新聞速讀｜製造業押注 AI 獲利新時代，真正門檻在資料與信任

InfoAI 編輯部

當 AI 被寫進製造業的獲利目標時，考驗的不再是模型多炫，而是企業敢把多少「利潤責任」交給這些決策系統。

01｜理解事件

TCS 與 AWS 共同發表《Future-Ready Manufacturing Study 2025》，訪談來自北美與歐洲的 216 位製造業高階主管。研究顯示，75％ 的受訪者預期 AI 在 2026 年會成為企業前三大營運利潤來源之一，其中 88％ 認為 AI 至少會貢獻 5％ 的利潤、約四分之一預期可超過 10％，把 AI 視為新一輪毛利成長的主力，而不是點綴性的創新專案。

在資本配置上，製造業也已明確「用預算表投票」：TCS 調查指出，未來兩年企業平均會把約 51％ 的轉型預算投入 AI 與自主系統，遠高於員工再培訓的 19％ 與雲端基礎建設現代化的 16％。換句話說，多數公司已經決定，下一輪效率與利潤改善要靠 AI 來撐。

值得注意的是在雄心與體質之間存在明顯落差。只有 21％ 的受訪企業認為自己在資料與系統整合上已「為 AI 完全就緒」；多數公司承認仍卡在跨廠區資料品質不一致、舊系統難整合，以及資安與治理疑慮等問題。面對近期的供應鏈波動，61％ 的企業選擇提高安全庫存、50％ 選擇多來源物流，真正把數位分身與情境模擬當成主要決策工具的只有 26％。

同一份研究也捕捉到下一階段的技術焦點：74％ 的領導人預期，到 2028 年 AI 代理人可以接手 11–50％ 的日常生產決策，66％ 已經允許或計畫在一年內允許 AI 自主核准例行工單。也就是說，工廠正從「AI 助理」走向「AI 代理人」，期待這些系統不只協助分析，而是直接對產線與工單做出決定。

02｜解讀新聞

這則新聞的關鍵不只是「製造業也在用 AI」，而是資本與利潤預期已經正式押向 AI。當 CFO 把 51％ 的轉型預算壓在 AI 與自主系統 上，又期待在短短一、兩年內看到 5～10％ 的利潤貢獻，AI 自然不可能再被當成實驗性玩具，而是被要求成為可量測、可審核的獲利引擎。

但從基礎條件來看，這是一場典型的「投資加速、體質落後」。TCS 的數據顯示，多數企業仍缺乏乾淨、統一、情境化的資料層，舊系統整合與資安治理更是前兩大障礙。這意味著許多公司把錢投進 AI，實際上卻是落在「資料債務」之上，模型再強也會被餵進雜訊與缺漏。從管理角度來看，這不只是「要不要導入某個 AI 平台」，而是企業能不能把內部資料與流程產品化，讓 AI 真正有東西可以學。

第二個訊號是代理式 AI 與多平台策略。調查指出，多數企業預期 AI 代理人會在未來幾年內接手顯著比例的日常決策，同時 約 63％ 偏好多雲或混合架構，而不是綁定單一平台或模型供應商。這透露出一種「反鎖定」的直覺：大家要 AI，但不想被任何一家廠商綁死。真正的競爭點，因而慢慢從「哪一家模型準度高一點」轉向「誰能在多代理、多平台的環境中，做好決策編排、權限控管與稽核」。

最後是人才與工作型態的落差。研究顯示，目前 AI 提升生產力的主要族群集中在品保、計畫與 IT 支援等知識密集角色，而維修技師等一線實作職位的收益較有限。這反映出製造業的 AI 應用，仍多停留在「決策與監控」層，距離真正讓 AI 在物理世界做出更多自動化行動，還需要更多感測佈建、機台整合與現場流程再設計。

03｜延伸思考

我們可以從這篇新聞看見 AI 在製造業的核心運作邏輯：不是塞進一個神奇演算法，而是把決策拆解成標準化的單位，再逐步交給 AI 承擔責任。TCS 口中的代理式 AI，其實就是先把「工單核准、排程微調、庫存門檻設定」這些日常決策，整理成清楚的規則與資料界面，讓 AI 可以在有限邊界內先做一部分決策，再慢慢擴張權限。

對於專業讀者來說，有三個問題特別值得內化成自己的「AI 判讀流程」：第一，這個場景的決策單位是什麼，是一張工單、一條產線，還是一個月度採購計畫？第二，支撐這個決策的資料實際有多乾淨、多即時，多大比例仍靠人手修正？第三，如果 AI 做錯決策，企業是否設計了分段式自動化與風險分級機制，從低風險環節開始試行，而不是一次把整條供應鏈交出去。

