台湾智造 势在必行
智慧制造即在整个实体制造环节中导入资通讯技术，如人工智慧、云端运算、网路通讯等，使业者能在正确时间，选择适当且有效率方式完成工作，且遇突发状况可快速排解，使生产制造流程达智慧化目的，并快速因应市场变化。
企业从制造自动化到智慧化阶段，主要差别在于各制造环节运用资通讯技术的广度与深度，过往在设备自动化阶段，在制造场域中的设备端与制程端等，仍需高度仰赖人工经验，且各环节所产出的相关数据并无统一格式，甚至未被撷取，面临设备无预警停机所造成的损失风险，以及难以即时追溯供应链环节中的资讯，随时进行因应调整。其中从生产自动化到智慧化阶段，AI在各环节中皆扮演重要角色，预估至2023年制造领域AI市场将达近50亿美元以上，其中以深度视觉与电脑视觉为最多，而从应用方案来看预测性及维护、机械设备检查应用占最大市场规模。
另一方面，随人口老化及人力成本提升等总体环境影响，台湾制造业面临智慧转型阶段，透过导入自动化数据撷取、应用AI分析等各环节资讯提高生产效益，并于实际场域执行AI相关验证。因此，需要透过媒合相关新创协助企业导入AI智慧制造转型，结合各制造业专业领域知识及AI技术提高制造业之附加价值，助整体解决方案得在代表场域实践，并持续朝国内外类似产业市场扩散。
在相关解决方案中，台湾新创业者扮演协助制造业智慧转型之要角，持续针对制造领域相关之新兴及利基需求议题进行发展，包括协助企业进行数据撷取、针对场域需求导入智慧化应用等。使制造企业原先内隐专业领域知识，能有效经新创业者执行转化，以提高整体附加价值。
基于制造企业普遍于各环节所面临之痛点及需求，归纳我国新创业者主要聚焦之五大领域：（1）提高品质管理：透过AI技术强化品质管理功能与效能。（2）强化生产设备：透过AI技术强化生产设备维护能力与降低维护成本。（3）提升工业安全与人员作业效能：透过AI技术提高制造人员、设备与环境安全，及透过作业人员动作解析与最佳化，提高其作业效能与减少伤害。（4）优化工业机器人运作：透过AI技术提升工业机器人运作能力、弹性与安全性。（5）强化供应链管理、生产规划及制程最佳化：透过AI技术提高供应链管理、生产规划及制造效能。
现阶段智慧制造发展重点在于制造各环节数据的有效撷取与转化，进而带动各项智慧科技融合应用之可能。因此，扮演数据撷取的感测技术便在当中扮演关键角色。就当前许多制造业的共同需求来看，主要以设备感测与视觉感测两大类技术为主。其中又以视觉感测技术的应用最为多元，其涵盖生产制造、厂务管理至产品出货等关键环节，能将取得之影像数据进一步转化分析，结合工厂设备做出相应判断，以有效解决现今制造业在工业检测、物件量测、机器人应用与厂务监控等需求。
此外，若以最为普遍的品质检测环节来说，过往在利用肉眼进行品质检测时，除了需要在充足光线下进行外，亦容易受到人眼疲劳、个人主观性强，而造成漏检或错检率较高的情形发生，且在效率上俨然已难满足现代工业快速、多样且多变的需求。因此在导入自动化系统设备的同时，视觉感测技术便在其中扮演举足轻重的角色。
观察当前台湾产业生态结构以制造现场为主，主要原因在于国际大厂目前多依照其特有的产品组合，例如CAD/CAM工业软体组合、云端平台、能源管理平台等，发展通用化模组服务，应用在产品设计、供应链、环境监控和人员管理等环节，也因此这部分在进入门槛上也相对较高。
另一方面，在制造现场如上下料、设备制造加工、品质检测与仓储搬运等环节，则需基于不同场域之特性，提供客制化服务。因此对于国际大厂而言，其在制造现场环节解决方案的导入上较不符合成本效益。上述环节也是目前台湾智慧制造新创业者的主要机会，透过初期深入在这些具代表性场域客户进行AI技术的验证与改善，确认能符合产业高价值客户的需求，后续便有机会扩散至国内外类似产业，甚至是成为国际大厂重点布局的标的之一。因此，就台湾智慧制造发展的发展进程来看，短中期仍着重于预测性维护、品质控管与物料搬运等技术需求为主；长期则是持续运用各式智慧科技技术串联设计、生产与销售端，将生产等相关资讯回馈至研发设计端或供应链端为未来发展重点方向。
综合以上，新创业者初期多受限于资源有限，因此短期多先聚焦国内外特定高价值客户需求进行开发验证，鲜少有多于资源可以进一步往其他国际市场扩展，仅能透过国际大厂将其方案进行推广外。另一方面也需结合政府公部门资源与法人在相关政策上之协助，让其能在接触国际目标市场中之产业客户能更具效率，以利拓展海外市场。