臺灣智造 勢在必行
智慧製造即在整個實體制造環節中導入資通訊技術，如人工智慧、雲端運算、網路通訊等，使業者能在正確時間，選擇適當且有效率方式完成工作，且遇突發狀況可快速排解，使生產製造流程達智慧化目的，並快速因應市場變化。
企業從製造自動化到智慧化階段，主要差別在於各製造環節運用資通訊技術的廣度與深度，過往在設備自動化階段，在製造場域中的設備端與製程端等，仍需高度仰賴人工經驗，且各環節所產出的相關數據並無統一格式，甚至未被擷取，面臨設備無預警停機所造成的損失風險，以及難以即時追溯供應鏈環節中的資訊，隨時進行因應調整。其中從生產自動化到智慧化階段，AI在各環節中皆扮演重要角色，預估至2023年製造領域AI市場將達近50億美元以上，其中以深度視覺與電腦視覺爲最多，而從應用方案來看預測性及維護、機械設備檢查應用佔最大市場規模。
另一方面，隨人口老化及人力成本提升等總體環境影響，臺灣製造業面臨智慧轉型階段，透過導入自動化數據擷取、應用AI分析等各環節資訊提高生產效益，並於實際場域執行AI相關驗證。因此，需要透過媒合相關新創協助企業導入AI智慧製造轉型，結合各製造業專業領域知識及AI技術提高製造業之附加價值，助整體解決方案得在代表場域實踐，並持續朝國內外類似產業市場擴散。
在相關解決方案中，臺灣新創業者扮演協助製造業智慧轉型之要角，持續針對製造領域相關之新興及利基需求議題進行發展，包括協助企業進行數據擷取、針對場域需求導入智慧化應用等。使製造企業原先內隱專業領域知識，能有效經新創業者執行轉化，以提高整體附加價值。
基於製造企業普遍於各環節所面臨之痛點及需求，歸納我國新創業者主要聚焦之五大領域：（1）提高品質管理：透過AI技術強化品質管理功能與效能。（2）強化生產設備：透過AI技術強化生產設備維護能力與降低維護成本。（3）提升工業安全與人員作業效能：透過AI技術提高製造人員、設備與環境安全，及透過作業人員動作解析與最佳化，提高其作業效能與減少傷害。（4）優化工業機器人運作：透過AI技術提升工業機器人運作能力、彈性與安全性。（5）強化供應鏈管理、生產規劃及製程最佳化：透過AI技術提高供應鏈管理、生產規劃及製造效能。
現階段智慧製造發展重點在於製造各環節數據的有效擷取與轉化，進而帶動各項智慧科技融合應用之可能。因此，扮演數據擷取的感測技術便在當中扮演關鍵角色。就當前許多製造業的共同需求來看，主要以設備感測與視覺感測兩大類技術爲主。其中又以視覺感測技術的應用最爲多元，其涵蓋生產製造、廠務管理至產品出貨等關鍵環節，能將取得之影像數據進一步轉化分析，結合工廠設備做出相應判斷，以有效解決現今製造業在工業檢測、物件量測、機器人應用與廠務監控等需求。
此外，若以最爲普遍的品質檢測環節來說，過往在利用肉眼進行品質檢測時，除了需要在充足光線下進行外，亦容易受到人眼疲勞、個人主觀性強，而造成漏檢或錯檢率較高的情形發生，且在效率上儼然已難滿足現代工業快速、多樣且多變的需求。因此在導入自動化系統設備的同時，視覺感測技術便在其中扮演舉足輕重的角色。
觀察當前臺灣產業生態結構以製造現場爲主，主要原因在於國際大廠目前多依照其特有的產品組合，例如CAD/CAM工業軟體組合、雲端平臺、能源管理平臺等，發展通用化模組服務，應用在產品設計、供應鏈、環境監控和人員管理等環節，也因此這部分在進入門檻上也相對較高。
另一方面，在製造現場如上下料、設備製造加工、品質檢測與倉儲搬運等環節，則需基於不同場域之特性，提供客製化服務。因此對於國際大廠而言，其在製造現場環節解決方案的導入上較不符合成本效益。上述環節也是目前臺灣智慧製造新創業者的主要機會，透過初期深入在這些具代表性場域客戶進行AI技術的驗證與改善，確認能符合產業高價值客戶的需求，後續便有機會擴散至國內外類似產業，甚至是成爲國際大廠重點佈局的標的之一。因此，就臺灣智慧製造發展的發展進程來看，短中期仍着重於預測性維護、品質控管與物料搬運等技術需求爲主；長期則是持續運用各式智慧科技技術串聯設計、生產與銷售端，將生產等相關資訊回饋至研發設計端或供應鏈端爲未來發展重點方向。
綜合以上，新創業者初期多受限於資源有限，因此短期多先聚焦國內外特定高價值客戶需求進行開發驗證，鮮少有多於資源可以進一步往其他國際市場擴展，僅能透過國際大廠將其方案進行推廣外。另一方面也需結合政府公部門資源與法人在相關政策上之協助，讓其能在接觸國際目標市場中之產業客戶能更具效率，以利拓展海外市場。