
当前AI 、5G等新技术的高速发展正推动着智能制造的快速飞跃,作为一家在面板技术行业深耕20余年全球拥有13个制造基地的友达光电,重视技术发展的同时更重视企业创新研发能力,截至目前累计获核准之专利数达20,629件,面向未来,友达光电将透过在技术领域的深耕与打磨,探索专属友达的智能制造之路。

友达光电全球数字应用开发总监叶协益告诉记者,友达光电在技术能力方面不光包含生产技术,更包含IT技术。友达光电在全球拥有400多位IT工程师,支撑了200多个核心系统。
叶协益所在部门负责全球数位应用开发,工作内容包括制造生产相关的系统开发与运维,例如MES、自动化控制、仓库管理等;智能制造相关应用平台开发,比如大数据分析、AI训练平台、AGV控制系统等;智能制造相关基建规划建设,例如5G网络、远程协作平台等。
三个方面布局智能制造
友达光电在构建特色化智能工厂上已获得诸多省市级荣誉,针对智能化的布局主要集中在三方面:
一是方法论的构建。工业4.0、智能制造等成为制造业转型的新风向,友达光电通过内部学习和走出去,探寻并构建符合自身发展的智能制造方法论。
二是人才培养。具备数位化、智能化等新技术的综合性人才是企业推动智能制造的基石,友达光电根据不同的业务发展形态,提前部署规划人才培养制度,并借助产学研的深度合作,培养出一大批高质量的AI综合性人才。
针对中高层主管,友达光电也通过大数据、AI、工业互联等实际课程,普及智能制造场景的理念和前瞻技术。
三是协作平台的搭建。在多元化的场景应用中,友达光电将成功案例和技术模块构建为网络协同的整合平台,实现更为广泛的场景快速落地应用。同时,针对未来5-10年的智能制造及基础数位化互联平台也在提前规划中。
IT转型推动业务创新发展
在智能化转型中,IT的重要性不言而喻。叶协益表示,具备IT技能的人才资源是重中之重,所以IT部门需要转型,一方面打破IT人力资源瓶颈,另一方面IT部门需要引领公司的数位转型,盘点数据资产,让数据创造价值。
为此,友达光电在IT建设方面进行了积极的探索,并将“人工智能+5G+工业互联网”作为未来三年的重点发展方向,基于数据互联的可视化中心,以及运用数据工业处理技术,进一步提升产品品质。
在人工智能方面,叶协益表示,友达光电非常重视AI技术,拥有200多位AI专家以及3000位基础知识的人才队伍。友达光电搭建了AI训练平台,将生产制造数据进行模型训练,积累了100多个解决方案,精简了工作流程,辅助人工进行生产作业,加速数据分析。
友达光电拥有本地化的私有云数据中心,针对不同的业务场景采用不同类型的算力,比如搭载GPU加速计算的集中式数据中心架构支撑AI质检和自动化识别等高算力需求,同时设备端的边缘计算需求也在持续增加,构建更加多元化的算力架构。
随着友达光电在大数据挖掘和AI分析方面的需求持续增加,友达光电规划了数据中心2.0混合云架构,从本地数据中心转变为“本地+云”的混合架构,充分发挥云端优势,实现IT资源的易扩容和高弹性,降低后期运维成本;整合云端成熟的PaaS和SaaS产品到现有的自研平台,让AI专家更加聚焦业务本身,提升工作效率。
结合工业智能视频的硬件图像采集技术,以及自主开发的软件分析平台,友达光电实现了工业领域的多元化视频检测应用。
随着5G技术的商用,“5G+工业互联网”成为主流。而友达光电遍布多地的工厂借助5G的网络传输能力,可以开展云边结合的自动检测、大数据上云、远程协助、远程稽核等业务应用。
此外,数字化驱动工业数据类型更加多样化,友达光电数据中心2.0能够更好地承载工业大数据,让数据分析的维度和角度更加丰富。
叶协益说,友达光电持续进行IT投入,与相应的合作伙伴探索新技术在业务场景中的应用,进行相应的POC验证,确保新技术的落地。
据悉,为了支撑可预测预控的下一代智控中心,友达光电接下来会打造一个可信、完整的数据中心平台,平台会包括两个方面的内容:数位一体化平台将整个制造生产中的产品信息、设备数据等数据融合,实现资料透明集中化、中控化,提升公司整体竞争力;基于数据工业处理的平台化,从而确保全流程资料的有效性和一致性,实现数据驱动业务,提高公司的整体管理决策效率。
“企业的数字化转型需要全员参与,而IT的角色也会越来越重要。作为IT部门,我们与业务部门紧密协同,融入Know-How业务知识,通过平台建设为业务部门提供更好的工具,优化业务流程。”叶协益重点强调。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。