目前製造業 AI 轉型的最大悖論。雖然企業在智慧系統上揮金如土，但底層的數據基礎設施卻依然脆弱不堪。TCS 製造業務總裁 Anupam Singhal 雖然樂觀地表示 AI 能帶來「多倍的基礎實力」，但現實數據卻給了我們一記響亮的耳光。

 

數據會說話：信任危機

 

    當供應鏈中斷發生時，製造商的本能反應不是依賴他們花大錢建立的數位系統，而是回歸最原始的物理手段。

 

  • 61% 的組織增加了安全庫存（Safety Stock）。
  • 50% 選擇了多源採購（Multisourcing）。
  • 僅有 26% 使用數位分身（Digital Twins）進行情境規劃。

 

    這是一個極具諷刺意味的現象。49% 的受訪者聲稱 AI 的好處在於「動態庫存優化」，但現實中他們卻在「囤積庫存」。 正如報導所言：「供應鏈領導者買了法拉利，卻像開拖拉機一樣在開它。」

這揭示了一個核心問題：信任赤字（Trust Gap）。高層主管雖然在戰略上擁抱 AI，但在戰術上卻不信任 AI 給出的建議。當演算法建議「降低庫存」時，人類管理者因為恐懼供應鏈斷鏈，依然選擇「再多備一點貨」。這種行為模式若不改變，AI 投資的回報率將大打折扣。只要人類還在用「類比時代的對沖手段（Analogue Hedges）」來應對數位時代的風險，AI 就無法真正釋放其利潤潛力。

 

從「副駕駛」到「代理人」：Agentic AI 的崛起

 

    儘管基礎設施存在缺陷，但行業對於 AI 形態的演進有著清晰的共識：我們正在從「生成式 AI（Generative AI）」走向「代理型 AI（Agentic AI）」。

 

    什麼是代理型 AI？簡單來說，它不再只是給你建議的「副駕駛（Copilot）」，而是能夠在有限的人類監督下，獨立做出決策並執行任務的「代理人（Agent）」。

 

激進的自動化時間表

 

  • 74% 的製造商預計，到 2028 年，AI 代理將管理高達一半的日常生產決策。
  • 66% 的組織已經允許，或計劃在 12 個月內允許 AI 代理在無需人類簽字的情況下批准日常工單。

 

    AWS 汽車與製造業總經理 Ozgur Tohumcu 指出，這意味著從「簡單自動化」向「真正自主決策」的跨越。系統不僅能預測問題，還能適應變化並獨立採取行動。這一趨勢將根本性地改變工廠的權力結構。如果 50% 的日常決策交給 AI，那麼中層管理者的角色將面臨巨大的重新定義。這不再是關於「取代藍領工人」，而是關於「取代白領決策者」。然而，這也帶來了巨大的風險。如果一個能夠自動批准工單的 AI 代理，其依賴的數據是錯誤的（別忘了，只有 21% 的企業數據是完全準備好的），那麼它可能會以光速製造災難。這就是為什麼「代理型 AI」聽起來很性感，但實施起來卻需要極高的「數據治理」門檻。

 

勞動力轉型：誰受益，誰落後？

 

    關於 AI 是否會搶走工作的討論從未停歇，但這份報告給出了一個更細緻的觀察視角：目前是「增強（Augmentation）」而非「替代（Displacement）」。

 

    有趣的是，生產力的提升目前主要集中在知識密集型角色，而非傳統的生產線角色：

 

  • 品質檢測員（Quality Inspectors）：49% 看到收益。
  • IT 支援人員：44% 看到收益。
  • 維護技術員（Maintenance Technicians）：僅 29%。

 

    這打破了我們對「機器人取代流水線工人」的刻板印象。目前的 AI 革命，更多是發生在螢幕前，而不是傳送帶上。品質檢測和 IT 支援本質上是資訊處理工作，這正是當前 AI（尤其是大語言模型和視覺模型）最擅長的領域。而維護技術員需要處理實體世界的複雜性和非結構化問題，這依然是 AI 的短板（Moravec's paradox）。


