🌞🌞🌞6月日本商品預購🌞🌞🌞
#訂購請私訊
日本Sonic -utlim多功能磁吸式平3C架$980

如果你買了他一系列的耳機跟充電組那這個千萬不能錯過

一組內共有兩個磁吸式置物盤
不只可以放平板、手機，也能放上觸控筆等小物

支架附了兩個磁吸小置物夾，可以吊耳機～

因為可自由移動的關係，想怎麼用就怎麼用很自由

#簡單一擺就能讓桌面變得很整齊!!
也不需要分成好幾個放置區，使用上也很便利唷

甚至是平常提供平板讓客人輸入資料的店家也很適合使用這款
實用又好看怪不得能登上人氣暢銷榜啦

材質：金屬、矽膠
尺寸：組裝後約22 x 18 x 15cm
承重能力：盤子約700g、約可放置13.5英吋平板

⚠️⚠️⚠️⚠️⚠️⚠️⚠️⚠️⚠️⚠️⚠️

🈲預購/連線沒有蝦皮下單 也沒有到貨付款🈚

下單後不接受取消訂單
違規者直接封鎖並列為黑名單
再請大家千萬不要跑單
不然跩媽會傷心難過哭哭😥

商品到貨日大約為下單日往後算兩週
德國澳洲商品到貨日較久
大約為三到四週禮拜
如果無法等待請您考慮後下單

預購商品兩週結單一次
#每月15日/30日為結帳日
商品金額滿3000即免運費
未達免運費門檻運費酌收60

出貨方式👉👉新竹物流/7-11超商取貨

匯款後依照匯款順序出貨📫📫📫

「奇怪，十八號攝影機怎麼壞了？」
　
希普諾斯將雙手擺在背後，偷偷扔掉一樣小東西，「是嗎？您看，已經好了。」說著，單手替方才到場的黑桃總理大衛按下某個按鈕，刷黑的螢幕隨即恢復正常。
　
伊克洛斯在旁邊看著這一切，額頭冒出些許冷汗。這下可不得了了，第一，黑桃國總理蒞臨，想必要來找碴；第二……
　
這個第二點，才是他最在意的。
　
他剛才去外頭抽煙，想不到一出陽台就目睹希普諾斯捏爆第十八號攝影機的接收裝置，然後若無其事地請技術人員拿出備用機台。第十八號攝影機方才究竟錄進了什麼畫面？不用問也知道，跟那個名叫恩帝米歐的黑髮美少年有關。
　
希普諾斯難道有「那方面」的癖好？這位帥氣將軍多年來從來不近女色，該不會真是因為喜歡男人？如果是，伊克洛斯心想，自己反而要開心，以後說不定可以找希普諾斯玩一些以前沒機會玩的新遊戲。
　
希普諾斯不想待在把女人都叫來伺候的黑桃國總理身旁，抓起啟動測驗程式的晶片，「我去操控室啟動裝置。」
　
「我跟你去。」伊克洛斯抽回被豐滿女將軍悄悄握住的手，披上醫生白袍，抱持看好戲的愉悅心情，跟上希普諾斯的腳步。
　
　
兩千名考生聚集於廣場上，據璐平方才提到，廣場前的高塔名為「巴比倫之塔」，是本屆噬夢學院入學考試的舉行地點。米歐的目光緩緩往上移，高塔外牆以螺旋方式一層一層堆砌而成，塔尖穿入雲層，望不到頂。據說內部共有三百三十三層樓。這座塔又有「惡夢監獄」的別名，傳聞塔頂關著最初施打「魔導因子」的實驗者們產生的副作用──最強大、最邪惡的惡夢。
