在研華邊緣伺服器事業副總鮑志偉的帶領下，本刊穿過研華總部的通道，搭乘電梯進入M棟，也就是公司的生產廠房與物流中心，一窺邊緣生成AI技術落地場域。
鮑志偉告訴本刊，舉凡包材指引、產線生產效率排程監控與無塵室人員服裝管理，都已導入輝達（NVIDIA）視覺與語言的邊緣AI模型。
「請大家看這台電腦螢幕。」此時，負責新專案導入的研華工程師許雅惠，將我們帶到一條6人組裝產線，螢幕上正即時監控6名作業員的生產狀況。
此時，她請第3工站作業員假裝暫時離開崗位，過幾分鐘再回來，螢幕立即顯示該人員的離席時間與生產遞延狀況，並同步回傳數據。「透過攝影機，系統無時不刻回傳這些數據，一旦生產效率低於我們設定的85%臨界值，便會自動觸發警示。」許雅惠說。
更驚人的是，這套系統，除了可分析出生產效率下降，是哪個工作站或人員時間拖延導致，還主動提供具體的建議，例如：「請關注L3（第三工站作業員）的工作狀況」或「建議將第6工站人員調整至第五工作站」。
「過去，領班需要花時間人工觀察、推測是哪條產線出了問題，現在只需參考AI建議，就能精準決策。」許雅惠透露，透過這套AI監控機制，某條生產效率曾在短短1個半小時內，從82%提升至100%。
接著，許雅惠繼續帶我們走進智慧倉儲區，介紹一套去年底正式上線的AI 3D包裝指引系統，這套系統大幅提升工作人員包裝效率，同時降低材料浪費。
「我們的包裝箱尺寸主要分為I1至I5五種，但每筆訂單的品項與數量不同，過去同事常需要手動好幾次，才能選擇最合適的包裝箱。」許雅惠解釋，由於缺乏標準化指引，「有時箱子過大，造成空間浪費；有時過小，還需要重新包裝，影響出貨效率。」如今，透過這套系統，只要掃描出貨單上的QR Code，系統便能根據產品體積、數量，推薦最適合的包裝尺寸，避免人工誤差。
「選出最合適的箱子後，這些大量的品項不斷經由影像視覺模型訓練，還能顯示（生成）最佳的擺放方式。」鮑志偉進一步補充，該套系統也相當適合物流業使用，也是ESG永續的實踐。
「傳統邊緣AI，是基於AIoT（人工智慧物聯網）技術，主要用於數據與影像分析來協助判斷。」資策會MIC資深產業分析師朱師右指出，隨著語言模型技術平價化，導入生成式AI的邊緣運算裝置，不再像過去只是被動回應，而是擁有更直覺、更人性化的決策。