    這也解釋了為什麼之前的預算分配中，人員再培訓的比例（19%）令人擔憂。如果 AI 率先改變的是知識型工作，那麼企業急需提升的是這些員工與 AI 協作的能力，而不僅僅是操作機器的技能。

 

擋在利潤前的三座大山

 

    既然前景如此美好，為什麼我們還沒看到遍地黃金？報導點出了阻礙 AI 變現的三大障礙：

 

1.  數據準備度（Data Readiness）： 這是最大的攔路虎。只有 21% 的製造商聲稱已「完全準備好」AI 所需的乾淨、情境化且統一的數據。 61% 的企業仍在部分準備就緒中掙扎，面臨工廠間數據標準不一、數據孤島林立的窘境。


2.  技術債（Technical Debt）： 54% 的受訪者將「與遺留系統的整合」列為主要障礙。 數十年的數位化積累，反而成了包袱。要把最先進的 AI 代理疊加在 90 年代的老舊運營技術（OT）上，難度堪比給老爺車裝噴射引擎。


3.  安全與治理（Security & Governance）： 52% 的工廠層級障礙來自安全考量。 在製造業，一次網路物理系統（Cyber-physical）的漏洞不僅意味著數據洩露，更可能意味著生產線停擺甚至人員受傷。這種高風險環境讓企業對「自主干預」保持極度謹慎。

 

戰略建議：如何將投資轉化為利潤？

 

    面對這些挑戰，C-Suite（最高管理層）該如何破局？報導最後給出了非常務實的建議，這也是我認為本文最有價值的部分：

 

1. 先修數據，再談算法（First, fix the data）


    不要迷戀最新的模型。如果只有 21% 的數據是可用的，那麼當務之急是數據現代化。沒有乾淨、統一的數據，那些關於「可持續發展」和「預測性維護」的高價值用例根本無法擴展。這需要耐得住寂寞，做那些不性感但至關重要的「清洗工作」。

 

2. 分階段的自主權（Staged Autonomy）


    信任是建立出來的，不是宣布出來的。依靠安全庫存表明了信任的缺失。解決方案是「分階段」釋放自主權。先從風險較低的行政任務（如工單審批）開始——正如那 66% 的先行者所做的那樣——然後再逐步過渡到複雜的供應鏈決策。讓人類看到 AI 在小事上靠譜，才敢在大事上放手。

 

3. 拒絕單一供應商鎖定（Avoid the monolithic trap）


    架構師們正在用腳投票。63% 的製造商傾向於混合或多平台策略，只有 13% 願意將命運綁定在單一基礎平台上。這不僅是為了議價能力，更是為了敏捷性。AI 領域發展太快，綁定一家供應商可能意味著明年就落後了。多平台策略（33% 計劃使用多個平台原生代理）能讓企業保持靈活。

 

結語：回歸本質的競爭

 

    《AI in manufacturing set to unleash new era of profit》這篇文章給我們最大的啟示在於：AI 的競爭，歸根結底是管理的競爭。我們看到了一個清晰的願景：利潤率提升、自主代理人接管工廠、決策效率飛躍。但我們也看到了一個混亂的現實：數據支離破碎、基礎設施陳舊、管理者口是心非（嘴上喊 AI，手裡囤庫存）。

 

    對於製造業的決策者來說，現在不是被「AI 泡沫」嚇退的時候，也不是盲目跟風的時候。這是一個需要「回歸本質」的時刻。真正的利潤新紀元，不會屬於那些購買了最昂貴 AI 模型的公司，而會屬於那些願意彎下腰來，把數據治理好、把舊系統整合好、並建立起人機信任文化的企業。

 

    未來的贏家，將是那些懂得「在開法拉利之前，先鋪好賽道」的人。AI 投資不應只是 51% 的預算數字，它更應該是一場關於數據清潔度、系統整合力和組織信任度的全面戰役。只有贏下這場戰役，那 5% 到 10% 的利潤率增長，才會從 PPT 上的預測，變成財報上的真金白銀。

 

 

參考資料
Artificial Intelligence News 2025 年 12 月 3 日報導《AI in manufacturing set to unleash new era of profit》。