專訪：沈貝怡
撰稿：李昀蔚

現在，無論是新創、成熟企業，或是正在尋找轉型方向的傳統產業，都開始思考如何把 AI 放進產品、服務與內部流程之中。然而，對台灣產業來說，如何把握 AI 帶來的新機會？挑戰又有哪些？本集《全新一週》邀請到 Appier 沛星互動科技共同創辦人暨執行長游直翰，深入剖析企業導入 AI Agent 的具體路徑，以及未來 AI 競爭重點。

作為台灣少數很早就投入 AI 商業化、並帶領公司走向全球市場的創業者，游直翰回憶，2012 年到矽谷向知名創投簡報時，他在簡報第一頁寫著「我們是一家 AI Company」，投資人卻直接告訴他：「沒有這種公司。」然而，十多年後市場已經完全反轉，現在幾乎每家公司都說自己是 AI 公司，新創若不做自動化與 AI，反而會被認為少了競爭力。

面對當前狂熱的 AI 市場，投資人最擔心的是：大模型會不會直接取代一家公司的核心功能？對此，游直翰指出，AI 新創或企業若要建立護城河，不能只是把應用建立在通用大模型上，而是必須找到特定場域，把垂直能力做深，並建立「資料、模型與營收成長」之間的循環。

導入 AI Agent 的挑戰：「可靠度」與「容錯成本」

隨著 AI 逐漸進入企業流程，游直翰看見的真正挑戰是「可靠度」。在個人使用情境中，人們熱衷嘗試各種 AI 工具，但當 AI 進入企業部署，領導者關心的問題就會轉向 AI 對公司的理解程度、如果 AI 犯錯可能造成的損失等，這些擔憂，也直接影響企業計算 AI 投資報酬率（ROI）的方式。

游直翰以 Appier 熟悉的廣告場景為例，說明系統會使用生成式 AI 針對不同消費者生成專屬的行銷文案，但若 AI 對折扣資訊判斷錯誤，把原本只打 10% 折扣的熱銷商品誤植為 20% 折扣，就可能對客戶造成巨大損失。這也是為什麼，每家公司都必須清楚定義 AI 服務客戶的界線，明確規範哪些問題不能回答，以及何時必須轉交人類介入處理。

AI Agent 必須具備自省能力、風險計算與持續學習

游直翰分析，未來企業內部會充滿各式各樣的 AI Agent，有的負責影像與影片生成，有的專精數據分析，有的則協調行銷與客服流程。在這樣的趨勢下，真正有趣且困難的挑戰，將會出現在「AI Agent 如何彼此協作」這件事情上。

游直翰用人類團隊作比喻，表示最好的團隊不是每個人都無所不能，而是大家都知道自己擅長什麼、不擅長什麼，懂得何時該往前推進、何時該向別人求助。然而，現在許多 AI Agent 因為底層是「機率模型」，往往處於「有求必應、有問必答」的狀態，即便答案機率極低，仍可能給出看似合理卻錯誤的回應，帶來幻覺風險。

為了解決這個問題，Appier 正投入大量研究，致力於讓 AI Agent 具備自我認知、風險評估與持續學習能力。游直翰說明，首先是培養 AI Agent「自我反省（Self Reflection）與風險計算」的能力，由於企業決策本質上是機率問題，因此未來的 AI Agent 在採取行動前，必須先評估成功機率與失敗成本。「大家其實在訓練的時候，蠻在乎 Agent 有沒有完成某些事情，卻比較少衡量 Agent 完成某件事情的機率是多少，」游直翰指出，如果在訓練模型時，能將「機率訊號」與答題結果一起納入，AI Agent 就能具備風險意識，知道自己在哪些範疇有把握，並將潛在的失敗風險一併納入 ROI 計算。

同時，游直翰強調，若要讓 AI Agent 知道自己的能力邊界，必須以「低成本」為前提。如果只是為了降低 0.1% 的錯誤，而消耗海量 token，反而會讓企業導入 AI 的效益與 ROI 變差。

