CII
ControlledIndustrialIntelligence
創刊號n2t.net/ark:66356/c100010
工業 AI
從智能走向執行.
cii.network
Published byCII NETWORK
CIICII № 01 · 落差 · 工業智能基座 · 執行權限
序言
CII № 01
創刊號
序言
人工智慧正飛速發展。
工業 AI 的應用卻相對滯後。
學術界與產業界的 AI 研究不斷取得突破，許多成果在基準測試和實際應用中均表現出色。
工業實踐者希望藉助 AI 提升生產力，卻必須面對複雜的工業資料、結果的不確定性和潛在風險。
工業 AI 從技術突破走向實際部署，可解釋、可驗證與可控變得尤為重要。
這正是
可控工業智能（Controlled Industrial Intelligence）
的起點。
本期內容
CII № 01
目錄
現狀與挑戰
落差
建構基礎
工業智能基座
安全與治理
執行權限
CII Atlas
出版方
CII NETWORK
CII NETWORK 是一個註冊於瑞士的國際協會，致力於探索和推動可控工業智能（Controlled Industrial Intelligence）的發展，連接全球產業界與學術界的實踐者，促進智能技術在工業領域的實際應用。
Network Members · 協會成員
- Quality and Data Analytics Lab · HKUST
- AI & Mobility Lab · TUM
- Chinese Academy of Intelligent Decisions & Control · Taipei
- ASCETEX INTERNATIONAL LIMITED · Hong Kong
第一篇 · 現狀與挑戰
01
落差
從智能到執行
01 · 落差
工業 AI 為何
難以規模化應用？
AI 技術快速發展，
但要讓智能真正走向工業現場的執行環節，
仍面臨諸多挑戰。
AI 正在加速普及
AI 已能理解和生成文字、影像、影片及程式碼，完成複雜的推理任務，並逐步具備呼叫工具和操作軟體的能力。
88%的受訪者表示，其所在組織已在至少一項業務中使用 AI。
75%的受訪企業 AI 使用者表示，AI 已幫助他們完成過去無法完成的任務。
Stanford AI Index 2026 · OpenAI, The State of Enterprise AI 2025
工業 AI 的規模化應用
仍進展緩慢
AI 已用於製造業的檢測、預測性維護、生產最佳化和工程設計，但應用規模有限，許多專案尚處於技術驗證或試點階段。
29%的受訪製造企業已在工廠或生產網路層面使用 AI/ML。
23%的受訪製造企業正在試點 AI/ML 技術。
工業 AI 的全球版圖，
由 AI 能力與產業基礎共同塑造
AI 能力體現技術與人才優勢，產業基礎反映工業積累與發展潛力。兩者交匯的地區，值得重點關注。
- AI 能力
- 研究 · 人才 · 模型 · 算力
- 產業基礎
- 製造業 · 自動化 · 機器人 · 半導體 · 流程工業
圖 1工業 AI 的全球版圖
01 · 落差
CII № 01 · Controlled Industrial Intelligence
工業 AI 的全球版圖，
由 AI 能力與產業基礎共同塑造
AI 能力體現技術與人才優勢，產業基礎反映工業積累與發展潛力。兩者交匯的地區，值得重點關注。
- AI 能力
- 研究 · 人才 · 模型 · 算力
- 產業基礎
- 製造業 · 自動化 · 機器人 · 半導體 · 流程工業
圖 1工業 AI 的全球版圖
01 · 落差
從智能到執行
工業 AI 應用全景
工業 AI 已在多個生產環節展現價值，
但不同場景的應用廣度與深度仍有差異。
大小潛在產業影響（相對值）
顏色應用普及程度較高應用普及程度較低
參考資料有案例或調查資料
感知
感知物理世界
理解
挖掘和分析資料
建議
生成並評估方案
最佳化
改善生產營運效果
執行
在物理世界中執行
視覺檢測缺陷檢測與分類
精密測量與尺寸檢測
線上測試
環境監測
預測性維護設備健康狀態與剩餘壽命
製程品質分析
異常檢測
根因分析
故障診斷
設備效能管理
工程 AI 助理設計、程式設計與故障排除
工業知識助理
工業程式碼生成
模擬與虛擬驗證製程、產線與工廠模擬
設計最佳化
安全與風險分析
合規與文件管理
生產最佳化產出、生產週期與 OEE
能耗最佳化
良率最佳化
物料流最佳化
生產排程
庫存最佳化
製程參數最佳化
品質預測
自主營運自主生產與營運
閉環干預直接調整物理流程
基於學習的自適應控制
即時最佳化
具身任務執行（VLA）
