起因於COVID-19防疫需求，讓「超前部署」成為2020年熱門辭彙，不僅政府力拚超前部署，事實上產業界也在力拚超前部署。

過去不少製造業者面對工業4.0、智慧製造、數位轉型等浪潮，雖未抗拒，但總是看得多、做得少；然而因為疫情衝擊，使得全球的供應鏈、需求端形勢大亂，連帶改變許多企業主的觀念，「不趁此時調理體質、蓄積中長期競爭力，更待何時」，於是企業投入數位化、智慧化布局的比例，較以往呈現顯著增長。

另一方面，根據Gartner報告顯示，全球製造供應鏈受到疫情衝擊，工廠勞動力短缺使產量與產能下滑至少20%，這一點，也對智慧製造需求產生助長的效應。所謂智慧製造，是一種技術驅動的方法，利用雲端、物聯網(IoT)、大數據、人工智慧(AI)等新一代的資訊科技，把生產過程中每一個環節都高度客製化、智慧化，協助製造業者更敏捷因應快速變遷的市場需求。

回顧從前，製造業追求的重點目標是自動化，意在建構大批量生產的能力，如今的智慧製造，則必須根據客戶需求、進行快速客製化生產。

眾所皆知，台灣製造業曾經展現傲視群倫的榮光，當時賴以驅動代工製造的能量，便是大批量生產；近年隨著工業4.0掀起滔天巨浪，導致物換星移，台灣業者原本擅長的生產模式不再吃香，迫使業者投入發展智慧製造，期望藉由4.0浪潮乘勢而上、重登榮耀。

製造業轉型旅程  始於IT基礎架構優化升級

只不過要做數位轉型，並不是導入自動化、購置機械手臂就能了事，如果只是這樣，恐讓企業的智慧製造旅程愈走愈偏。

如何走對的路？首要之務，先讓工廠資料中心的基礎架構轉型升級，將伺服器做重新配置，以便能處理多元化資料串流。接著建立集中儲存庫，把收集到的異質資料、不管是結構化或非結構化，通通存放於此。

而這個儲存庫，也是近年來不時有人提到的「資料湖泊」(Data Lake)，本意是超大規模且成本相對低廉的儲存空間。例如在大數據場景中經常用到的Hadoop，即是實現資料湖泊的主要技術，只因Hadoop能儲存任何型態的原始資料，當企業要進行資料分析時，再從這裡取出資料、導入到資料倉儲進行處理。

與此同時，企業必須備有大量且足夠的運算資源，能充分因應任何專案的實驗、測試與開發之需求，滿足必要的資源容量，藉以提升組織敏捷性，加快智慧創新步伐。

此外企業不管想改善生產流程、提升生產效率、優化生產良率，或達到預防性維護保養，勢必得建立超乎人類的識別、分類與處理能力，所以需要擁抱AI，部署機器學習(ML)和深度學習(DL)等技術。而當模型開發完成後，還需要將模型部署到邊緣端，以便於針對現場不斷生成的訊息做出彙總與分類，也就是所謂的AI推論，一旦證實為異常狀態，就可立即採取行動，因此企業也必須建立邊緣運算架構。

看到這裡，企業主可能倒抽一口涼氣，直呼要推動數位轉型，光是為了改善基礎架構，似乎就得付出高昂代價；況且就算不計成本，也未必能隨時應付突發性需求、及時達到資源擴展。所以基於投資效益的最佳化考量，愈來愈多製造業者選擇將雲端納為數位轉型旅程的重要一環，且不只是中小型企業這麼做，就連處於金字塔頂端的大型企業，都向雲端靠攏。

半導體業向雲端靠攏  加速晶片設計、測試及驗證

論及智慧製造的超前部署，台灣某大型IC設計公司搶先產出全世界首顆5G SoC晶片(為7奈米製程)之例，肯定名符其實。綜觀這顆SoC晶片的內容，包含處理器、GPU、APU(AI處理單元)及5G高速數據機。

此開發案不論在設計、模擬和驗證等各方面的複雜度，都超乎以往甚多，因而需要動用巨大運算規模，以伺服器的佈建台數來說，時不時擴展需求都是千台起跳、而且必須在短短幾天內到位。可以想見，該公司的IT部門當時必定承受極沈重壓力。

於是該公司決定建立混合雲環境，除自建雲外再加上公有雲，之後便將電子設計自動化開發工具(EDA)搬上公有雲運行，只因IT部門能在極短時間內部署大規模高階機器、藉以執行EDA軟體，讓研發團隊沒有後顧之憂推進電路設計、效能分析等繁重工作，加速產出晶片電路圖、交由晶圓代工廠生產，如期實現Tape-out目標。

不僅如此，該公司甚至還把IC設計後段最消耗資源、但也至關重要的靜態時序分析(STA)的計算工作，同樣搬到公有雲平台來執行，確保5G晶片如期交付生產。

5G 臨門一腳  智慧製造大步超前

現在談到智慧製造議題，似乎不能只看AI、IoT，還得關注另外一個重要元素、即是5G。專家指出，企業無論進行人機協作、AI/ML演算、線上量測、運動控制或制定商業決策，都需要仰賴大量數據，假使這些數據移動到計算節點的延遲時間愈長，必定拖慢處理程序，讓許多時間敏感型的創新應用難以為繼。

有了5G通訊，挾著超寬頻、低延遲、高可靠性等諸多優勢，使得過去所有受制於資料延遲、處理速度慢的應用開發計畫，通通能破繭而出，瞬間將智慧製造提升好幾個檔次。

更重要的，經由5G串聯，意謂許多控制器或驅動器的佈線設計，不需再像從前如此複雜，勢將使得運動控制架構、乃至其他更多自動化架構因而出現重大轉變，值得密切關注。