此外，AI Agent 也需要具備克服「遺忘」的持續學習力。游直翰指出，AI Agent 在學習新技能時，常會發生因為學了新知識而忘記舊技能的狀況，為此，Appier 嘗試先透過 LLM 將新概念重新拆解、轉化為模型更容易吸收的形式後，再進行訓練。這就如同優秀的補習班老師幫學生拆解困難考題，以確保 AI Agent 能跟隨企業不斷推陳出新的概念持續成長，而不會顧此失彼。

企業成功導入 AI 的三大關鍵

至於企業如何避免 AI 導入失敗？游直翰觀察，成功的企業通常具備三個共通點。首先，企業必須擁有非常明確的目標，在導入前就清楚定義 AI 要解決哪一個工作流程的問題，並確認這項改變究竟是為了增加營收還是減少成本。

其次，設定的目標必須合理。相較於許多老闆對 AI 抱持如「下個月營收暴增 50%」這類不切實際的期待，真正成功的案例往往是設定每次改善 2% 的合理目標，透過長期累積來形成複利效應。若一開始目標設定太不切實際，團隊很快就會發現專案不可行，容易在頻繁轉換方向的過程中造成內耗。

最後，則是必須對齊 KPI，因為只有在目標確立後，企業才能明確知道需要具備何種能力的 AI Agent 來達成任務。

在評估效益時，游直翰特別強調，衡量 AI 導入成效的標準不該只看「燒了多少 token」這個分母，而是要著重於「產出多少可用的價值與回報」這個分子。這也代表，未來企業間的 AI 競爭，比拚的將是「AI ROI」，也就是會仔細評估每一筆運算投入，是否真的能運用最少的 token 做出最好的結果，進而幫助企業賺取更多利潤。

對話式商務與「萬物皆 Agent」的未來新生態

談到未來的應用布局，游直翰非常看好行銷領域的 AI 革命。過去，廣告是先做好靜態的圖文影音再拿去投放，但未來的模式將轉變成「對話式商務」，也就是在消費者看到廣告的瞬間，AI 就即時生成專屬內容，讓每一個廣告版位都化身為與消費者對話的 AI Agent。

更廣義來看，隨著運算成本下降，未來萬物都可能具備 AI Agent 的能力。游直翰強調，過去半年市場談論的軟體升級，某種程度上只是把 AI 當作新的操作介面（UI），但「其實未來還有非常多可以發揮的空間，讓萬物與人類、Autonomous Agent 共存，形成一個全新生態系的共同體，這就是我們所期盼看到的未來世界，」游直翰形容，這就是 Agentic AI 從單一工具，走向企業級全自動化的終極願景。 

歡迎大家訂閱「科技報橘」YouTube 頻道，一起用《全新一週》節目，來迎接全新的一週！

專訪：戴季全
撰稿：李昀蔚

算力即國力，已經成為 AI 時代最常被討論的一句話。然而，在大型語言模型、AI Agent 與 Physical AI 快速發展背後，真正限制算力擴張的，可能不是晶片，而是電力。當 GPU 功耗持續升高，AI 資料中心的用電、散熱與能源轉換效率，正在成為新一代 AI 基礎設施的核心戰場。

本集《全新一週》特別專訪台達電源及系統事業群副總經理鄭謝雄，從 NVIDIA GTC 大會上備受關注的台達 800 VDC 方案談起，拆解 AI 資料中心為何必須重新設計電力架構，以及台達如何從「Grid-to-Chip」（從電網到晶片）角度，整合電源、液冷與數位孿生，回應 AI 算力爆發帶來的新挑戰。

為什麼 AI 資料中心需要 800 VDC？關鍵在 GPU 功率暴增

所有電源架構的改變，根本原因都來自 GPU 功率不斷提升。從 H100、H200，到 Blackwell，再到 Vera Rubin，GPU 功耗已從過去約 700 至 800 瓦，提升到 1,200 瓦，未來 Vera Rubin 世代甚至可能來到 1,800 至 2,300 瓦。

當 GPU 被整合成運算模組，再進一步放入 AI 伺服器機櫃後，整櫃功率也會快速上升。以 NVIDIA GB300 架構為例，過去一個機櫃功率約 120kW，但到了 Vera Rubin 世代，可能上升到 300 至 400kW。這也代表傳統以 50V 架構設計並透過匯流排（Busbar）供電的電力配送方式，將會遇到嚴重瓶頸。因為若機櫃維持 50V 供電，匯流排電流可能超過 2,000 安培，不僅會讓設備變得龐大笨重，更會因 I²R 效應大幅增加損耗並產生高熱。