　
視線還未離開高塔，高塔外層的透明結界忽然閃現訊息文字。
　
「來了！測驗題目終於來了！」考生們興奮起來。
　
斗大的字體懸浮於高空，從左到右排列，組成考題：
　
歡迎各位考生參與第二十三屆噬夢學院入學考試，考試規則如下：
　
規則一：本次考試主題為「潘朵拉之盒」，必須在高塔中找到「希望寶箱」。
　
規則二：請先從「赤門」、「紫門」、「皇門」中擇一進入高塔。入口只進不出，其中有一扇門走五分鐘後是死路，無任何出口。
　
規則三：進門之後，所有考生將被植入晶片，生成適應黑暗的新視網膜。每人還將領取一只智慧型手環，能即時開啟高塔寶物圖鑑、高塔內部地圖，並能叫出即時積分。
　
規則四：一旦寶箱被打開，「希望」從箱內飛出，考試便宣告結束。打開「希望寶箱」的考生將可獲得三年免學費與鉅額獎學金的獎勵。寶箱開啟當下，半徑三公尺內的考生不管積分高低，皆可進入噬夢學院。其他存活考生將以積分高低判定入學與否。
　
評分標準：與惡夢戰鬥的表現、與夥伴間的合作、在高塔收集到的稀有寶物數量、PK勝利的次數。
　
錄取人數：九十九人。本次考試實況將在全球各大電視台與知名入口網站同步轉播，觀眾票選的人氣冠軍，若不在九十九人名單中，可破例作為第一百名錄取者。
　
追加註解：本次測驗考官一致同意考生可以進行PK，PK雙方的人數必須相等。失手讓對手失去生存能力者，將被扣分，但不需接受法律制裁。PK結束，考官會對雙方評分。PK以外的殺人行為，依舊會受到法律制裁。
　
「天啊！這是什麼爛規定！」
　
「這是要我們自相殘殺嗎？我才不要！」
　
考試規則播放結束，現場抱怨聲不斷。璐平支著下巴思索，奇怪，一向盡力保護考生安全的噬夢學院入學考試，這次居然破例同意了考生間的戰爭？這樣一來，只要把其他考生統統殺死，就算分數被倒扣，也能進入錄取名單。
　
不過換個角度想，打開希望寶箱，測驗才會結束。若把其他考生殺死，孤軍奮戰，大概很難在充滿高等級惡夢的塔裡存活。PK規則，應該是為了搶寶箱或稀有寶物而做的特殊設定。
　
「走了。」大部分考生都想結合眾人的力量要求更改規則，米歐卻反其道而行，大步走出隊伍。蜂鳥一樣的十八號攝影機穿梭於人群中，緊跟不放。
　
「等我一下！」璐平望向緊跟在米歐身旁的攝影機，真奇怪，他也是考生，為什麼鏡頭只捕捉米歐的畫面？
　
只有二十名考生脫離人群，走向三道大門，加上璐平則是二十一人。相較於將近兩千人的大團體，遵從考試規則者顯然是極少數。
　
「叛徒！你們難道喜歡自相殘殺？」
　
「先PK掉他們，再跟主考官抗議！」
　
米歐見身側站了十幾人，便不打算當先鋒，站到後方。璐平訊速架起結界，應付來自意見相反者的攻擊，「不喜歡官方訂定的PK，為什麼現在要出手攻擊我們？」