自適應操作
廠內自主物流
01價值已驗證
已在許多工業場景中
廣泛部署。
02應用邊界不斷拓展
技術快速發展，
應用正向更多行業和場景延伸。
03潛力尚待釋放
潛在價值巨大，
但實際應用仍然有限。
圖 2工業 AI 應用全景
01 · 落差
CII № 01 · Controlled Industrial Intelligence
工業 AI 應用全景
工業 AI 已在多個生產環節展現價值，
但不同場景的應用廣度與深度仍有差異。
大小潛在產業影響（相對值）
顏色應用普及程度較高應用普及程度較低
參考資料有案例或調查資料
感知
感知物理世界
理解
挖掘和分析資料
建議
生成並評估方案
最佳化
改善生產營運效果
執行
在物理世界中執行
視覺檢測缺陷檢測與分類
精密測量與尺寸檢測
線上測試
環境監測
預測性維護設備健康狀態與剩餘壽命
製程品質分析
異常檢測
根因分析
故障診斷
設備效能管理
工程 AI 助理設計、程式設計與故障排除
工業知識助理
工業程式碼生成
模擬與虛擬驗證製程、產線與工廠模擬
設計最佳化
安全與風險分析
合規與文件管理
生產最佳化產出、生產週期與 OEE
能耗最佳化
良率最佳化
物料流最佳化
生產排程
庫存最佳化
製程參數最佳化
品質預測
自主營運自主生產與營運
閉環干預直接調整物理流程
基於學習的自適應控制
即時最佳化
具身任務執行（VLA）
自適應操作
廠內自主物流
01價值已驗證
已在許多工業場景中
廣泛部署。
02應用邊界不斷拓展
技術快速發展，
應用正向更多行業和場景延伸。
03潛力尚待釋放
潛在價值巨大，
但實際應用仍然有限。
圖 2工業 AI 應用全景
01 · 落差
從智能到執行
工業 AI 越接近實際執行，部署難度就越大
讓我們共同拓展邊界。
— CII NETWORK
01 · 落差
CII № 01 · Controlled Industrial Intelligence
工業 AI 越接近實際執行，部署難度就越大
讓我們共同拓展邊界。
— CII NETWORK
01 · 落差
從智能到執行
工業控制仍存在碎片化問題，
涉及不同的控制器、協定和系統層級。
第二篇 · 建構基礎
02
工業智能基座
軟體定義控制系統
02 · 工業智能基座
是什麼讓智能真正付諸執行？
控制系統連接運算與物理世界，軟體定義控制系統讓這一連接更加緊密。
AI 作用於應用領域實現方式對控制系統的依賴
數位系統
資訊與交易
金融、採購、規劃
API 與工作流
—
現場作業
物理流程與營運
能源、物流、建築、流程工業
OT 與監控系統
視應用而定
機器控制
機器與運動
工業裝備、機器人、自動化系統
控制器與即時控制
高度依賴
我們的關注點智能與物理世界的交匯處。
表 1工業 AI 在數位系統與物理系統中的應用
智慧建議如何
變成機器動作？
AI 分析資料，提出操作建議。控制系統即時監測機器狀態，並將相應指令轉化為機器動作。
軟體定義
控制系統的興起
控制系統與專用硬體逐步解耦，從而能夠融合更多資料，支援更複雜的運算。
圖 3控制基座
圖 4從硬體定義到軟體定義控制
硬 PLC、軟體 PLC 和虛擬 PLC 未來很可能並存。
Automation.com, 2025
01算力
通用運算平台已具備支援即時、確定性控制的能力。
02整合
分散在不同控制器中的功能，可以整合到同一平台。
03靈活性
控制功能可以透過軟體更新不斷完善，減少對硬體更換的依賴。
02 · 工業智能基座
CII № 01 · Controlled Industrial Intelligence
智慧建議如何
變成機器動作？
AI 分析資料，提出操作建議。控制系統即時監測機器狀態，並將相應指令轉化為機器動作。
軟體定義
控制系統的興起
控制系統與專用硬體逐步解耦，從而能夠融合更多資料，支援更複雜的運算。
圖 3控制基座
圖 4從硬體定義到軟體定義控制
硬 PLC、軟體 PLC 和虛擬 PLC 未來很可能並存。
Automation.com, 2025
01算力
通用運算平台已具備支援即時、確定性控制的能力。
02整合
分散在不同控制器中的功能，可以整合到同一平台。
03靈活性
控制功能可以透過軟體更新不斷完善，減少對硬體更換的依賴。
02 · 工業智能基座
軟體定義控制系統
AI 與控制系統運作在不同的時間尺度上，
卻必須協同工作
01DeloitteTech Trends 2026
語言和視覺模型以「人類的時間尺度」運作，Ayanna Howard 向勤業眾信表示。但對於行走中的機器人來說，「一兩秒的延遲就可能導致物品掉落、機器人發生碰撞，甚至造成人員受傷」。
02NVIDIAIGX ThorJetson ThorHoloscan