在市場數字上，多家研究機構預期 工業與製造業 AI 市場在 2030 年前將維持約 20～35％ 的年複合成長率：例如 IoT Analytics 預估工業 AI 市場 CAGR 約 23％，MarketsandMarkets 則預估製造業 AI 可達 約 35％。但這些成長曲線都有一個共通前提：絕大多數企業要先補完資料體質與治理能力，AI 投資才有機會變成財報上的真實數字，而不是一串好看的願景。

對讀者來說，這代表：在 AI 時代評估任何一項技術或專案時，「資料體質、流程可編排性與風險分級設計」應該優先於行銷標語，這會是未來幾年最實用、也最容易被忽略的核心素養。

04｜重點提煉

• TCS 與 AWS 的《Future-Ready Manufacturing Study 2025》訪談 216 位製造業高階主管，75％ 預期 AI 在 2026 年前成為前三大利潤來源之一，88％ 認為 AI 至少貢獻 5％ 利潤，企業平均計畫把 約 51％ 的轉型預算投入 AI 與自主系統，但只有 21％ 自評在資料與系統整合上已為 AI 就緒。

• 面對供應鏈波動，多數工廠仍以 提高安全庫存與多來源物流 應對，真正大量使用 數位分身與情境模擬 的比例僅約 26％，顯示 AI 投資與實際營運行為之間仍存在明顯的信任與基礎設施落差。

• 74％ 的領導人預期 AI 代理人在 2028 年前會接手 11–50％ 的日常決策，66％ 已允許或即將允許 AI 自主核准例行工單，多數企業同時偏好多平台與混合架構，讓未來競爭焦點轉向「多代理、多平台環境下的決策編排、權限控管與治理能力」。

• 在評估 AI 專案與市場預測時，比起關注模型名稱與參數規模，更關鍵的是檢查 決策單位定義是否清楚、資料是否乾淨且可存取、流程能否標準化並分級上線，這些才能決定 AI 投資會不會真正反映在毛利率與營運利潤上。

05｜後續觀察

接下來有兩個觀察點值得持續追蹤。第一，看大型製造企業的財報與法說會是否開始更明確拆出「AI 驅動效率與利潤貢獻」，從現在偏定性的敘述，進一步變成可量化的指標，這會是判斷「AI 是否真的變成獲利引擎」的第一個實證訊號。第二，看 AI 代理人在工廠現場的實際權限擴張速度：是否從現在的工單核准與排程建議，逐步擴展到維修決策、庫存策略甚至供應商組合調整，並同時出現對應的風險分級與稽核機制。這將決定「AI 接手營運決策」是口號，還是會在未來幾年逐步變成新的產業常態。

參考資料：

• AI in manufacturing set to unleash new era of profit

• Future-Ready Manufacturing Study 2025
• Industrial AI market: 10 insights on how AI is transforming manufacturing

AI 素養｜AI 為什麼會亂講話？揭開大型語言模型的「黑盒子」運作邏輯
理解 AI 為何能回答、也會胡說八道的真正原因

AI 時代的思考力革命｜AI 素養，不是學技術，而是拿回主導權的能力升級
與 AI 一起思考，成為能定義方向的人

AI 時代的知識遷徙策略｜從「學會掌握」到「洞察驗證」
聞道不必有先後，高下立判見深用；術業專攻仍需要，深廣變通顯智慧。

版權聲明與授權須知

本內容由 InfoAI 擁有著作權。如有引用、轉載或任何商業用途的需求，請來信聯絡： contentpower688@gmail.com。

用內容建立信任
用洞察塑造品牌

在 AI 時代，真正有力量的行銷不是廣告聲量，而是持續輸出的深度思考。InfoAI 把全球 AI 趨勢與報告，轉譯成清楚、精準、有觀點的內容，讓企業不只是跟上變化，而是成為洞察的提供者，讓品牌變成被信任的決策夥伴。如果你不想只是「談 AI」，而是想「透過 AI 影響市場與客戶」，那就從內容開始。歡迎來信： contentpower688@gmail.com

如果你覺得這篇解讀對你有幫助，歡迎訂閱 InfoAI 電子報，我們將持續為你精選 全球 AI 新聞與趨勢洞察，幫助你看懂新聞背後的真正意義。也別忘了加入透過［QRCode］／［按鈕］加入 Line 社群 ，隨時掌握值得關注的 AI 發展與專業觀點。

AI 協作聲明：

本篇文章由 InfoAI 團隊策劃，並透過人工智慧工具協助資料整理與內容撰寫，最終內容由編輯進行人工審閱與優化。

InfoAI｜讀懂 AI 如何改變世界

在 AI 改變世界之前
助你先讀懂 AI 世界

每日精選全球 AI 新聞
AI 趨勢 + 新聞 + 深度解讀

Content Power ｜賦能你在 AI 時代的專業能力
專注於「AI × 專業 × 工作方法」的知識平台
透過框架、流程與方法
協助你在 AI 時代重建專業能力