　
璐平剛喊完，額角就被一只迎面飛來的鐵罐敲上，「哎唷！」他只顧著幫米歐做結界，忘記了自己。
　
「即便少數人是正確的一方，團體行動仍不免有少數要服從多數的謬思。對了……」米歐靠近璐平，肢體微微相碰，讓璐平想起方才被吸血的畫面，米歐似乎親了一下他的傷口。思及此，一股熱氣從脖子竄上頭頂。
　
「你打算選哪扇門？」
　
璐平連忙在空中揮幾下手，揮開令人害羞的畫面，「其中有一條是死路，入口又無法當出口，選到死路的人一定要會瞬間移動，才能抵達其他路徑。」
　
遵從規則的考生們各自選了門，意外的是，他們都不選擇位於正中央的「紫門」。
　
「我不會瞬移，但你會。」
　
「就算我會，也不會丟下你瞬移去別的路。」璐平連忙解釋。
　
後方的憤怒學生群步步緊逼，連同璐平的結界，一起把他們逼向前。米歐卻表現得相當冷靜。
　
「很簡單，你先選門，五分鐘後，不管可不可以走下去，都跟我回報。考試規則可沒有限定何時得進入考場。」
　
璐平嚇得發顫，拉住米歐，「你、你是說，要我一個人先進去？塔裡面很黑很可怕耶！」
　
「你怎麼那麼沒用？」
　
「不行啦！我最怕黑了！」
　
「剛剛不是說了，進門之後，會生成適應黑暗的視網膜。」
　
「實質上還是黑的啊！」璐平還未替自己找到更多藉口，已被米歐一把推向大門。他哀怨地看看米歐堅持的眼神，吞了吞口水，又看看被結界暫時擋住的憤怒考生群，再看向三道門。　
　
「好吧，那我選紫色。目前的等級還不能使用通話功能，我會寫文字訊息給你，用紙牌。」
　
「嗯。」用紙牌？
　
米歐不清楚怎麼以紙牌通訊，疑惑地拿出牌卡研究，笨拙的行為讓璐平露出笑容，「我幫你設定群組。」
　
米歐點頭，將剛解鎖的紙牌交給璐平。
　
「手也給我。」
　
米歐不疑有他地伸出手，被璐平緊緊握住。
　
「喂！你幹嘛？」
　
「我要操作你的紙牌，不透過你是不行的。」
　
米歐尷尬地四處亂望，生怕被氣頭上的考生群誤會。
　
璐平翻開米歐的通訊錄，裡頭只有一個名字──「希普諾斯」，難道是噬夢學院的榮譽導師，那位黑桃J的將軍？他努力不讓自己表現出震驚，咬了一下手指，將染血的指腹貼上螢幕指定範圍。
　
「每次輸入都要咬破手指？」
　
「這是因為我總是忘記自己的ID號碼，只能用血來掃描。」璐平將血融入米歐的紙牌，如此一來，就算紙牌被重製，這個ID也會牢牢地留在牌卡的最深層記憶中，不會消失。他接著將自己與米歐的名字設成群組，組名叫作「Sweet Dreams美夢隊」，又輸入群組權限。
　
「幹嘛取這麼奇怪的組別名？」
　
「『祝你有個美夢』，這不是很好嗎？」璐平把紙牌還給米歐，米歐接過，立即抽回手。
　
「……美夢。」熄掉螢幕，黑髮少年沒有再說什麼，似是無奈地揮揮手，趕璐平去執行任務。
　
　

