當AI開始設計你身邊的實體產品，工程師們如何守住那條線？

軟體出錯，更新就好。但如果是你車裡的剎車系統，或是病患身上的醫療設備呢？

AI正在悄悄滲入我們生活中最具體、最不容出錯的領域——實體產品的設計與製造。這不是科幻場景，而是正在發生的現實。問題不是「AI會不會進入產品工程」，而是「以什麼速度、用什麼方式進入」。

MIT Technology Review 針對300位產品工程領導者進行的調查，給出了一個出乎意料的答案：謹慎，但堅定。

九成要加碼，但沒有人想賭身家

數字本身很直觀。90% 的產品工程領導者計劃在未來一至兩年內增加AI投資。這個比例，放在任何行業都算是壓倒性的共識。

然而，當你看投資幅度，畫面就變得更加細膩。最大的群體——45% 的受訪者——計劃增加幅度在 25% 以下。計劃增加 26% 至 50% 的約佔三分之一。而打算大步躍進、增加 51% 至 100% 的，只有 15%。

這種克制，不是猶豫，而是行業邏輯的必然結果。產品工程師面對的世界，沒有「撤回鍵」。一旦設計固化、產品出廠，AI判斷失誤的代價可能是大規模召回、結構性故障，甚至人命。調查明確指出，工程師們採用的不是通用AI部署，而是「具備不同信任閾值的分層AI系統」——每一層都有驗證機制，每一個關鍵決策都保留人類的最終責任。

在投資方向上，預測分析與AI驅動的模擬與驗證是最受青睞的近期優先項目。這兩類工具的共同點：有清晰的反饋迴路，可以審計、可以向監管機構解釋、可以量化回報。換句話說，是「能被證明有效」的工具。

品質與永續，才是真正的KPI

廣告

廣告合作

[email protected]

廣告

這份調查還揭示了一個值得關注的優先順序。產品工程師最在意的AI成果，是產品品質與永續性——也就是缺陷率和碳排放這類外部可見的指標。反而是縮短上市時間、降低成本、提升員工滿意度這些內部運營指標，排在相對次要的位置。

這個排序背後有一層現實邏輯：品質和永續性是客戶看得見的、監管機構盯著的、投資人問得到的。在一個產品責任訴訟和ESG披露要求日趨嚴格的環境中，這些指標直接關係到企業的生存，而不只是效率優化。

亞洲製造業的AI賽局：機會與壓力並存

從亞洲視角來看，這份報告的意義格外複雜。

台灣、日本、韓國的製造業長期以精密製造和品質管控著稱，這與調查呈現的「謹慎導入、以驗證為先」的路徑高度契合。台積電在製程控制中引入AI輔助檢測，豐田在供應鏈預測中使用機器學習，都是這種「有節制的整合」的典型案例。

然而，另一條軸線同樣不容忽視。中國大陸的製造業AI化正以截然不同的速度推進。政策驅動的大規模部署、相對寬鬆的試錯空間，以及對市場速度的極度重視，形成了一種與本報告所描述的「謹慎路徑」截然不同的模式。這兩種路徑孰優孰劣，目前沒有定論——但它們正在塑造截然不同的競爭優勢結構。

對東南亞新興製造業中心而言，如越南、印尼、馬來西亞，這份調查則指向一個更根本的問題：在尚未建立完整工程驗證體系的情況下，如何安全地引入AI？缺乏「可審計的AI系統」基礎設施，可能讓這些地區在承接高端製造訂單時面臨新的門檻。

當「負責任的AI」成為競爭門票

從更宏觀的角度看，這份報告指向一個正在成形的趨勢：在實體產品領域，AI的治理能力本身，正在成為市場准入的條件。

歐盟的AI法案、美國的產品責任框架更新、各國對自動駕駛和醫療器械的監管收緊——這些都在向製造商傳遞同一個信號：你不只要證明AI有效，還要證明你能管控它。能夠建立「可解釋、可審計、有人類問責機制」的AI系統的企業，將在監管合規和客戶信任上佔據先機。

這對亞洲企業既是挑戰，也是機會。挑戰在於，建立這套治理基礎設施需要時間和資源投入，而且往往不直接反映在短期財報上。機會在於，誰先建立起可信賴的「負責任AI」實踐體系，誰就能在下一輪全球製造業重組中拿到更好的籌碼。