即時 Linux 核心與獨立 GPU 分區相結合，為即時任務提供「嚴格的效能保障」，同時支援 AI 運作。Holoscan 將「AI 推理」轉化為「現實世界中具有確定性的即時動作」。
非同步
可變延遲
即時
確定性
軟體定義的
控制架構
運算、記憶體與控制整合於同一平台。
運行時指令 ↓即時資料 ↑
圖 5AI 與控制系統的時間尺度
圖 6一台工業 PC 上的 AI 與控制系統
01讓運算、控制與記憶體更緊密地結合
運算架構也呈現類似的趨勢：記憶體內運算（IMC）讓運算更靠近記憶體，共封裝光學（CPO）讓光學 I/O 更靠近運算。工業 AI 的運算、控制與記憶體（CCM）也可依循這一思路，讓 AI、機器資料與即時控制在同一台設備上緊密結合。
02獨立執行，共享資料
AI 在 GPU/NPU 上非同步執行，控制系統則在 CPU 即時核心上執行，保證執行的確定性。兩者各有自己的執行迴圈，透過共享記憶體直接交換機器資料與 AI 指令。
非同步 · 可變延遲~10–200 Hz約 1 kHz 至數 kHz
02 · 工業智能基座
CII № 01 · Controlled Industrial Intelligence
AI 與控制系統運作在不同的時間尺度上，
卻必須協同工作
01DeloitteTech Trends 2026
語言和視覺模型以「人類的時間尺度」運作，Ayanna Howard 向勤業眾信表示。但對於行走中的機器人來說，「一兩秒的延遲就可能導致物品掉落、機器人發生碰撞，甚至造成人員受傷」。
02NVIDIAIGX ThorJetson ThorHoloscan
即時 Linux 核心與獨立 GPU 分區相結合，為即時任務提供「嚴格的效能保障」，同時支援 AI 運作。Holoscan 將「AI 推理」轉化為「現實世界中具有確定性的即時動作」。
非同步
可變延遲
即時
確定性
軟體定義的
控制架構
運算、記憶體與控制整合於同一平台。
運行時指令 ↓即時資料 ↑
圖 5AI 與控制系統的時間尺度
圖 6一台工業 PC 上的 AI 與控制系統
01讓運算、控制與記憶體更緊密地結合
運算架構也呈現類似的趨勢：記憶體內運算（IMC）讓運算更靠近記憶體，共封裝光學（CPO）讓光學 I/O 更靠近運算。工業 AI 的運算、控制與記憶體（CCM）也可依循這一思路，讓 AI、機器資料與即時控制在同一台設備上緊密結合。
02獨立執行，共享資料
AI 在 GPU/NPU 上非同步執行，控制系統則在 CPU 即時核心上執行，保證執行的確定性。兩者各有自己的執行迴圈，透過共享記憶體直接交換機器資料與 AI 指令。
非同步 · 可變延遲~10–200 Hz約 1 kHz 至數 kHz
02 · 工業智能基座
軟體定義控制系統
軟體定義控制系統
的生態
從底層硬體、作業系統，到控制軟體與上層應用。
應用
軟體定義控制
作業系統
硬體
機器、系統與工業應用
可重複使用的運動與邏輯控制軟體
即時執行平台
x86 與 Arm 運算平台
如需瞭解更多見解與實際應用，歡迎聯繫我們。
contact@cii.network
02 · 工業智能基座
CII № 01 · Controlled Industrial Intelligence
軟體定義控制系統
的生態
從底層硬體、作業系統，到控制軟體與上層應用。
應用
軟體定義控制
作業系統
硬體
機器、系統與工業應用
可重複使用的運動與邏輯控制軟體
即時執行平台
x86 與 Arm 運算平台
如需瞭解更多見解與實際應用，歡迎聯繫我們。
contact@cii.network
02 · 工業智能基座
軟體定義控制系統
第三篇 · 安全與治理
03
執行權限
證據、風險與人的參與
03 · 執行權限
如何賦予 AI 執行權限？
有能力，不等於有權限。明確的授權機制，讓 AI 在規定的條件與邊界內自主執行。
03 · 執行權限
CII № 01 · Controlled Industrial Intelligence
自主 AI 已投入應用
Yokogawa × Aramco2025
10%–15%
的「胺液和蒸汽用量降幅」，來自沙烏地阿美 Fadhili 天然氣處理廠。該廠現已部署多個自主控制 AI 代理，用於酸性氣體脫除製程。
Fadhili Gas Plant · Aramco, via Yokogawa
Caterpillar2026
近700
輛「開拓重工自動駕駛礦用卡車已在全球投入營運，累計安全運輸超過 110 億噸物料」。
Cat 自動駕駛卡車 · RobSimmons223311，CC BY-SA 4.0
Figure × BMW2025