目送璐平離去，米歐留在原地觀察考生群的動向。
　
陸續有人走出抗議隊伍，決定服從考試規則，選擇入口大門進入高塔。也有一部分考生決定離場棄權。十分鐘後，滯留於廣場與進入高塔的學生總數約為一千八百人。
　
米歐選擇留下來，除了方便璐平探路，還有另一個原因：吸璐平的血時，他隱約感受到一股衝著他來的殺氣。公佈考試規則時，那股殺氣還在，而且變得越來越強。待到考試規則說明可以殺人，那股殺氣已經膨脹到要當場置他於死地的程度。
　
米歐側身望向從後方靠近的人影，紅髮刺蝟頭、護目鏡拉高到頭頂、身著技師工作服、扛著大砲的男考生。應該是偏向「製造」的武裝鍊金師類型。
　
「唷？不需要這麼緊張，我叫凱因，交個朋友如何？」
　
米歐沉默不語，目光跟隨自稱「凱因」的少年步伐移動。周圍鬧哄哄的，這傢伙不至於在這種地方找他PK吧？
　
「別人來示好，你應該要給點禮貌的回應。」凱因刻意走到人多的地方，將音量放大，「還是說，會吸血的人，都不懂得基本禮貌？」
　
果然，這傢伙目睹了他吸血的過程，米歐暗暗握緊雙拳。許多道目光都往這裡投過來，可他依舊沒有搭理紅髮少年的意思。距離璐平回報探路結果還有四分半，他不想為了無聊的人浪費時間。
　
胳臂被凱因捉住之前，他的確是這麼想的。
　
米歐迅速抽回手，轉身拔劍。凱因則將雙手擺到臉旁，「哎唷，別這麼兇嘛，我只是碰了你一下，反應幹嘛這麼大呢？因為我不是你的搭當，你就沒辦法親吻我嗎？」
　
「親吻？」年輕考生對這類的話題特別有興趣，幾個人立即圍過來。
　
「是啊！我親眼看到這個人親吻搭檔身上的傷口，那個傷口還是因為他去吸──」
　
「住嘴！」米歐全身燃起紅色火焰，滿溢而出的殺氣逼走意圖湊熱鬧的考生，「你的目的是什麼？」
　
凱因卸下背上的大砲，「不為什麼，因為我的家人都死在你這樣的人手中。」
　
米歐蹲低，銳利的目光直直盯住紅髮少年。只剩下四分鐘，他本來可以克制住情緒，不讓自己直接進入戰鬥模式，卻聽見凱因道出一句話……
　
「你的搭檔真可憐，還得負責當你的食物。」
　
凱因把重心擺在後腳，砲口朝上，大量光絲聚集，形成半徑一公尺左右的魔法陣型，巨大的機械三頭犬慢慢浮現。
　
召喚型？製造型？憤怒的米歐退後幾步，使用電，會助長機械的威力。自己除了電，還會什麼招數呢？
　
這是測驗開始後的第一場PK，十幾部攝影機圍在米歐與凱因身邊。
　
兩人還未進入高塔，自然沒有手環，現在的行為不列入積分評比，也不受扣分的限制。圍觀的學生越來越多，所有人都暫時忘記了，這段畫面會透過轉播傳送至世界各地，影響觀眾的投票。
　
不用多久，熱門的賭博網站果然開出了第一局賭盤：「恩帝米歐V.S.凱因」，一分鐘不到，下注超過了一億金幣，押米歐是1賠26。換句話說，玩家們普遍認為米歐的獲勝機率只有百分之四左右。賭場老手大多選擇押第一輪書面資料排名在一百一十六名的凱因。
　
在電視機前關注噬夢學院入學考試實況的觀眾被這場PK吸引，抗議入學規則和選擇入口大門的畫面再也無人關注。大夥紛紛開啟賭盤網站，押自己看好的選手。
　
一名站在米歐身後不遠處的男考生拿出「方塊七」的紙牌，進入賭盤入口網站，在恩帝米歐的人像下方，賭上一億金幣。如果米歐獲勝，他能得到一筆天文數字的獎金！
　
下注成功，他滿意地退出賭博網站，桌面隨即浮出二十幾則聊天訊息，全都都是剛認識的女考生發來的。他一律回傳相同的愛心貼圖，關掉螢幕。
　
收好紙牌，男考生悠哉地接近米歐。長及腰的淺色髮綁成公主頭，全身散發媲美王子的貴族氣息，所到之處皆有女孩投以愛慕眼光。
　
前方，米歐閃身迴避三頭犬的攻擊，地面遽然被劈出一道痕跡。又一個側空翻躲過下一波攻勢，他遲遲不敢發電，就怕反過來助長機器的威力。
　
魔法咒文圍繞於三頭犬身周，每發動一次攻擊，強烈的電子光線都會產生靜電，讓米歐感受如被千根針戳刺的痛。
　
「怎麼了？你只會吸血，卻不會使用魔法？這種人怎麼能通過入學考的書面審核？」
　
米歐持續壓低身姿，頭也低下，「囉唆死了。」忽地，整個人像風一樣衝過凱因身旁，持續加速。
　
「想跑？休想！」
　
米歐俐落地側翻，抽出璐平先前在武器街替他買的手槍，朝三頭犬與凱因各開一槍。魔法子彈隨即貫穿三頭犬的其中一個腦袋。米歐頭下腳上地被後座力彈飛，順勢又朝三頭犬的另一個腦袋開槍，身子旋轉半圈，穩穩落地。
　
凱因低頭，見腳踝被子彈擦過，流下鮮血。如果米歐的準頭再好一些，他的腳踝以下恐怕會當場壞死。
　
這點傷沒有嚇住凱因，他仰天大笑，砲口對準剛剛落地的米歐，篤定這回對方來不及閃躲。
　
「哈哈哈哈！去死吧！」
　
夾帶火焰的砲彈射向米歐的胸膛。不是防禦型的夢組魔法師，絕不可能抵擋凱因鍊出來的砲彈。他勾起嘴角，等待迎接幾秒後的勝利。

