Page 73 - 2026 大中華機械五金總覽

進者即便擁有相同設備，亦難以複製其決策品質與交付穩定度。
AI 讀懂CAD圖檔

最後，從政策與法規環境觀察，歐盟碳邊境調整機制(Carbon border adjustment mechanism，
實現一鍵算料與智慧報價 CBAM)、環境、社會與公司治理(Environmental, social, and governance，ESG)揭露要求及工業資安法

規同步推進，使企業必須具備可追溯、可稽核、可回溯的數位證據鏈。AI驅動的CAD 解析與文件自

■文／台灣人工智慧協會理事 高季安、先知科技股份有限公司顧問 陳仲宜 動管理，適足以成為串接設計、製造、品管與合規資料的關鍵樞紐，其價值已從「效率工具」升級為
「風險控管與合規基礎建設」。
在2025年的全球產業地圖中，製造業正處於從「效率優化」邁向「生產力賦能」的關鍵轉折點。隨
著生成式人工智慧(Generative artificial intelligence，GenAI)與大語言模型(Large language model，LLM)技 綜合上述趨勢可見，AI讀懂CAD圖檔並非單點技術突破，而是順應市場結構、技術成熟度與法規

術跨出實驗室門檻，全球工業人工智慧市場已不再滿足於單純的硬體自動化，而是轉向如何將AI深 環境共同推動下的必然演進，其商業價值已具備中長期投資合理性。
度嵌入研發、報價、生產與品管的數位脈絡中。
二、2025年全球產業數位轉型的三大主軸

一、人工智慧領航下的工業再造與「認知自動化」時代 當前，全球製造商正迎戰高關稅、供應鏈重組與勞動力短缺等多重挑戰。有鑑於此，2025 年的產業
技術呈現出明確的發展脈絡。
過去三十年，製造業累積巨量的數位資產，但其中高達80%是非結構化或半結構化的「暗數據」，
1、智慧製造與認知工廠的崛起
如電腦輔助設計(Computer-Aided design，CAD)圖檔、可攜式文件格式(Portable document Format，
企業投資重心從「雲端集中運算」轉向能直接提升營運決策品質的AI工具。市場不再只追求機台的
PDF)函釋、技術規格書等，此一現象導致「知識散沙化」的長期痛點。然而，當具備CAD特徵提取與
連網，而是追求系統是否能如同資深工程師一般，「看懂」一張複雜的工程圖，並自動判斷其加工可
LLM語義理解能力的混合型AI平台出現後，製造業已正式從「數位化」轉向「認知自動化」時代，真
行性。
正賦予系統「理解」圖紙與經驗的能力。
2、CAD與工程軟體的典範轉移

傳統CAD軟體正迅速演化成為與AI 協作模式，AI演算法開始具備早期識別設計缺陷，並自動化處
二、全球工業AI市場趨勢觀察
理重複性高的零件拆解與算料等工作能力，從源頭即減少高昂的後期重工成本。
從市場發展的角度來看，2024～2026 年被多數國際研究機構視為「工業生成式 AI 商用化落地」的
3、數據主權與地端AI堡壘
關鍵窗口期。相較於過往以 ERP、MES、PLM 為核心的數位轉型階段，當前製造業投資邏輯已明顯
隨著資安意識提升，企業對核心圖資的外洩極為敏感。2025年，「隨選模型 (On-premise LLM)」成
轉向「能否直接影響毛利結構與決策速度」，而非單純的系統建置完成率。
為主流，企業傾向將運算保留在內部防火牆內，確保商業機密不因送上雲端而暴露。

首先，在市場需求端，高關稅環境、區域化供應鏈重組(Supply chain regionalization）及客製化訂單
三、圖文特徵融合技術、檢索增強生成與知識中台之協同應用
比例攀升，使企業面臨「報價速度慢、設計錯誤成本高、知識傳承斷層」等三重壓力。傳統仰賴資深
欲使AI真正取代人工進行「讀圖」與「查規」，核心在於打破視覺辨識與文本理解的疆界。目前產
工程師人工讀圖、人工算料與經驗判斷的模式，已難以支撐高頻、少量、多樣化的接單型態，促使企
業領先的技術作法，主要圍繞以下兩大核心架構：
業開始尋求可複製、可擴展的 AI 輔助決策能力。
1、圖文特徵融合技術(Vision-Text fusion)
工業圖紙檔案(如DWG、DXF、PDF)有別於一般照片或圖片，其具有極高的幾何精度與非對稱等
其次，在技術供給端，生成式AI與多模態模型(Multimodal models)愈臻成熟，顯著降低AI 進入工
特徵。先進的解決方案不再只使用單一的光學字元識別(Optical character recognition，OCR)或視覺模
程領域的門檻。過往CAD 圖檔因其高度專業性與幾何精度需求，被視為「難以被AI理解」的最後屏
型，而是採用混合型 AI模式，說明如下。
障。然而，隨著視覺模型、向量資料庫與語義理解技術的整合，AI已能同時解析線條、尺寸、公差與
文字註解，使「讀圖即理解」從概念驗證階段邁向可規模化應用。
－視覺路徑：利用卷積神經網絡(Convolutional neural network，CNN)解析圖面幾何特徵及拆分CAD
圖中的圖像、文字與數據資訊，精確定位焊接符號、機械加工尺寸、甚至是複雜的組件邊界。
再其次，在產業競爭結構上，全球製造業正出現顯著的「數位能力分化」。領先企業已不再只比較
－語義路徑：同步連動數據AI及LLM理解圖紙旁的註解與技術文件，並將兩者特徵在隱向量空間中
設備折舊與人力成本，而是將「工程知識的再利用率」、「錯誤預防能力」與「報價反應時間」視為
融合。
核心競爭指標。能率先導入AI 圖文理解與自動化知識管理平台的企業，往往能形成隱形門檻，使後

70 71

2026-機械五金-內文完成.indd 55 2026/2/20 下午 05:34:17 2026-機械五金-內文完成.indd 56 2026/2/20 下午 05:34:21
2026/2/20 下午 05:34:21
2026-機械五金-內文完成.indd 55
2026/2/20 下午 05:34:17
2026-機械五金-內文完成.indd 56