面对高端消费电子供应链竞争加剧、全球供应链分散与运营韧性需求提升，专注于制造业AI软件的上海颉纶（Profet AI）与业成集团（GIS）持续深化合作，协助业成将AI应用从制造现场的良率、质量与效率改善，进一步推进至跨制程经验萃取、模型化与组织能力建构。
双方合作约两年来，已完成逾100项AI项目，并建立超过1,500个AI模型，涵盖制程改善、质量分析与异常预测等多项制造场景。透过Profet AI的平台与导入方法，业成不仅将AI应用于单一产线问题解决，更逐步把AI转化为工程团队持续改善与决策的工作方法。
从客户需求到供应链竞争，
AI成为制造业升级关键
业成集团董事长兼首席战略官周贤颖表示，业成启动AI导入，除了看见AI技术快速发展，也与客户对质量、交付周期和反应速度的要求密切相关。随着高端消费电子供应链竞争加剧，企业必须持续提升运营能力，才能在供应链分散与韧性要求提高的环境下维持竞争力。
周贤颖指出：“AI导入不只是追随技术趋势，更重要的是能不能真正进入公司的运营，协助我们在质量、交付周期和反应速度上持续改善，进一步提升对客户与供应链的服务能力。”
他也观察，近年区域供应链快速崛起，使各国与企业更加重视供应链安全与韧性。对制造企业而言，关键不只是如何布局不同地区，更在于如何透过AI提升质量、速度与整体竞争力。
逾百项AI项目落地，
重新打开制程改善空间
在实际成果上，业成透过AI重新检视过去被视为已接近极限的制程数据，找到更多可改善空间。
以其中一条光学显示薄膜产线为例，过去微粒异物污染相关不良率曾接近10%，经由Profet AI协助建立模型、分析关键因子并进行制程调整后，该项不良已改善至接近归零。另一项涂胶制程中的气泡问题，过往不良率约0.3%至0.4%，经AI分析与改善后降至约0.2%，降低约一半。
这些成果的意义不只在于单一数字改善，更在于让工程团队重新意识到，许多看似稳定、已经达标的制程，仍可透过AI与数据分析找到新的优化空间。
从SOP到跨制程关联，
让资深工程师经验成为可复制能力
过去制造现场的改善，多仰赖资深工程师长期累积的经验，再转化为标准作业流程。然而，传统SOP多数仍停留在单一站点或单一制程，当问题牵涉跨制程关联时，仍高度依赖资深工程师的判断。
透过与Profet AI的合作，业成将各站点累积的制程数据与专有技术进一步转化为模型，协助工程团队找出跨制程之间的关联，让制程改善逐步从仰赖个人经验，走向可透过系统持续累积、复制与传承的能力。
周贤颖表示：“过去很多改善要靠好的工程师、资深工程师，因为他们才有跨制程的专有技术。AI很大的价值，就是能帮助我们把这些跨制程关联找出来，经过模型化、知识化，让制程改善逐步从靠人，走向靠模型、靠系统。”
Profet AI提供的不只是工具，
而是可内化的方法
谈及选择Profet AI的原因，周贤颖表示，业成看重的是Profet AI团队具备制造业经验，并有相关产业的实际导入经验。更重要的是，Profet AI并非只协助企业完成单一项目，而是提供一套平台与方法，协助企业培养自身的AI应用能力。
周贤颖形容，双方合作过程就像一场深度协作。业成团队先透过Profet AI学习AI如何导入生产与制造流程，再共同寻找可改善题目，并由业成内部团队与Profet AI顾问团队共同完成从学习到落地的过程。
他表示：“Profet AI比较像是给我们钓竿，不是只给我们鱼。透过这个过程，我们学会如何在公司内部发展自己的改善专有技术与AI应用文化。”
Profet AI联合创始人兼首席执行官黄建豪表示，制造业AI的价值不只在于建立模型，而在于能否把模型变成企业可持续运作的能力。“真正的制造AI，不应只停留在单点项目或一次性改善，而是要把现场专有技术转化为可管理、可复制、可扩展的企业AI资产。业成的案例正展现了AI如何从单一制程改善，进一步成为组织持续进步的方法。”
透过此次合作，Profet AI与业成集团展现制造业AI从项目导入、制程改善到组织能力建构的完整路径。随着全球制造业加速面对供应链重组、人才经验传承与运营效率提升等挑战，将现场经验转化为可被保存、放大与复制的智能体Domain Twin，正成为企业推动AI落地与长期竞争力升级的重要方向。