AI機器人將如何顛覆製造業？

面對AI機器人帶來的破壞式創新，台灣製造業該怎麼把握機會，在自動化典範轉移的亂局中，占有一席之地？

Bastiane Huang
Feb 6 · 1

在先前Robotics 2.0系列文章中，我們討論了AI如何讓機器人做到過去做不到的靈巧工作，並能夠開始自主學習。第一篇文章介紹了AI如何開啟Robot2.0時代。第二篇文章則描述AI機器人在倉儲運輸業的應用，透過觀察這個新技術的第一個應用場景，來預測這一切將如何影響我們的生產力、就業狀況以及日常生活。

這篇文章我們將聚焦目前大量運用傳統機器手臂及自動化設備，同時占台灣產值最高（30%）的製造業。具有自主學習能力而且靈巧的AI機器人，將如何影響製造業流程及整體產業結構？供應鏈上的各廠商又該如何因應Robotics 2.0帶來的破壞性創新？

「未來已經到來，只是先被一部分人看見。」 — 作家威廉．吉布森

The future is already here — it’s just not very evenly distributed. — William Gibson

製造業自動化現況

根據國際機器人聯合會（IFR）發布的最近報告，全球工業機器手臂的出貨量在2018年創下新紀錄，來到38萬4,000台。其中中國仍是最大市場（占比35%)，接著是日本，美國，台灣排名全球第六。

汽車以及電子製造業依然是工業手臂的最大應用市場（占比60%)，遠遠領先其他包含金屬，塑膠及食品等產業。具體原因我們在第一篇文章也討論過，由於傳統機器人和電腦視覺的限制，目前除汽車業和電子業以外，倉儲、農業和其他產業幾乎都還沒開始使用機械手臂。而這樣的情形將會被AI機器人及深度學習等新技術所改變。看到這裡，你可能會想：自動化及工業機器手臂在製造業既然已經有幾十年的歷史，該自動化或可以被自動化的部分應該都已經自動化了，還有什麼創新的空間呢？

出乎意料地，就連自動化程度最高的汽車製造業，離所謂的全自動化關燈工廠（lights out factory）也還有很大一段距離。舉例來說，汽車組裝的部分大多依然是由人工來完成。這也是車廠最勞力密集的部分，平均一間汽車工廠裡有3分之2的員工都在裝配車間。就連一向追求革新與顛覆，主張追求最高自動化的特斯拉執行長馬斯克，都不得不公開承認，特斯拉生產線自動化的進度不如預期。

究竟為什麼自動化這麼困難？

自動化至今無法跨越的技術限制

現今的自動化生產線普遍為大量生產設計，因此能有效降低成本，但也因此缺乏彈性。面對消費者越來越短的產品生命週期，越來越多的少量多樣客製化生產需求，人類往往比機器人更能夠因應新的產品線，也不需要花費很多時間去重新編寫程式或更改製造工序。

