製造業導入AI正在跨進「影像辨識」階段，開始深入品質預測、製程回饋與機器人任務執行。Omron在SEMICON Taiwan 2026首度展示與NVIDIA合作開發的半導體基板檢測數位雙生(Digital Twin)，把3D CT X-ray與檢測資料轉換成三維模型，呈現基板翹曲、接合狀態、Void、TGV與Micro Bump等資訊，再交由AI進行品質分析與根因判斷。
此一轉變的重要性，在於檢測設備不再只是產線末端的Pass／Fail判定工具，而開始成為製程資料來源。當AOI、X-ray、感測器與設備參數被整合成AI可理解的品質數據，數位雙生便能進一步模擬品質狀態，將結果回饋前段設備調校，形成「檢測—分析—預測—製程改善」閉環。
供應鏈將由工業電腦、感測器與自動化設備，擴展至Robot Foundation Model、Edge AI、力覺／視覺、Fleet Management與工業資安，形成完整Physical AI製造鏈。
|
Physical AI則把AI從數位模型推進真實設備。Samsung SDS宣布，已與Samsung Electro-Mechanics、SEMES、Samsung Heavy Industries等集團企業合作，在零組件製造、設備、造船及Plant場域驗證機器人。測試包括零件Handling、耗材更換，以及非結構化戶外環境作業，目標從技術驗證進一步轉入實際工廠。
智慧製造下一階段不再只是「工廠加AI」，而是由數位雙生提供環境與製程模型，AI Agent進行判斷，再由機器人執行實體任務。供應鏈也將由工業電腦、感測器與自動化設備，擴展至Robot Foundation Model、Edge AI、力覺／視覺、Fleet Management與工業資安，形成完整Physical AI製造鏈。
