資料不出廠、毫秒級反應：高通如何以邊緣AI技術，重塑製造業競爭力？

邊緣運算的全佈局：高通不只是手機晶片商

「提到高通，大部分的人第一個想到的還是手機晶片，」但高通行銷行政經理朱俊翰在2026鼎新高峰年會上點破這認知落差：高通近年已不斷擴張，將企業版圖延伸向工業全場景。

根據 Qualcomm 官方公開資料，截至 2025 年，全球已超過 7,500 萬輛汽車搭載 AI 的 數位座艙技術；同時，高通也持續擴大 Snapdragon Digital Chassis 在智慧車載、邊緣 AI 和軟體定義載具（SDV）領域的布局。

這些設備技術都是發生在「邊緣端」，也就是離現場最近、最需要即時運算的地方。朱俊翰指出，高通的戰略目標是讓每一台邊緣裝置都具備 AI 的能力，成為可獨立運作的 AI Agent ，讓AI運算從雲端延伸到各個終端現場。 

高通行銷行政經理朱俊翰，在鼎新高峰年會上提到高通正推動 AI 運算從雲端延伸至終端現場。

為何 AI 必須留在地端？

很多企業導入 AI 時，第一個直覺方案是「上雲」。雲端方案看似方便，不需要維護硬體，但實際跑入製造現場，問題卻會接二連三。

在工廠內，每天產生龐大的數據量，包含製程參數、設備狀態、品檢影像等是企業的核心資產，一旦上傳到外部雲端，就等同暴露在資安風險。對於客戶與供應商、隱私合規，都存在疑慮。

以成本方面來看，雲端 AI 多半依照使用量計費，查詢越多，token 費用越高，長期累積的費用非常驚人，不是小數字。

從技術面的角度，「延遲」是關鍵要點，機器手臂或視覺檢測系統等工廠產線，需要毫秒級的反應速度，雲端回傳因為網路或負載而延遲，在這些場景中並不適用。

因此高通提出「地端 AI 運算層」(On-Prem Edge)的概念，在工廠現場架設一台能跑LLM的設備，數據不會離開廠區，推論在本地就可以完成，成本可預期，延遲也大幅降低，讓企業掌握數據主權。

延伸閱讀：邊緣AI是什麼？ 企業如何做選擇？

工廠AI Agent：六大實務應用場景

高通工業物聯網產品管理總監 Abhay Chitral 用六個邊緣AI具體場景，描述了地端 AI Agent 如何在工廠裡發揮效益。

場景1. 預測性維護

設備故障停擺前，其實已會出現細微數據異常，但還沒到觸發警報的門檻。這種訊號多數被大量資料淹沒而被忽略。地端的 LLM可以持續監測感測器數據，主動識別這些早期異常，在停機前提前示警，讓維修排程更主動、停損更小。

場景2. 代理式 AI 協調

一條產線上常有不同廠商的 PLC（可程式化邏輯控制器）、HMI（人機介面）與機械手臂、輸送帶。過去需要工程師手動協調，編寫複雜的通訊協定才能同步協作。但現在透過 AI Agent 直接「理解」，和這些設備溝通，根據即時狀況動態調整任務優先順序，降低人力介入的成本。

場景3.協助員工應變 消除技術斷層

製造業長年缺工，新員工面對陌生設備和厚厚的操作手冊，大多無法迅速上手，地端 LLM 讓員工可以用自然語言直接開口問：「這台機器出現 E07 錯誤代碼怎麼處理？」AI 會即時從內部知識庫找到答案，不需要等老師傅，也不需要耗費時間停機翻文件。這對人才短缺的製造業，是很實際的技術傳承工具。

場景4. 安全合規監測 + 品質檢測

工安規定人人知道，但現場執行又是另一回事了，只要以現有的攝影機加上VLM（視覺語言模型），AI 可以即時辨識工作人員有沒有穿戴防護，偵測危險區域是否有人擅入，第一時間發出警報。

在品檢上，攝影機加 VLM 可以即時辨識細微缺陷，速度比人快、穩定性更高。更實用的是，品管人員直接問：「哪個批次的不良率最高？集中在哪個工序？」省去耗時撈數據、整理報表。

場景5. 代理式 ERP 與 MES

工廠的 OT 系統和公司的 IT 系統，長期以來難以整合。生產現場的狀況，要人工輸入才能同步到 ERP；ERP 要調生產計畫，又要另外通知現場。AI Agent可以串起這兩端，讓員工直接說：「確認這週訂單的出貨進度」，AI 自動跨系統整合，達成決策資訊的透明化。

地端邊緣AI的產業落地案例

上述應用場景並非停留在未來藍圖，高通也提出三家企業的落地案例

鼎新數智：AI住進公司裡，貫串ERP與MES

鼎新與高通合作的 AI 一體機，是完整的地端AI方案，不需要聯網，也不需要大幅改動既有系統，就能讓 AI 貫穿產線、流程與營運，且資料完全留在企業內部。

鼎新針對製造業場景已預先訓練微調模型，企業可即買即用，不需要自行訓練。生單助理、設備助理、決策助理三種角色，分別處理訂單生成、即時監控生產設備、整合ERP、BI即時輸出營運建議，讓 AI「住在公司裡」。

西門子：AGV、私有5G、AI Agent串出自主產線

西門子將私有 5G 網路和邊緣AI結合，AGV在廠區移動，機械手臂即時和 AGV 及生產端進行通訊，調度需求。高通提供可以搭載在西門子工業電腦（IPC）上的加速卡，以強大的硬體算力驅動在地端運行的 AI 代理（Local AI agent），可直接在地端即時分析系統狀態、調度資源、做品質判斷。整條流程由設備自己溝通、自己決策。

日月光集團：提升效率、維護數據機密

日月光導入地端邊緣 AI ，實現兩項核心需求：一是晶圓瑕疵偵測，二是透過本地 LLM 建立維護知識庫，讓技術人員進行根因分析時不需連線雲端。對半導體產業來說，製程數據的機密性極高，地端部署能完整保住數據主權。

邊緣AI場景持續擴大，地端 AI成為產業共識

2026 年是邊緣運算的關鍵轉折點，當AI 模型持續變小、變強，過去雲端才能跑的推論運算，現在在一台小型邊緣設備上就能完成。這讓「地端 AI」從夢想變成了現實選項。

同時，隨著數據主權意識升高，從歐盟 GDPR 到各國資料法規，企業面對的合規壓力越來越大，「數據不出境」已從加分項變成了基本競爭力。高通強調，讓AI運算進入製造邊緣端，將是企業實現合規、成本與效率的關鍵戰略。

延伸閱讀：讓AI「住在公司裡」！