Page 110 - 電路板季刊第109期

108 產業脈動 AI Agent驅動智慧製造再進化：藉由案例探索AI Agent導入智慧製造的效益與課題

ᚨਗ౽ᅆႡிΎආʷj
AI Agentᚨਗ౽ᅆႡிΎආʷj
AI Agent

ᔟࣩ͟Էઞ॰ AI Agent
ᔟࣩ͟Էઞ॰AI Agent

ኬɝ౽ᅆႡிٙࣖूၾሙᕚ
ኬɝ౽ᅆႡிٙࣖूၾሙᕚ

施柏榮 財團法人資訊工業策進會產業情報研究所產業顧問兼副主任

ɓe AI Agentٙ̌ঐतᅄd 完成複雜任務。縱然概念發展甚早，
੽પሞՑБਗ 但近年「AI代理」的產業技術落地，
則是受益於底層大型語言模型（Large
代理（AI Agent）按Google Language Model，LLM）、自然語言模

AICloud（2025）定義，是一種應 型（Natural Language Processing）、
用AI技術代替使用者達成目標及完成工 基礎模型（Foundation Models）等技
作的一種軟體系統，AI Agent除了具備 術成熟化。而近年產業對於AI Agent關
推論、規劃與記憶的能力之外，還可以 注的熱度，一般始於到Lilian Weng發
在一定程度之上進行自我學習，以及進 表「大型語言模型驅動的自主代理」
行決策與調整。除了Google之外，IBM （LLM Powered Autonomous Agents）
（2025a）也對AI Agent提供了相似的定 的2023年。
義，並且更加聚焦在工作流程的自主決
AI Agent雖然受益於大型語言模
策與執行，IBM認為AI Agent能夠對應到 型，不過兩者在功能上有著相當顯著
企業與組織營運中的複雜任務，如軟體
的差異，AI Agent不只是單純的指令
設計、IT架構自動化、程式碼產生以及 執行者，而更像一個可以協調、編程
對話輔助。
多個專業角色（模型），整合不同複
AI Agent的發展可追溯到1980年 雜任務的工具。功能可以區分為六個
代中期，美國人工智慧研究者Marvin 功能階層：推論（Inference）、觀察
Lee Minsky在《心智社會》（Society （Observation）、規劃（Planning）、

of Mind）提出的「行為體」（Agent） 協作（Collaboration）、自我修正
概念，而所謂的智慧是在由眾多的「行 （Self-correction）與行動（Action）。
為體」所組成、分工、連結而來，藉此