「要解決這個問題，從公式跟技術上的角度來看，就是我們把電壓往上提升，那我的電流就會下降，損耗就會相對地往下降，這除了解決匯流排必須做得很龐大的問題、解決熱之外，對於整個資料中心的 PUE（能源效率指標）也有正面的改變，」鄭謝雄表示，800 VDC 並非單純把電壓拉高，而是 AI 機櫃功率進入數百 kW 等級後，電力架構必須面對的系統性升級。

從 AC 到 DC：AI 資料中心為何要減少能源轉換級數？

除了機櫃內部的電力配送，另一個關鍵痛點是資料中心從「電網」到「伺服器」之間的能源轉換耗損。目前全球電網基本上仍以交流電（AC）為主，但伺服器最終使用的是直流電（DC）。因此當電力進入資料中心後，必須經過多層直流電與交流電的轉換，而每一次轉換都在消耗寶貴的能源。

為了將損耗降到最低，台達提出「Grid-to-Chip（從電網到晶片）」的直流資料中心思維。鄭謝雄分析：「我們從整個電網到資料中心裡面的伺服器需求，分析在什麼階段可以做什麼樣的改變去提升效率，可以讓我們的轉換級數降到最低，然後讓效率提升到最高。」

台達的 800 VDC 方案可讓能源效率提升 4%，整體能效達到 92%。為了讓聽眾具體理解這 4% 的驚人價值，鄭謝雄以未來一到兩年將出現的 1GW 級別資料中心為例，說明 1GW 約等於台灣 210 萬戶家庭用電需求，相當於台灣全年電力需求約 3%，或台積電全年用電量約三分之一。如果整體能效可以提升 4%，一年約可節省高達 87 億度電，「如果以台灣的電費來算，一年可以省下 13.5 億元，如果用大安森林公園的吸碳量來算，大概接近 380 座大安森林公園的吸碳量，」鄭謝雄說。

SST 與微電網如何支撐 800 VDC 直流資料中心？

要實現 800VDC 架構，背後仰賴的是新電源拓樸、新一代半導體元件，以及台達長年的電源轉換經驗。其中，鄭謝雄特別點出「固態變壓器（Solid-State Transformer, SST）」扮演了革命性的角色。

相較傳統變壓器，SST 體積約可減少 30% 至 40%，重量明顯下降，更重要的是能避開傳統變壓器長達兩到三年的交期瓶頸。透過 SST，電力有機會從 13.5kV 電網直接轉換成 800 VDC，一路送到伺服器機櫃，大幅減少轉換級數。

此外，這套直流系統也契合美國近期的「自己發電（Bring Your Own Generation）」微電網趨勢。當電網無法滿足資料中心龐大的用電時，太陽能、風能、氫能與儲能電池所產生的綠能「都是直流電」，同時 SST 轉換輸出的也是直流電，這讓台達能透過微電網技術，在資料中心區域內將綠能與電網無縫結合，實現能源的最佳化供給。

AI 資料中心進入液冷時代，台達如何讓散熱匹配 800 VDC？

隨著單一 GPU 功耗狂飆，液冷（Liquid Cooling）逐漸成為必然方向。台達的液冷解決方案涵蓋冷板（Cold Plate）與冷卻分配單元（CDU），並針對不同場域，提供適用於既有空冷機房的 Air-to-Liquid（水在機櫃內循環），以及適用於新建水路資料中心的 Liquid-to-Liquid 架構。

至於液冷設備要如何與 800 VDC 搭配？鄭謝雄給出了一個非常直觀的答案。因為 CDU 本身也是用電設備，當 AI 伺服器採用 50V、400V 或 800 VDC 時，台達的 CDU 就能直接吃相同規格的電力。「對我們來講都是同樣的技術，我只是把這技術放在 AI 伺服器裡面，還是放在我的液冷設備裡面，所以我們可以很容易地搭配不同的電力架構，」鄭謝雄說。

