AIoT，聽起來很炫，但怎麼選廠商？
這問題…嗯，有點大。AIoT，人工智慧加物聯網。聽起來像是所有東西裝上網路、變聰明，然後工廠效率就翻倍了。很多報告都這樣講。 但實際下去談，才發現根本不是那麼一回事。
選錯廠商，不是錢白花而已，是整個產線跟著你空轉。更慘的是，數據收了一堆，結果全是垃圾，什麼也分析不出來。這點泓格科技的鄭樹發有提過，數據不準，都是噪音。 這是我聽了幾場研討會，還有跟幾個導入過的廠長聊過之後，最深的感觸。
第一步：別先急著看技術，先看「場景」
很多人第一個問題都問：「你們家用什麼平台？」「技術有多強？」
但這可能搞錯重點了。更該問的是：「你做過我們這個產業的案子嗎？」
工廠、農業、零售、醫療...每個場景的know-how差太多了。 智慧製造裡，光是做CNC機台的，跟做塑膠射出的，要看的數據、要解決的問題就完全不同。前者可能看機台震動、刀具壽命；後者看料溫、壓力曲線。
一個做過智慧農業灌溉的廠商，跑來跟你說他懂工廠的預測性維護，這就要打個問號。 因為產業知識才是最難複製的。技術平台大家用的可能都差不多，AWS、Azure...但怎麼把技術跟你的現場對接，才是關鍵。
技術整合能力才是魔王關
這大概是最多專案失敗的地方。AIoT最煩的就是「整合」。 你有舊的ERP系統、現場的MES，還有各種不同年代、不同牌子的機台PLC。 新的AIoT廠商進來，能不能把這些東西全部串起來，讓數據順暢流動？
這不只是技術問題，更是「溝通」跟「經驗」問題。廠商有沒有能力跟你的IT部門、產線老師傅溝通？他懂不懂那些舊設備的通訊協定？
之前聽過一個案例，一家廠商很會做雲端AI分析，但對現場設備一竅不通。結果光是把機台數據撈出來，就搞了快半年，專案進度大延遲。ABI Research的資料好像也側面印證了這點，亞洲區專案交付延遲率比歐美高，可能就跟這種單一廠商包辦但整合能力不足有關。
所以，與其聽他說AI模型多厲害，不如問他：
- 接過最舊的設備是什麼？花了多久？
- 跟我們公司的ERP或MES系統對接，有沒有經驗？
- 數據所有權是誰的？未來如果想換供應商，數據拿得走嗎？
大型平台商 vs. 垂直領域專家，怎麼挑？
這也是個大哉問。是有點像…你要自己買菜、找食譜來煮一桌滿漢全席，還是直接去餐廳點菜。
大型雲端平台像AWS、Microsoft Azure，他們提供的是一整套很強的工具箱（食材跟廚具）。 彈性很大，但前提是你要有自己的廚師團隊（IT和開發人員）。
垂直領域的系統整合商(SI)就像是餐廳。他可能就專做幾個菜系（特定產業），但是從採買到上菜都幫你弄好。 對於資源有限，或不想養一個技術團隊的公司來說，比較省事。
這裡簡單做個筆記比較一下：
| 類型 | 大型雲平台 (如 AWS, Azure) | 垂直領域系統整合商 (SI) |
|---|---|---|
| 優點 | 工具齊全、彈性超高，想怎麼組合都可以。技術很前沿。 | 懂產業痛點，有現成方案能快速套用。從頭到尾幫你服務好。 |
| 缺點 | 要自己組團隊開發，很燒錢也很花時間。像給你一堆樂高，但沒附說明書。 | 方案可能被「綁死」，彈性比較小。未來要擴充或改功能，都要看他臉色。 |
| 適合誰 | 本身技術能力強、資本雄厚的大公司，想建立自己的核心系統。 | 想快速看到效果、內部IT資源不多，或是不想處理繁瑣整合問題的公司。 |
別忘了看資安和長期維運
東西上雲、連網，資安就是個大問題。 尤其是工廠的產線機密，萬一外洩…後果不堪設想。問清楚廠商的資安架構、有沒有符合國際標準（像ISO 27017之類的），這是基本功。
還有，系統上線只是第一步。後面的維運、更新、演算法優化…誰來做？費用怎麼算？很多廠商一開始報價很低，但後續維護費用高得嚇人。這點一定要在合約裡先談清楚。
這讓我想到，台灣很多廠商，像是研華，他們就是從硬體製造慢慢轉型成系統整合服務，在全球都有據點。 這種有長期營運基礎的公司，相較於突然冒出來的新創，在長期支援上可能比較穩。當然不是絕對，但可以當作一個評估點。
所以，結論是？
嗯…好像沒有標準答案。
我的筆記大概是這樣：先把自己的「應用場景」和「痛點」定義清楚。然後，去找真正在這個領域有實戰經驗的廠商，而不是只會說PPT的。 最後，把技術整合的複雜度、資安、長期維運成本，都想清楚了再簽約。
選AIoT廠商，選的不是技術，更像是選一個長期的合作夥伴。他得夠懂你，你們也得能一起解決問題。就這樣吧。
看完這些，你覺得自己公司在導入AIoT時，最大的坎會是技術還是人？