1. 靈巧度與複雜度

儘管科技在快速進步，人類還是比機器人靈巧許多。在訪談電子代工廠商的過程中發現，儘管組裝產品（assembly）已經高度自動化，但備料（kitting）的程序還是必須由人來完成。

備料在製造及倉儲業都很普遍，是提高生產效率的重要步驟。指的是把組裝產品需要的各個零散部件集合起來，打包並放置在工具包（kit）的過程。之後機器人再從工具包中拿取各個零件並進行組裝作業，這時候因為各個零件都在一個固定的位置和角度，自動化編程相對容易。相反地，備料時必須從雜亂無序的零件盒中辨識並拿取零件，零件的位置角度不一，甚至可能重疊或纏繞在一起，這對現有的機器視覺及機器人技術都是一項挑戰。

2. 視覺與非視覺性的回饋

另外一方面，很多複雜的裝配作業需要靠作業員的經驗或「感覺」。不論是安裝汽車座椅或是將零件放入工具包裡，這些看似簡單的動作，事實上都需要作業員或機器人接收，並根據各種視覺甚至觸覺訊號，來調整動作的角度及力道。

這些精細的微調使得傳統的自動化編程幾乎派不上用場，因為每次撿取或放置物品都不完全相同，需要像人一樣有從多次的嘗試當中，自主學習歸納的能力，而這正是機器學習，特別是深度及強化學習，能夠帶給機器人的最大改變。

Robotics 2.0：AI可以讓工廠機器人做到哪些事？

AI帶給機器手臂最大的改變就是：以往機械手臂只能重複執行工程師編寫程序，雖然精準度及速度都很高，但卻無法應對任何環境或製程改變。但是現在因為AI，機器可以自主學習更複雜的任務。具體來說，AI機器人較傳統機械手臂在3大方面有重大突破：

1. 視覺（Vision System）

就算是最高階的3D工業相機，仍然無法像人眼一樣，既可以精準判斷深度距離，又可以辨識透明的包裝、反射表面、或是可變形物體。這也是為什麼很難找到一款相機，既可以提供準確的深度，又能夠辨識大多數的包裝及物品，然而，這樣的情形很快就會被AI改變。

機器視覺在過去幾年取得了巨大的進展，幾間來自於矽谷及波士頓的新創，包括OSARO和Covariant，利用深度學習（deep learning），語意分割（semantic segmentation），及場景理解（scene understanding）提高了低階相機的深度及影像辨識，讓製造商不需要使用昂貴的相機，也能得到足夠準確的影像訊息，成功辨識透明或反射物體包裝。

2. 可擴充性（Scalability）

深度學習不需像傳統機器視覺一樣，需要事先建構每一個物品的3D模型。只需要輸入圖片，經過訓練，人工神經網路就能自動辨識影像中物體。甚至能使用非監督或自監督學習，降低人工標籤數據或特徵的需要，讓機器更近接近人一樣的學習，免去人為干預，讓機器人面對新的零件再也不需要工程師重新編寫程序。隨著機台運作，收集到的數據越來越多，機器學習模型的準確度也會進一步提升。

目前一般生產線通常有震動台、送料器、輸送帶等週邊設備，確保機器人能夠正確拿取需要的部件。如果機器學習再進一步發展，讓機器手臂更加智能，或許有一天這些比機械手臂更昂貴四五倍以上的週邊設備將不再被需要。
另一方面，由於深度學習模型一般儲存在雲端，這也讓機器人能夠互相學習，共享知識。舉例來說，若有一台機器手臂經過一個晚上的嘗試，學會如何組合兩個零件，便能夠很輕易地將這個新的模型更新到雲端，並分享給其他同樣也連結到雲端的機器手臂。這不但省去了其他機器的學習時間，也確保了品質的一致性。