COMPUTEX 2026 現在進行中！最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展

用 Omniverse 先驗證散熱與能效，降低 AI 資料中心建置風險

當資料中心同時面對高功率用電、液冷水路與微電網，系統複雜度呈現指數級上升。為了精準掌握機房狀況，台達與 NVIDIA Omniverse 展開合作，建構數位孿生（Digital Twin）系統。

過去要評估高功率機房的建置風險極高，鄭謝雄直言：「在沒有 Omniverse 之前，我們很難瞭解到第一個熱來自於哪裡、哪邊是最主要的熱區，接下來我需要多少的冷卻能力才能解決熱的問題。」

如今，台達不僅能在 Omniverse 的虛擬環境中先模擬設備解熱能力與 PUE 目標，更因為台達擁有「實體產品」，當虛擬模擬的方案搬進實際場域驗證時，兩者的落差非常小，大幅提升客戶信任度。

AI 算力需求還會再升級，台達從產能到平台解方迎戰下一波競爭

展望未來，鄭謝雄指出，算力需求的暴增可以從「Token」的角度來理解。過去兩三年市場著重於大語言模型的訓練（Training），但從去年開始，推論（Inference）需求快速湧現，加上今年 NVIDIA GTC 大會上黃仁勳談及的 Agentic AI（代理 AI），甚至預期未來 3 到 5 年後將邁向 Physical AI（物理 AI），這些趨勢都代表能源與功率需求將持續往上攀升。

面對這波強勁的成長，台達從兩個層面展開全球佈局。在產能上，因應地緣政治影響，台達持續調整過去以中國為主的比重，除了大幅擴增泰國產能，也開始在美國建立「系統 Level」的生產製造能力。在產品演進上，台達已從提供單一零組件，全面升級為整合內部多項產品、提供終端客戶「Total Solution（全方位解決方案）」的系統級供應商。

鄭謝雄坦言：「這個市場持續的成長，對我們來講是一個機會，那也是一個挑戰。因為這個速度太快了，怎麼確保我們技術、品質、生產、製造，甚至多個據點的生產可以符合市場上需求，也是我們重要的課題。」

為了解決這項挑戰並滿足多樣化的市場需求，台達精準地將自身定位為「平台解決方案（Platform Solution）供應商」。鄭謝雄觀察，隨著 AI 產業的發展，GPU 市場將從過去 NVIDIA 佔據 95% 的絕對優勢，逐漸走向多供應商與雲端服務供應商（CSP）自研 ASIC 百家爭鳴的態勢。

因應這樣的趨勢，在今年 COMPUTEX 展會上，台達不僅將展出搭配 NVIDIA 最新的解決方案，也會推出 OCP（開放運算計畫）平台方案。透過從電力、散熱（Cooling）到板端元件的全面整合，台達的目標是協助終端客戶在設計 AI 產品時找到最佳解方，持續在這場全球算力軍備競賽中，扮演最堅實的基礎設施後盾。

歡迎大家訂閱「科技報橘」YouTube 頻道，一起用《全新一週》節目，來迎接全新的一週！

專訪：戴季全
撰稿：李昀蔚

在鴻海邁向「九兆帝國」的藍圖中，機器人不只是新事業，更是鴻海科技集團董事長劉揚偉押注的下一個關鍵轉型引擎，而這個最前沿的新戰場，被交到鴻海集團歷史最悠久的 C 事業群，以及擁有 50 年歷史的廣宇科技手上。

本集《全新一週》邀請到鴻海 C 事業群負責人兼總經理、廣宇董事長李光曜，解析廣宇如何從傳統製造基因切入最前沿的機器人戰場，並透過生態系合作，在美國 AI 大腦與中國硬體之間，找到台灣最有利的位置。

機器人產業還在戰國時期，廣宇從線束老本行找到轉型切入點

「廣宇本來的專長是做線束，所以我們不可能今天做線束，明天就去開飯店，這太遠了，」李光曜分享，廣宇尋找轉型方向時，並不是拋棄原有能力，而是從線束往相近產業尋找機會。後來他們發現，馬達與線束高度相關，因為馬達裡也有大量銅線繞組、矽鋼片與電子零件，這與廣宇既有能力非常接近。

