台灣在全球AI硬體產業佔據核心地位，然而，在這浪潮巔峰背後，中小企業是否已準備好接軌？台灣西門子（Siemens）總裁暨執行長張合翕於週三(3/25)發出疾呼，強調台灣雖然擁有無可取代的AI硬體供應鏈，但在「AI應用」端，廣大的中小企業正處於被遺忘的邊緣。
不過，他也樂觀表示，中小企業若能加速數位化與AI轉型，AI將成為繼半導體之後，台灣第二座保護經濟的「護國神山」。
硬體領先、應用落後，西門子點破台灣數位缺口
「台灣正處於一個非常有利的位置，因為全球的AI硬體都在這裡製造，未來將迎來另一個『黃金十年』。」張合翕肯定地這樣說，然而，他隨即話鋒一轉，指出台灣目前的瓶頸在於工業部門的數位化程度不均。
張合翕觀察到，台灣指標企業，如台積電、聯發科、鴻海等，已在研發與技術應用上領先全球，但台灣仍有170多萬的中小企業尚未跟上這波提升生產力與效率的浪潮。
他以自身在德國與台灣的觀察進行對比：「德國推動工業4.0計畫已長達15年，政府透過租稅優惠、資產加速折舊等政策，吸引企業投資數位轉型。目前德國中小企業在製造端的數位化程度普遍高於台灣，這讓德國在導入工業AI時更具優勢。」
張合翕強調，AI必須依賴「數據」運作，如果企業數位化程度不足、無法蒐集與整合資料，就無法發揮AI的威力。他建議台灣政府應提供更多激勵措施，鼓勵中小企業投資數位技術，以縮短落後距離。
從百事可樂到京站 工業AI已在創造真實價值
為了證明AI並非虛幻的泡沫，張合翕分享了西門子如何協助全球與台灣企業落實「工業AI與數位雙生（Digital Twin）」的具體案例。
在國際案例上，百事可樂（PepsiCo）導入了西門子的「數位雙生建構器」（Digital Twin Composer），這項軟體能自動生成工廠的虛擬分身。透過模擬，百事可樂成功提升了20%的產量、減少15%的資本支出，更在實施前找出了90%的潛在問題。
「這不僅節省了時間，更省下巨大的非一致性成本（Non-conformance cost）。」張合翕說。此外，奧迪（Audi）在德國工廠應用了「虛擬PLC」（可編程邏輯控制器），將生產週期時間縮短了50%，生產效率大幅躍升。
而在台灣，京站時尚廣場（Q Square）則透過部署西門子的「AI Box」，這台搭載機器學習演算法的小型裝置，與大樓管理系統結合後，優化空調與冰水主機運作。張合翕透露：「這讓京站一年節省超過100萬度電。最重要的是，它非常便宜，部署速度快，且不到一年就能回本。」
精準與安全 西門子：工業AI不同於ChatGPT
談到AI的可靠性，張合翕特別區分了「一般消費型AI」與「工業AI」。他指出，ChatGPT等大型語言模型屬於「機率型AI」，在工業流程中不容許出現「幻覺（Hallucination）」或錯誤，工業AI必須是「決定型（Deterministic）」的，基於精準演算法算出確定的數值判斷。
台灣西門子（Siemens）總裁暨執行長張合翕。（攝影：林韋伶）
他表示，西門子已與NVIDIA密切合作，打造「工業元宇宙（Industrial Metaverse）」，讓數位雙生擁有極高真實度，不僅包含空間數據（X, Y, Z軸），更涵蓋時間與成本等維度，協助企業在虛擬世界中做決策，避免現實中的風險。
中鋼、曙光機械都加入 一場不容落後的轉型賽局
此外，西門子也協助彰化的曙光機械，透過數位雙生降低90%開發成本；讓高雄的中鋼優化高爐運作，減少38天停機時間，數位轉型的成效已在台灣企業中發酵。
張合翕強調，其他國家正全力奔跑，台灣絕對不能落後，唯有加速中小企業的數位化進程，並鞏固基礎設施與供電穩定，台灣才能真正將AI實力轉化為長期的經濟韌性，延續下一個黃金十年的繁榮。
從成本轉向信任 治理是安全帶而非煞車
台灣人工智慧學校執行長陳伶志則指出，2026年是企業競爭力的分水嶺，競爭核心已從「供應鏈成本」轉向「價值鏈信任」。他強調，AI不再只是技術開發，而是企業治理的必修題，若不建立「負責任的AI」架構，企業終將被時代淘汰。
圖為台灣人工智慧學校執行長陳伶志。（攝影：林韋伶）
陳伶志分析，工業AI與一般消費型AI的不同在於，任何資訊幻覺或錯誤都可能導致生產線停擺，甚至是生命與財產的損失。他引用輝達創辦人黃仁勳的觀點指出，現在的競爭主軸是信任與韌性，而信任的基礎來自於治理能力。
「許多老闆聽到治理就皺眉，認為是增加成本，」陳伶志妙喻，「治理就像開車繫安全帶，不是為了要煞車、不前進，而是為了確保在高速行駛下，出事時能把代價最小化。」他呼籲，台灣AI基本法已走在前端，企業應將AI治理拉升至董事會層級，由上而下建立透明、可稽核的運作模式。
立即可行動的「最小合規包」 陳伶志提五大核心
面對複雜的法規與技術風險，陳伶志為企業提出立即可執行的「最小合規包（Minimum Compliance Package）」，建議從以下五件事著手 ：
一、 盤點AI應用並完成風險分級：全面清查內部AI使用現況，並根據對業務或安全的影響程度進行分級管理。
二、建立資料治理與權限控管：嚴格定義誰能存取哪些資料，特別是涉及個資或跨境法規的權限必須清晰可稽。
三、設計人類監督與責任矩陣：落實問責制，明確界定各環節的監管專人，並保留決策過程的驗證數據。
四、落實事件通報與應變演練：建立「不吃案」的誠實通報流程，並模擬AI失控時的緊急應變措施。
五、保留審計軌跡：詳細記錄AI運作與人員操作的軌跡，確保事後可供稽核與持續精進。
陳伶志最後建議，企業應以「腳步快、持續修正」為原則，利用3個月奠定基礎、半年建立機制，並在1年內將AI治理內化為公司文化。他認為，在AI變幻莫測的時代，治理做得好將成為企業最穩固的護城河。
本文暫不授權媒體夥伴
