随着消费端走向客制自主消费、制造端面临缺工问题日甚，促使制造业须具备能适应快速多变且多元环境的能力，制造系统变得较过往而言更加复杂。而拜新技术成熟发展所赐，制造业现今可借由部署先进的感测技术并结合AI演算法、引入机器人等科技，进而提高资讯可视化及系统可控性，进一步推升工业4.0智慧制造发展。

据TrendForce旗下拓墣产业研究院预估，2022年全球智慧制造的市场规模将会逼近3,700亿美元，年复合成长率达10.7%。 奠基于虚实整合的基础，智慧制造在应用端相当多元，从规模较大的智慧工厂、智慧供应链、现场灾害回复，乃至自动物流车、简易型机器手臂皆是使用案例。

综观今(2019)年产业动态与德国汉诺威工业展(Hannover Messe)等指标性活动，现行智慧制造以协作机器人(Cobot)、数位双胞胎(Digital Twin)、预测性维护(PdM)、无人机、制造执行系统(MES)、AI应用等为发展焦点，Universal Robots、Siemens、STMicroelectronics、Xilinx、GE等厂商亦持续推陈出新强化布局。 Edge AI降低运算资源，成为预测性维护重要基础。拓墣指出，鉴于智慧制造带出的庞大数据量将排山倒海湧向企业，延迟性与频宽成本已让制造业从云端技术逐渐转向边缘运算。

而数据海量化、分析精准化以及硬体高效化等三大驱动力也使AI从云端往终端设备迈进，推升边缘结合AI的趋势。拓墣指出，Edge边缘运算处理是具地缘关系的AI运算，透过于靠近数据产生源处进行收集处理，并结合参数学习等AI技术让设备能做到缺陷即时侦测、使用状况预判等用途，让机器不需时时联网、减少运算资源，仍能具备部分决策力与即时反应力，成为预测性维护的重要基础，同时亦可强化工业机器人的即时协作；而将资料留在当地取代回传云端，也更能满足制造业提升数据资安与隐私的需求。

晶片将是台厂切入Edge AI最佳着力点，中小企业灵活弹性成竞争优势。拓墣指出，智慧制造与Edge AI的连结为制造业带来即时决策、降低成本、营运可靠及提高安全等优势，也使精密机械蜕变为名副其实的智慧系统。现行从晶片大厂NVIDIA、Intel、Qualcomm、NXP，乃至云端龙头AWS、Google、Microsoft等皆积极投入该领域。台厂若要切入Edge AI的市场，考量产业优势及政府资源挹注，晶片仍是最好发挥的着力点，并成为串连上下游厂商的发动机。

从自动化到智动化，TrendForce指出，工业4.0浪潮持续推动企业数位转型，物联网、大数据、机器人等技术也成为打造智慧制造的重要节点。然不论是工业物联网布建、智慧制造的导入、抑或智慧工厂的建置，由于耗时较长且所费不赀，对企业而言皆非一蹴可几，在布署及执行过程中可透过工业物联网联盟(IIC)等组织提出的工具来评估自身的成熟度，进而调整步调与方向，如根据基础设施的完成度来选择被动性维护、预防性维护、以及预测性维护的采用。

此外，TrendForce进一步指出，由于许多非数位原生的传统制造业，均是透过数位工具导入及异业整合等方式实施智慧制造，故若企业拥有可跨域整合、更敏捷灵活因应生态系等优势，将较易切入大厂供应链或与其合作。台湾中小企业具备充足的产业知识及适应弹性，当数位化时代挖掘出更多顾客痛点时，大厂不愿做且小厂做不来的市场便能让其挟竞争优势一展身手。