但如果只做馬達，要賣給誰？這個問題讓廣宇把轉型思考再往前推。李光曜指出，機器人會使用大量馬達，因此廣宇最後把方向從「做馬達」推進到「做機器人」。「你問現在機器人哪個品牌最大，沒有人答得出來，」李光曜形容，這代表市場還在「戰國時期」，尚未出現絕對領先者，也意味著仍有切入機會。

對廣宇而言，背後有鴻海集團資源，又有自身在關鍵零組件上的基礎，若能掌握機器人產業成長初期的關鍵位置，就不只是做代工，而是有機會往終端產品與平台角色移動，創造更高利潤空間。

不過，廣宇並不打算一口氣包辦所有事情。李光曜指出，廣宇的策略是先掌握機器人最關鍵的核心模組，因此首先投資具備體積小、重量輕、馬力大優勢的軸向電機，特別適合用於機器人的手臂與腿部。

除了馬達，廣宇也投資力傳感器，並布局減速機，再加上鴻海 C 事業群本身就能提供精密結構件，因此李光曜表示，若把這些資源加總起來，已大約涵蓋整個機器人 BOM 表超過 50% 的價值，「我現在的想法就是，我們專心把這一塊做好，把這些做好了，再往下一步走。」

用「股東、供應商、出海口」打造生態系

在李光曜眼中，機器人產業之所以會爆發，背後有幾個明確驅動力：少子化與缺工、工廠任務需要更高精細度與穩定度，以及管理工廠時，最難處理的往往不是設備，而是人。

「機器人在某個時間點上會快速成長，我一直在外面推論的時間點是 2030 年，」李光曜分析，到了 2030 年，AI 應該會更加成熟，也需要走進物理世界，而目前最適合的載體就是機器人。此外，固態電池也有機會在 2030 年前後成熟，改善機器人續航問題。若固態電池能帶來體積減半、電量加倍的效果，機器人就可能從續航受限，進展到可連續工作 6 到 8 小時，成為另一個科技革命節點。

李光曜觀察，市場需求已經存在，只是機器人仍太貴也還不夠聰明，若 AI 與電池技術在未來三到五年成熟，機器人落地速度可能會非常快。「三到五年之內，有沒有辦法在一家公司裡設立全新部門，把所有東西建立起來？做不到，」李光曜表示，構成機器人的每一項元素都非常專業，從馬達、減速機、力傳感器，到控制系統、結構件、AI 模型與場景應用，都需要長時間累積。

因此，廣宇的選擇不是全面垂直整合，而是「一點點垂直整合，加上大量水平整合」。李光曜強調，過去企業做水平整合，常常仍是供應鏈思維，但現在許多機器人關鍵零組件供應商不是有錢就願意合作，他們更在乎合作方是否有未來發展性。因此，未來不能只靠供應鏈，而必須是生態系。

李光曜認為，生態系是由三層合作模式構成：第一，成為對方股東，與對方一起成長；第二，成為對方供應商，幫對方做部分生產，同時累積製造知識；第三，成為對方的出海口，協助合作夥伴進入國際市場。「我會是你的股東、供應商、出海口，三個都是，大家一起合作、一起成長，」李光曜強調，這種模式比傳統供應鏈用合約綁定的形式更快，也能省去許多議價時間。

美國做 AI 大腦、中國打造硬體，台灣有機會「兩頭賺」

面對全球機器人競爭，李光曜認為，目前美國與中國走的是兩條不同路徑，「美國弄 AI 大腦，中國主要在做硬體，我認為台灣其實可以兩頭賺，」他形容，台灣企業應善用這個特殊位置，搶占市場版圖。

李光曜的策略是，與美國維持生意與市場關係，同時不放棄中國快速成長的硬體與零組件能力。若中國零組件開發設計成熟，未來可以在東南亞、泰國、馬來西亞等第三地生產，甚至依情況討論墨西哥或美國製造，再銷往美國與歐洲市場。他指出，製造最困難的是取得原始資料，只是把東西做出來，反而不是最難的事，因此若能取得關鍵設計與製程資料，再轉移到第三地生產，就能在地緣政治與供應鏈風險中保持彈性。