3. 智能放置（Intelligent Placement）

一些對我們來說一點也不困難的指令：請小心輕放，或把物品排列整齊，對機器手臂而言卻是巨大的技術挑戰。
如何定義「小心輕放」？是在物體碰觸到桌面的瞬間停止施力？還是在移動到距離桌面6公分處放手讓物體自然落下？或是越靠近桌面就越降低速度？這些不同的定義又會怎麼樣影響物品放置的速度和精確度？

至於將物品「排列整齊」就更困難了，先不論每個人對整齊的定義都有所不同，為了能將物品精準地放置在想要的位置及角度，我們首先必須要先從正確的位置拿取物品：機械手臂依然不如人手靈巧，且目前一般機器手臂大多使用吸盤或是夾子，要做到人類關節及手指的靈活度，還有一大段距離。

其次我們要能即時判斷夾取物體的角度位置及形狀大小，以下圖的杯子為例，需要知道杯口朝上或朝下，要側放或直放，也要知道放置的地方有沒有其他物品或障礙物，才能判斷將杯子放在哪裡才能最節省空間。 我們因為從出生開始就在學習各種取放物品的任務，這些複雜的作業幾乎不加思索就可以完成，但機器並沒有這樣的經驗，必須重新學習。

經由AI，機器手臂可以更精準地判斷深度，還可以透過訓練，學習判斷及做到杯子朝上，朝下等不同狀態。也可以利用對象建模（Object Modeling），或是體素化（Voxelization），來預測及重建3D物體，讓機器可以更準確掌握實際物品的大小和形狀，進一步將物品放到該放的位置。

AI機器人將如何顛覆製造業？

現在我們知道AI可以讓機器做到許多以往做不到的事，但這對製造業現行的產業結構又會有什麼影響？誰能夠把握住新科技典範轉移技術帶來的機會？哪些公司又會面臨前所未有的挑戰？

AI機器人帶來的破壞式創新（Disruptive Innovation）

破壞式創新由哈佛商學院教授克雷頓‧克里斯汀生（Clayton Christensen）在其著作《創新的兩難》（Innovator’s Dilemma）當中提出。理論的中心思想是：
產業中的既有業者一般會為了服務現有客戶（通常也是利潤最高的客群），而選擇專注於「持續式創新」，改善現有的產品及服務。此時，一些資源較少的小公司把握機會，瞄準被忽略的市場需求，而取得進入市場的立足點。
破壞式創新又分為以下兩種：

（1）低階市場創新

一般大家較為熟悉的是「低階市場創新」，數位照相技術就是一例。早期的數位相機不僅解析度不佳，而且還有快門延遲很長的問題，但隨著數位照相品質及解析度逐漸進步，數位相機逐漸從低階市場晉升為主流。諷刺的是，柯達雖然研發出數位相機，但卻因為無法放棄當時該公司占據全球3分之2的底片市場，而最終被新技術淘汰。這正是所謂的「創新的兩難」，既有業者雖然看到新科技的威脅，但卻因為現有公司結構，策略等種種原因無法及時因應。

（2）新市場創新

「新市場創新」則是指新進公司瞄準既有公司尚未服務到的「新市場」進行創新。例如，電話剛推出的時候只能被用來做短距離的本地溝通，因此電報產業當時的領先者Western Union拒絕購買發明家貝爾的專利，因為該公司最賺錢的是長途電報市場，當時甚至不認為短途溝通會是一個市場，更不用說預見後來人人都用電話溝通的情景了。

而AI機器人帶來的，正是「新市場的破壞式創新」！

目前汽車及電子製造業占工業機器手臂出貨量的60%，這也導致市場領先者發那科（FANUC）、ABB、KUKA、安川（YASKAWA）專注於「持續式創新」：做他們最擅長，客戶也最需要的，進一步提高速度及精度。這也使得其他諸如倉儲業、食品製造業，或製造業中的「備料程序」成為被忽略新市場。這些客戶並不需要這麼高速度，高精度的作業，但需要機器手臂更靈活，更能彈性自主學習辨識及處理不同的零件或是工作。

