【日本台灣形象展參展回顧】從 Vision AI 到 Vision to Action，看見日本製造業 AI 落地的新需求
先知科技剛從東京回來，聊聊日本製造業現在到底在問什麼。
過去幾年跟客戶談 AI，最常被問的問題是「AI 可以做什麼」。這次去東京，感覺這個問題已經悄悄變了樣，現場更多人問的是「要導入的話，實際上該怎麼做」。
模型的表現當然還是重點，但一旦真的要進入工廠，接下來要煩惱的事情反而更多：資料要存在哪裡？能不能接上現有設備？MES、ERP 怎麼串？上線之後誰來維護？這些問題，就是我們這趟去日本最直接感受到的市場訊號。
2026 年 7 月 15 日到 17 日，先知科技在東京新宿住友大樓三角廣場舉辦的日本台灣形象展設攤，展出 NexusAI 相關解決方案，也趁機和不少日本製造業者、企業窗口、潛在合作夥伴聊了三天。整體感覺很明確：日本市場對 AI 的接受度正在往上走，而且大家關心的重點已經從「認識 AI」轉向「怎麼把 AI 真正用到營運上」。
AI 已經不是科技公司的專利
這屆形象展約有 135 家企業參展，參觀人次超過 2 萬。走一圈下來會發現，現場蠻多攤位的產品或服務都或多或少帶了 AI 元素，而且談 AI 的早就不只是 AI 公司自己。
不同產業都在想同一件事：怎麼把 AI 放進原本的產品、設備或服務裡，讓它真的能解決問題，而不只是多一個功能名稱。
這次現場討論度比較高的方向包括 AI Agent、VLM、機器人與智慧工廠。這些話題背後其實在講同一件事：AI 正在從「給出答案」慢慢走向「參與工作」，不只能分析一筆資料、辨識一張影像，還要進一步接上設備、系統與流程，讓判斷完之後能接著產生下一個動作。
導入卡關的通常不是模型好不好用，重點在如何整合
這次我們以 NexusAI 為主軸向來賓做介紹，但比起強調功能數量，我們更想傳達的是另一件事：AI 能不能真的實作，關鍵已經從模型的表現轉變為實務面的整合。
工廠現場的狀況通常比想像中複雜。設備來自不同年代、不同品牌，資料格式也各不相同，有些數據留在 MES，有些在 ERP，有些還停留在 Excel、紙本，甚至老師傅的腦子裡。真正動手做 AI 專案時，問題往往會變成資料要怎麼拿？不同來源要怎麼兜在一起？分析完的結果要怎麼接回現有系統？異常發生時能不能直接通知、攔截，甚至進一步控制設備？
這些事情表面上跟 AI 沒什麼關係，卻常常是決定一個專案最後能不能真的成功的關鍵。而這正好是先知科技長期在做的事，我們不只提供模型，也從資料、設備、系統到應用端一起規劃。這次展會交流中，平台能力、產業知識、系統整合經驗，是我們感覺自己在市場上比較站得住腳的地方。
天眼通、圖文通、知識通，NexusAI 被問最多的三大模組
三天展期我們大約做了 20 場產品解說與 Demo，收集到 35 張名片，跟 7 組客戶進一步約了後續討論，也接觸了 11 組潛在合作夥伴。其中詢問度比較高的三項產品是天眼通 SkyEyes、圖文通 BlueprintLegacyAI，以及知識通 KnowledgeConnect。
天眼通 SkyEyes：問題已經不是「找得到瑕疵嗎」
AI 視覺檢測這次很容易引起討論，有意思的是，現場企業已經很少停在「AI 真的能抓到瑕疵嗎」這個層次。大家問得更直接：需要多少樣本才能訓練？準確率大概能做到多少？如果是少量多樣的產品線也適用嗎？辨識完之後能不能跟原本的設備或系統串起來？