至於機器人應用何時真正落地，李光曜認為，中國可能會是初期成長最快的市場之一，原因很直接：中國仍是世界工廠，但同樣面臨缺工與年輕人不願進工廠的問題。然而，問題在於機器人能否真的勝任複雜工作，仍取決於技術成熟度，李光曜指出，現階段多數機器人展示仍集中在搬運場景，例如搬箱子，許多看似會翻滾、打拳的表演，其實是預先寫好的程式，不等於真正由 AI 理解環境後自主行動。

因此，中國近期開始出現「機器人訓練廠」，透過遙操與資料採集，加速模型訓練。李光曜觀察，這個領域進步非常快，短期內物流搬運仍是最適合落地的場景，接下來分揀、簡單組裝等固定場景，也可能很快被機器人接手。

在 AI 大腦逐漸成熟、電池技術可能突破、全球工廠缺工加劇的背景下，機器人已經成為 AI 落地實體世界的關鍵載體。因此，對台灣企業而言，如果只做代工，仍會被規格與毛利限制，但如果能掌握關鍵零組件、參與規格制定，並用生態系方式串聯全球夥伴，就有機會在美國 AI 大腦與中國硬體之間，找到屬於自己的關鍵位置。

歡迎大家訂閱「科技報橘」YouTube 頻道，一起用《全新一週》節目，來迎接全新的一週！

專訪：沈貝怡
撰稿：李昀蔚

台灣擁有深厚製造業基礎，如今當 AI 從雲端與軟體世界走向真實物理場域，Physical AI 正成為台灣下一個必須把握的產業機會。然而，Physical AI 不只代表機器人，也包含無人載具、自主移動系統與智慧化設備，尤其近年無人機需求在戰場、國防、物流與巡檢等場景快速升溫，也讓台灣原本強大的製造能力、電子供應鏈與航太技術基礎，有機會重塑競爭力。

本集《全新一週》特別邀請漢翔航空工業總經理莊秀美，從航太產業轉型、無人機供應鏈、AI 智慧製造到資安標準等面向切入，逐步解析漢翔如何看待台灣在 Physical AI 時代的新角色。

從高價精密軍武到低成本無人載具，戰爭型態正在改變

莊秀美指出，近年國際衝突頻傳，讓外界清楚看見現代戰爭型態的轉變。「其實大家可以看到，俄烏戰爭、印巴戰爭，還有最近的美伊戰爭，其實現在的戰爭已經顛覆過去戰爭的形態，而且是一個不對稱作戰的概念，」莊秀美表示，過去戰爭多半都是靠精密、高價的軍武進行攻擊，但是最近看到的趨勢是，現在都趨向低成本、高消耗量的武器，例如無人載具已經變成未來的時代潮流。

這也改變航太產業一直以來的研發節奏。莊秀美舉例，過去研發一架教練機或戰鬥機，從設計、首飛、試飛到驗證，至少需要十年。不過現在，「無人機、無人載具這一塊，是快速的迭代，幾乎每兩個月技術就會翻轉，所以在速度方面其實是戰場即研發場，就是一邊作戰、一邊就研發、一邊成長，」莊秀美說。

在這波無人載具發展中，AI 扮演關鍵角色。AI 可廣泛應用在目標辨識、飛行控制等面向，甚至包含複雜的蜂群決策。莊秀美舉例，無人機如果是一個蜂群，群飛的時候，長機一旦被擊落，那本來每一架都有各自任務的僚機，誰來接下這些指令、如何重新分派任務，這些都必須要很快用 AI 做決策。這也代表，無人機不再只是單一硬體，而是結合感測、通訊、控制、演算法與決策系統的智慧載具。

除了 AI，衛星通訊也成為重要基礎設施。因為無論是通訊系統或無人機導控系統，都越來越依賴衛星，但戰爭也讓各國警覺，若關鍵基礎設施過度仰賴他國，一旦因政治因素中斷，就可能癱瘓作戰能力。因此，衛星通訊與無人載具的本土化、去紅供應鏈，已成為當前國防與產業安全的關鍵課題。

漢翔的第一個轉型：從傳統航太切入無人機與反制系統

過去外界對漢翔的印象，多來自國機國造、軍用航空，以及波音、空中巴士等民用航太的供應鏈角色。然而，在全球航太與國防需求變化下，漢翔正迎來新的轉型。「必須要轉型到無人機、無人機的反制系統，因為這一塊正在快速成長，」莊秀美表示，這兩個領域將成為漢翔下一階段的重要機會。