90,000+
個零組件由 Figure 02 在 BMW 集團斯帕坦堡工廠的一條實際運作的裝配線上完成「裝載」。在為期 11 個月的部署中，「累計運作時間超過 1,250 小時」。
Figure 02 at BMW Spartanburg · Figure AI
代理式 AI 的發展現狀
WEF × Capgemini2026
ACAP
WEF 在提出 AI 代理能力與授權檔案（ACAP）時指出，企業「在界定 AI 代理獲准行動的條件，並確保這種授權隨系統演進持續得到執行方面，面臨新的挑戰」。
Gartner2025
超過40%
的代理式 AI 專案預計將「在 2027 年底前被取消，原因包括成本不斷上升、商業價值不明確或風險控制不足」。
Dynatrace2026
僅13%
的組織「使用完全自主運作的 AI 代理」，而「69% 由代理式 AI 驅動的決策仍需人工驗證」。
03 · 執行權限
證據、風險與人的參與
但執行權限仍有待明確
自主運作已成現實，但應用程度不一
沙烏地阿美表示，Fadhili 系統「現已正式投入長期使用」。該系統分階段部署：先在模擬環境中完成訓練和驗證，再接入工廠現有的控制系統。自主運輸、製程控制和通用 AI 代理面臨的問題各不相同。自主運作往往率先在任務明確、環境可控、邊界可驗證的場景中取得成功。
2%的組織已實現 AI 代理的規模化部署，12% 實現了部分規模化部署。在一項針對 1,500 名高階主管的調查中，大多數組織仍處於試點（23%）或探索（61%）階段。Capgemini，2025年7月
授權成為共同關切
世界經濟論壇（WEF）的 ACAP 明確了 AI 代理的權限、檢查點、負責人及相關證據；美國國家標準暨技術研究院（NIST）則提出，應採取「適當的身分識別與授權控制措施」。從傳統自動化到如今的 AI 代理，如何管理自主行為，始終是一個重要課題。
人工核准並非最終答案
Claude Code 使用者最初批准了 93% 的權限請求，後來這一比例升至 97%。這反映了核准疲勞：「人們逐漸不再仔細關注自己批准的每一項操作」。開發者並不是工廠操作員，但如果每個低風險操作都需要點選確認，真正重要的核准就容易被淹沒。授權機制還應該讓那些適合自主執行的任務不必一直等待人工批准。
13.6%的危險指令在一項受控實驗中被人工審查發現，而自動模式的檢出率達到 89%。Anthropic, 2026
03 · 執行權限
CII № 01 · Controlled Industrial Intelligence
五種方法
的探索
從自動化到 AI，產業界與學術界一直在探索如何引導和約束機器的行為。
03 · 執行權限
證據、風險與人的參與
五個關鍵問題
尚未解決的挑戰
當 AI 從推理走向實際執行，一些關鍵問題仍有待回答。
- 準確到什麼程度才算足夠？
- 還有哪些衡量標準？
- AI 的執行邊界在哪裡？由誰決定？
- 核准、監督還是介入？人應扮演什麼角色？
- AI 執行任務後，誰為結果負責？
這些問題的背後
為什麼從智能走向執行如此困難？
原因之一，或許在於
執行權限。
03 · 執行權限
證據、風險與人的參與
實際案例
基於授權門控的故障管理
半導體製造中的通訊故障
01 挑戰
在半導體製造中，AI 能夠快速診斷通訊故障，並提出相應的修復建議。但由於設備昂貴、停機損失較大，工程師對於是否允許 AI 自主執行操作仍持謹慎態度。
02 方法
工程師與資料科學家共同制定了一套 3×3 授權矩陣，以證據強度和執行風險為依據，決定 AI 可以採取何種操作：從監測、提出修復建議，到自主執行或提交人工核准。
在證據充分且完成必要驗證後，AI 可以自主執行低風險和中風險的故障恢復操作。高風險操作仍需人工核准。
| 證據 強度 | 執行風險 | ||
|---|---|---|---|
| 低 | 中 | 高 | |
| 強 | 執行＋事後檢查 | 驗證後執行 | 人工核准 |
| 中 | 建議 | 建議＋驗證 | 人工核准 |
| 弱 | 監測 | 監測 | 人工關注 |
- AI 執行
- AI 建議
- AI 監測
- 人工決策
更多案例與實踐經驗，歡迎聯繫我們。
阿特拉斯雕塑，紐約洛克菲勒中心（李·勞里，1937年）。雕像肩負天球，呼應了洛克菲勒中心的藝術主題：探索新領域與推動文明進步。
n2t.net/ark:66356/c100062交流
CII Atlas
連接產業需求與技術方案
CII Atlas
連接
- 需求真實的產業挑戰
- 媒合連接需求與專業能力
- 方案研究與技術方案
- 驗證在真實環境中測試
- 應用讓智能落地
測試 · 改進 · 重複
訪客分布