隨著工業 4.0 與人工智慧（AI, Artificial Intelligence）技術的快速演進，傳統工業控制系統整合商正面臨從「單一客製化專案」轉向「規模化智能應用平台」的關鍵轉型時刻。本研究以台灣本土知名系統整合商A公司為案例研究對象，深入探討其轉型過程中，如何應對來自市場客戶保守文化、公司人才結構斷層及商業模式重構等核心挑戰，最後剖析出開發「AI 智能應用平台」之概念框架。
本研究採行單一個案研究法，結合參與觀察法與個案公司內／外部資料分析法，運用平台經濟理論為學理架構，系統化地從「產、銷、人、發、財」五大維度分析個案A公司之轉型路徑與其在製程工廠生產與其他場域的AI智能應用發展方向。研究發現，從技術維度，智能應用平台開發採行「模組化架構」能有效解決工業數據異質性與資源重複浪費之痛點，並透過「五官感知」之隱喻化設計與行銷手法，可望大幅降低保守型產業業主對 AI 技術的認知門檻，以加速產品上市時程（Time-to-Market）。從市場維度，透過漸進式（半自動到全自動）的導入路徑與訂閱制（Subscription）之彈性定價，能成功將高額資本支出（CapEx）轉化為低門檻的營運支出（OpEx），進而緩解業主對於投資報酬率（ROI, Return on Investment）不明的疑慮。從組織維度，解決公司內部資深領域專家（OT, Operation Technology）與新興 AI 技術人才之間的協作與減少彼此間可能的衝突，透過建立「知識轉譯」機制與重構激勵體系，能有效轉化內部隱性經驗並凝聚公司轉型向心力。最後從策略維度角度，個案A公司應從「產品開發者」轉型為「平台開發與整合者（Platform Developer and Integrator）」，透過建立生態圈（Ecosystem）整合第三方 AI 應用，以創造間接網路效應，確立市場領頭羊地位。
最後，本研究總結出個案A公司開發「AI 智能應用平台」的概念框架與應用落地的成功方程式，不僅為個案A公司提供具體管理建議，亦為傳統系統自動化整合工程與製造業在邁向數位轉型與建構 AI 應用能力時，提供具備實務與學術價值之參考依據。

With the rapid evolution of Industry 4.0 and Artificial Intelligence （AI） technologies, traditional industrial control system integrators are facing a critical moment in their transformation from "single customized project" to "large-scale intelligent application platform.". This study takes Company A, a well-known system integrator in Taiwan locally, as a case study to explore how Company A overcome with core challenges such as the conservative market culture of clients, the gaps of talented persons and business model restructuring during its transformation process of company. Finally, this study analyzes the developing a conceptual framework of "AI intelligent application platform".
This study employs a single case study approach, combining participant observation and analysis of Company A internal and external document, and using platform economy theory as its theoretical framework. This study systematically analyzes the transformation path of Company A across five dimensions, including production, marketing, human resources, research & development and finance, and its developing direction of AI applications in process plants and other fields. This study finds that, from a technological perspective, the adoption of a modular architecture for intelligent application platform development effectively addresses the pain points of heterogeneous industrial data and resource wastes. Furthermore, through the metaphorical design and promotion of "five senses", it intends to significantly lower the recognition for AI technologies for the conservative industry owners, thereby it can accelerate time-to-market for the platform. From a market perspective, a gradual （semi-automatic to fully automatic） implementation method and flexible subscription pricing, which will successfully transform high capital expenditures （CapEx） into the lower entrance of operating expenditures （OpEx）, that will release owners' concerns about unclear returns on investment （ROI）. From an organizational perspective, resolving collaboration and reducing potential conflicts between senior domain experts （OT, Operation Technology） and new and developing AI talents within the company can be achieved by establishing a "knowledge translation" mechanism and restructuring the incentive system. This can effectively transform the internal hidden experiences and strengthen internal cohesion for company transformation. Finally, from a strategic perspective, Company A should transform from a "product developer" to a "platform developer and integrator.", by building an Ecosystem to integrate third-party AI applications, it can create indirect network effects and establish itself as a market leader.
Finally, this study summarizes a successful conceptual framework for the developing and a formula for success for the implementation of AI intelligent application platforms for Case Company A. It not only provides specific management suggestions for Company A in this case, but also provides a practical and academic reference for traditional system automation integration engineering and for manufacturing industries to move towards the digital transformation and build their AI application capabilities.