更重要的是，無人機相關技術未來也有望回饋到傳統國防與民用航空領域，因為不管是 AI 決策、感測技術、通訊控制，還是快速迭代的研發模式，都可能反向影響既有航太產品的設計與製造。對漢翔而言，無人機不僅是新產品線，更是推動整體航太能力升級的新引擎。

漢翔的第二個轉型：2016 年起導入 AI，奠定智慧製造基礎

除了產品轉型，漢翔內部也早已展開 AI 與智慧製造的升級。莊秀美回憶，漢翔在 2016 年開始，就體認到導入最新科技的重要性，因此便導入智慧化的機台、智慧生產、智慧管理，主要目的就是希望在生產的過程，能夠達到「預警、預測、預防」，把所有問題預先解決。

莊秀美分析，實踐轉型的第一步是讓機台數位化以取得數據；第二步是流程可視化，以看見生產狀態與瓶頸；第三步則是管理智能化，並導入數位雙生的概念，讓製造流程更即時、精準且可預測。

在實際導入 AI 應用的場景上，莊秀美以熱壓爐為例，說明漢翔大量使用先進複合材料，若升溫曲線或壓力控制不正確，整爐昂貴的零件都可能報廢。因此，漢翔導入感測器與 AI 監測，一旦升溫曲線異常便會立即警示，讓現場即時處置，避免重大損失。

另一個案例是機匣加工，漢翔透過鑑別式 AI 在鑽孔時同步檢測並補償誤差，確保孔位精準。此外，刀具壽命預測也能透過分析震動數據，判斷何時接近斷裂風險，兼顧品質與成本。這些案例皆說明，AI 透過數據讓高風險、高成本、高精度的製程變得更可控。

除了鑑別式 AI，漢翔也導入生成式 AI，打造內部平台「問問阿翔」，功能涵蓋會議輔助、智能報價與品質系統健診。莊秀美表示，航太產業文件與規範龐雜，過去若發現漏油這一類問題，工程師需查閱大量文件，現在透過生成式 AI，系統就能快速整理可能原因、檢查順序，並精準標註引用自哪份來源文件，大幅提升效率。

漢翔更將這些能力整合進 AIxWARE 平台，「如果說我們今天空有技術，沒有產品，其實是沒有用，大家沒辦法用得上，所以我們後來也把技術導入到 AIxWARE，去服務其他的產業界朋友，」莊秀美說。

全亞洲第一家通過 CMMC Level 2 驗證，莊秀美：沒有資安就沒有國防市場

然而，當 AI 與無人機應用快速發展，資安挑戰也更加嚴峻，尤其漢翔所處的航太與國防產業，更涉及敏感資料與技術安全。「如果你的產品涉及到國防、政府，那資安絕對是第一線，沒有資安其他都不要談，」莊秀美強調，漢翔成功通過美國 CMMC Level 2 資安成熟度模型驗證，也是全亞洲首家取得此驗證等級的企業。未來，隨著美國對國防供應鏈的資安要求越來越完整，這些標準也將逐漸從加分項變成必要資格。

莊秀美表示，資安不僅影響傳統航太，更決定台灣無人機產業能否打進全球國防市場。若台灣無人機要外銷美國並用於國防場景，就必須符合 Blue UAS 這一類資安驗證機制。這也代表，台灣不能只強打製造與硬體性能，也必須補足合規與可信任供應鏈的能力，因此目前漢翔已開始輔導供應商提升資安水準，確保未來能以整體供應鏈的姿態通過國際檢視。

談及台灣產業的未來，莊秀美表示：「我們不希望只有我們好，而是希望共好，包括我們的供應鏈。」她強調，唯有大家是一個團體，在共好的前提下，才有機會出去打國家隊，朝國際市場發展。從國機國造到無人機，從航太製造到智慧平台，漢翔的轉型正映照出台灣 Physical AI 產業的下一步：不只是打造單一產品，而是將製造、AI、資安、通訊與供應鏈，整合成一個具備國際競爭力的可信任系統。

歡迎大家訂閱「科技報橘」YouTube 頻道，一起用《全新一週》節目，來迎接全新的一週！