這代表 Vision AI 在日本市場已經走過概念階段，企業真正想知道的是怎麼把它放上產線。天眼通結合影像辨識、瑕疵分類與少量樣本建模，目標不只是「看出瑕疵」，而是讓檢測結果能接著被生產流程使用，從辨識、判斷到後續回報，成為品質管理的一環。
圖文通 BlueprintLegacyAI：把壓箱底的工程資料重新活用
製造業手上通常有一批很重要卻容易被忽略的資產 — 多年累積的工程圖、規格文件、加工資訊、歷史報價，還有資深人員腦中的經驗。這些資料其實不少，但真的要用的時候常常找不到，或者只有少數熟悉舊案的人知道某張圖放在哪、以前怎麼處理、當時怎麼報價。
圖文通處理的就是這個問題。透過多模態 AI 進行圖文解析與相似圖比對，讓歷史資料不只是被存放著，而是可以被搜尋、比較，再應用到報價、工序規劃與工程知識管理上。日本製造業同樣面臨缺工與技術傳承的課題，這塊也聊得比較深入。
知識通 KnowledgeConnect：企業要的不是一個會聊天的 AI
生成式 AI 話題熱，但真的談到企業導入，問題很快就會回到現實面。這次現場被問到的多半是能不能地端部署？支援日文嗎？支援 MCP 嗎？能不能放進日本企業慣用的雲端環境？正式導入之後，日本境內有沒有後續服務與技術支援？
可以感覺到，企業評估的重點不在於是否跟 ChatGPT 一樣強大，反而是內部資料能不能放心拿來運用、能不能接自己的系統、上線之後能不能長期運作等。這也是企業導入生成式 AI，跟一般人日常使用 AI 最大的差異。
客戶最在意的是導入 AI 後，能不能長期運作
這次交流有個感受特別明顯，比起功能的豐富程度，客戶更在意有沒有實際案例。功能看起來厲害不代表會被採用，他們想確認的是有沒有人真的用過？用在哪個產業？怎麼接進原本的流程？上線後穩不穩定？出問題找得到人處理嗎？
在日本製造市場，除了技術本身，資料隱私、系統整合、在地服務與長期維運，都是評估時很實際的考量。過去大家問「AI 能不能做到」，現在問的更像是「做到之後，我能不能真的放心用」，這個轉變雖然只是問法上的差異，但背後代表的是市場成熟度往前走了一步。
從 Vision AI 到 Vision to Action
這次展會另一個值得留意的方向，是 Vision AI 接下來要往哪走。影像辨識技術已經愈來愈成熟，市場開始思考的是 AI 看懂之後要接著做什麼。
過去的模式比較像「看見、判斷」：拍到影像，AI 告訴你有沒有瑕疵、是什麼類型。接下來則走向「看見、理解、行動」：AI 發現異常之後，不只是跳出一個結果，而是能接著通知人員、分流產品、調整設備，甚至觸發下一段工作流程。
對製造業來說，這個轉變很實際，因為真正能創造價值的不是 AI 知道發生了什麼，後續知道之後，能不能更快做出正確反應會是下一步的重點。這也跟先知科技一直在投入的 AI 加 SI 方向很吻合：AI 負責判斷，系統負責把判斷帶回現場，兩者接起來才有機會形成完整的智慧製造閉環。
帶回來的不只是名片，還有更進一步的產品策略
這趟東京之行，我們帶回 35 張名片、7 組後續要談的客戶、11 組潛在合作夥伴，還有不少直接的市場回饋。但比數字更重要的，是我們對日本市場又多了一點掌握。
AI 的接受度在提高，企業問的問題也在變深，不只是要不要用 AI，還有如何部署、怎麼整合與維護，甚至是如何讓它真的留在企業裡持續運作。這些回饋會是先知科技接下來調整產品與市場布局的重要依據。
如果你的企業正在評估 AI 視覺檢測、數據分析或企業知識管理，或是還在思考智慧製造該從哪裡下手，歡迎找先知科技聊聊，從現場實際遇到的問題出發，一起找出合適的做法。