搜尋

會員登入

搜尋

導覽

會員
廣告
廣告
類別:
關鍵字:

搜尋「工廠」,共 6086

Physical AI競爭正從單一人形機器人,進一步擴大至「整座工廠如何由AI協同運作」。韓國科學技術情報通信部規劃2026年至2030年投入7,368億韓元,開發Physical AI軟體平台,讓不同品牌與功能的機器人、設備共同協作,並且

迎接企業AI正從單點導入走向規模化與工業化,2026年又逢達梭系統(Dassault Systemes)來台成立20週年,並舉辦年度高峰論壇暨SIMULIA用戶大會。不僅聚焦「虛擬雙生×AI虛擬助手」,同時邀請全球與亞太區產業專家及科技領袖

面對機器人、AGV(自動導引車)、輸送系統等行動設備快速導入,工業現場對無線通訊的需求也從「能不能連線」,逐漸轉向「能否維持穩定、低延時且可預期的連線品質」。相較於有線網路具備穩定性但缺乏設備移動彈性,Wi-Fi等既有無線技術則可能受到頻譜

受惠於AI、高效能運算與先進製程快速發展,半導體產業持續突破製造與工程極限,同時面臨製程複雜度提升、能源需求增加、設備維護與廠務管理難度升高等挑戰。西門子認為,如今AI的價值已不再只是單點分析或輔助決策,而是需要更深入參與工程、製造與廠務營

生成式AI之後,製造業下一波競爭正轉向Physical AI:讓AI不只分析資料,而能透過感測器、控制器與機器人直接作用於生產現場。近期台灣供應鏈出現兩條值得注意的路線,一端由精密自動化次系統向機器人延伸,另一端則由GPU算力管理進入智慧工

超寬頻(UWB)技術正從數位鑰匙、物品追蹤器,加速向車用、工業定位及智慧感測市場延伸。智慧邊緣晶片與軟體IP業者Ceva宣布與LG電子合作,整合Ceva-Waves UWB基頻IP、軟體,以及LG旗下SoC中心開發的UWB射頻(RF)技術,

基於Token產能與變現能力已改變AI資料中心(AIDC)競爭邏輯,資策會產業情報研究所(MIC)於「2026 MIC FORUM Fall《躍進 AI Leap》」研討會次日,聚焦現今AIDC的競爭態勢轉變、經營關鍵議題,以及算力與網路傳

AI正從設備監測、異常偵測與預測維護,逐步深入品質判定、製程最佳化甚至控制決策,但當AI介入關鍵製程愈深,模型失效所帶來的設備、工安與營運風險也同步升高。德國萊因指出,製程工業導入高風險AI,已不能只看模型準確率,必須建立涵蓋風險分級、可靠

由檢驗驅動行動的系統,可概括為「感測-判斷-行動-驗證-再學習」五階段閉環。它讓品質資料不再停留在報表,而能即時回到機台、物流、工單與供應鏈;但閉環越自動,錯誤行動的影響也越大。

第一篇探討AOI的「眼睛」與「感覺器官」,從人工檢查的限制著手,討論感測器、光學配置、3D量測及評估指標,強調AI視覺在工廠應用前需建立可重現、可比較和可追溯的事實層。

當全球人工智慧的浪潮以驚人速度從單純的語言對話模型,演進至具備自主規劃、工具調用與複雜多步驟執行能力的代理式AI(Agentic AI)時代,半導體產業的競爭焦點也迎來了根本性的典範轉移。 過去數年間,市場往往聚焦於單一GPU晶片的尖峰算力

當生成式AI模型能力快速普及後,產業競爭焦點正在轉向另一項稀缺資源——Domain Data。近期智慧醫療、農業與製造案例顯示,企業開始把長期累積的交易、設備與生產資料轉成AI可分析的結構化資產,AI落地的門檻也由「有沒有模型」轉向「有沒有

如果把人形機器人拆開來看,最醒目的往往是AI晶片、攝影機、馬達與減速器;但真正決定它能否離開舞台展示、進入工廠與服務現場的,並不是其中任何一顆明星元件,而是各種快慢不同、風險不同的電子系統能否形成一個有秩序的整體。語言模型可以花數百毫秒理解