（中文）
[1] 資策會 （2026） AI重塑軟體產業新競局
[2] 資策會 （2026） GTC-2026揭示AI算力邁入推論時代
[3] 資策會 （2025） 日本通訊業者生成式AI發展觀測
[4] 數位發展部 （2024） 數位經濟：人工智慧應用服務產業2025-2027專業人才需求推估調查
[5] 哈佛商業評論 黃國峯 （2025） AI 會重演網路泡沫，還是改寫歷史？
[6] Cheers快樂工作人 劉益宏 （2025） 培育AI的眼睛與耳朵！北科大鎖定智慧感測器 https://www.cheers.com.tw/article/article.action?id=5096845
[7] 資策會 （2023） 企業應具備的AI素養 生成式AI導入指引
[8] ABB （2021） 黄金批次分析协助保持高品质 https://search.abb.com/library/Download.aspx?DocumentID=9AKK107992A3706&LanguageCode=zh&DocumentPartId=&Action=Launch
[9] Siemens （2023） https://www.siemens.com/zh-cn/company/insights/chocolate-process-management-automation/
[10] 數位時代 （2022） 打破工廠「靠直覺」交貨！塔台智能用AI管理訂單，如何減少9成人力？ https://www.cheers.com.tw/article/article.action?id=5096845
[11] 職安署 （2020） 施工現場安全設施人工智慧自動辨識 https://www.osha.gov.tw/48110/48417/48419/87044/
[12] 知勢 （2025） 固緯電子 以 Agent 架構突破產品少量多樣的製造難題 https://edge.aif.tw/20251028-report-gwinstek-case/
[13] 工業技術研究院 （2025） 工業技術與資訊月刊
[14] 北美智權報 （2024） 《AI的現在與未來》生成式AI在智慧工廠的五大應用 https://naipnews.naipo.com/4389/
[15] 數位時代 （2025） 什麼是主權AI？一文看懂為何重要、有哪些國家布局 https://www.bnext.com.tw/article/88027/sovereign-ai-20240612123106-mpbwmme3
[16] 廖盈琦、王建富 應用經濟論叢-第100期 （2016） 《企業行動商務推動之影響因素與經濟意涵
[17] 王雪擎、陳黎明 （2017） 互联网企业平台服务定价的信息经济学解读
[18] 林久益 （2021） 從免費到付費：影響YouTube使用者加入YouTube付費頻道會員之關鍵因素探討
[19] 台灣服務科學學會 （2020） 從Spotify看串流軟體如何拯音樂產業 https://www.s3tw.org.tw/OnePage_List.aspx?tid=1152&id=1317
[20] 創業開公司 （2025） 商業模式創新：Canvas 模型應用與成功案例分析 https://startcompany.tw/%E5%95%86%E6%A5%AD%E6%A8%A1%E5%BC%8F-9/
[21] 維科号 （2018） 工业互联网IIoT如何破解盈利难题？永久许可or订阅续费or中国特色？ https://mp.ofweek.com/iot/a045673625376
[22] 資策會 （2023） 因應生成式AI幻覺，領先企業的對策與三種導入場景
[23] 資策會 （2025） 企業AI治理發展趨勢與現況
[24] 江柔萱 （2024） 人工智慧風險管理合規歐盟AI法初探
[25] 行政院 （2023） 行政院及所屬機關（構）使用生成式AI參考指引
[26] 金融監督管理委員會 （2024） 金融業運用人工智慧（AI）指引
[27] 政治大學 戴凡芹 （2025） AI與法律：倫理、資料與使用界線 https://www.lib.nccu.edu.tw/var/file/0/1000/img/101/AIregulations2025.pdf
[28] 經理人 （2023） 完成逾 50 個跨部門專案！聯發科如何打造所有單位都愛用的 AI 平台？ https://www.managertoday.com.tw/articles/view/68582
[29] iThome 員工外洩內部機密！三星開放ChatGPT後出事緊急限縮使用 https://www.ithome.com.tw/news/156291
[30] 維基百科 https://zh.wikipedia.org/wiki/Wikipedia:%E9%A6%96%E9%A1%B5
[31] 百度百科 https://baike.baidu.com/item/VRIO/11033472
[32] 輝達公司部落格 https://blogs.nvidia.com.tw/blog/ai-5-layer-cake/
（英文）
[33] Stanford - Stanford Institute for Human-Centered AI （2024） Artificial Intelligence Index Report https://hai.stanford.edu/
[34] Stanford - Stanford Institute for Human-Centered AI （2025） Artificial Intelligence Index Report https://hai.stanford.edu/
[35] Precedence Research, Artificial Intelligence （AI） Market Size to Achieve USD 3,680.47 Bn by 2034. https://finance.yahoo.com/news/artificial-intelligence-ai-market-size-150000159.html
[36] Harvard Business Review Michael E. Porter & James E. Heppelmann （2014） How Smart Connected Products Are Transforming Competition https://www.hbs.edu/faculty/Pages/item.aspx?num=49869
[37] Heiner Lasi et al （2014） Industry 4.0 Business & Information Systems Engineering, 6(4), 239–242. https://doi.org/10.1007/s12599-014-0334-4