新創AI機器人公司看到這樣未被滿足的需求，開始將人工智慧應用在機器人上，使得機器手臂可以被用在備料，包裝，倉儲等新市場。他們使用較低階的相機搭配機器學習模型，讓以往只能由人工作業的備料，貨物分撿等程序自動化，讓機器手臂可以被運用在更多不同的地方，甚至整個產業。

有趣的是，這些新創公司一般不自行生產機器手臂，而是專注於開發機器學習模型、機器視學及控制軟體，在硬體方面則選擇跟既有機器手臂廠商合作。因此，你可能會想，就算這些機器手臂公司不追求AI創新，他們也不會被時代淘汰，因為自動化還是需要硬體的供應。

但是，這樣想忽略了幾件事：

首先，有些機器手臂公司已經先嗅到了商機，並開始一邊與這些新創公司合作，一邊建立自己的AI團隊。這些公司因為率先採取行動，可以更快地在這些以往服務不到的新市場中建立客群，進一步領先競爭對手。

其次，隨著AI應用的普及，產業鏈中的最大價值，會逐漸由硬體轉向軟體及數據。 這點，我們已經可以從無人車的發展趨勢中看出。一但無人車可以做到高度自主，大部分的價值都會在掌握無人車機器學習模型及自駕數據的特斯拉，或Google等公司的手裡。這也是為什麼車廠人人自危，不是積極併購就是跟矽谷的軟體AI新創公司合作。相比起來，機器手臂及製造商對AI技術的接受速度似乎還不及汽車製造商。

AI機器人帶來的挑戰與機會

AI及機器人的結合帶來許多的可能性，但是這些改變絕非一蹴可幾。機器手臂公司縱使開始投資AI，也依然會面臨當初柯達所面臨的「創新者的兩難」。

要如何重新打造組織及發展策略，才能夠讓轉型的負面影響降到最低，也考驗各個公司管理階層的判斷與決心。

另一方面，開發全新市場也絕非簡單的事，新創公司仍需要和製造廠商密切合作，開發更貼合客戶需求的解決方案。 製造業的流程甚至比倉儲更複雜多樣，新創公司雖然了解AI及機器人技術，但卻不一定了解製造流程。這也給台灣製造廠商一個搶得先機成長轉型的最佳機會。

如果台灣廠商能夠率先和這些新創公司合作，不僅能透過流程自動化提升生產效率及品質，還能做到以往較難做到的少量多樣客製需求，擺脫大量製造，削價競爭的紅海策略。更可以成為新一代AI機器人的試驗場，和國際新創合作開發針對電子或半導體製造業的專屬解決方案，進而銷售到其他國家。

日前，曾任職於Google與百度的吳恩達（Andrew Ng）受邀來台演講中也指出，台灣應該善用自己在半導體與製造業的既有優勢，發展人工智慧，成為除了矽谷、北京之外的下一個AI Hub。 相較於其他像是零售或是消費性網路領域這些現在發展相對成熟的AI應用，台灣在製造產業中發展人工智慧，不但更具有了解應用案例、掌握數據等優勢，也有機會能夠藉由AI機器人等新技術，達到產業轉型的目的。

附圖：KIT工具包 — source: kitting-assembly.ca
深度學習物件辨識範例，由左至右分別為Mask-RCNN, Object Modeling, Grasp Point Prediction。OSARO
傳統及AI機器人創新策略比較 — source: Bastiane Huang
製造業自動化產業鏈- source: Bastiane Huang

資料來源：https://medium.com/marketingdatascience/ai%E6%A9%9F%E5%99%A8%E4%BA%BA%E5%B0%87%E5%A6%82%E4%BD%95%E9%A1%9B%E8%A6%86%E8%A3%BD%E9%80%A0%E6%A5%AD-ee2dbc3db7e4