最新消息 | 發布日期 2026.10.28
紡織業數位系統各自為政，成 AI 導入最大瓶頸
國際紡織製造商聯合會（ITMF）與德國亞琛工業大學（RWTH Aachen University）共同發布白皮書指出，紡織業長期使用各自獨立的設備控制系統，生產數據分散，已成為 AI 普及的主要障礙。產業的關鍵課題不在於缺乏數位技術，而是如何整合既有系統與數據，這需要製造商、設備供應商、技術開發者及產業組織共同合作。
AI 應用報捷，數據整合卻卡關
這份名為《AI in the Textile Value Chain: A Strategic Guide to Artificial Intelligence for the Global Textile Industry》的白皮書，由ITMF與亞琛工業大學技術紡織研究所（ITA）共同編製，彙整 2024 至 2026 年間 10 場線上研討會、逾 20 位專家意見，以及 2025 年 ITMF 年度會議的討論成果。報告指出，AI 已應用於布料與紗線檢測、預測性維護、能源最佳化及需求預測等領域，其中因果式 AI（Causal AI）導入不織布生產線後，據報可減少 10%廢料。然而，企業累積的生產數據往往分散於設備、部門及管理系統，缺乏可靠且可互通的資料，限制AI發揮效益。
2 至 3 年內，AI 有望更深入生產現場
AI 正從監控與決策支援，逐步延伸至生產參數調整；代理式 AI（Agentic AI）也開始發展，可望協調採購及供應鏈管理等工作。報告預期，未來 2 至 3 年內，更完整的整合式 AI 工作流程有機會實現，但仍取決於數據品質、系統互通性及適當的人為監督。
AI 正從監控與決策支援，逐步延伸至生產參數調整；代理式 AI（Agentic AI）也開始發展，可望協調採購及供應鏈管理等工作。報告預期，未來 2 至 3 年內，更完整的整合式 AI 工作流程有機會實現，但仍取決於數據品質、系統互通性及適當的人為監督。
打破系統孤島，產業合作成關鍵
白皮書建議，產業組織應推動共同數據標準與基礎設施，並建立安全的數據共享空間，讓企業在保有數據所有權的前提下交換資訊。這對缺乏技術資源與專業人力的中小型紡織企業尤其重要。此外，資安、透明度及人為問責也是 AI 導入不可忽視的條件。ITMF 主任 Olivier Zieschank表示， AI 無法直接消除產業的結構性挑戰，但能協助企業管理複雜流程、善用有限的專業人力。亞琛工業大學 ITA 所長 Thomas Gries 則呼籲企業建立專責團隊，整合營運與策略數據。報告強調，紡織業要擴大 AI 應用，除了技術升級，更須同步投入數據基礎建設與人才培育。■
白皮書建議，產業組織應推動共同數據標準與基礎設施，並建立安全的數據共享空間，讓企業在保有數據所有權的前提下交換資訊。這對缺乏技術資源與專業人力的中小型紡織企業尤其重要。此外，資安、透明度及人為問責也是 AI 導入不可忽視的條件。ITMF 主任 Olivier Zieschank表示， AI 無法直接消除產業的結構性挑戰，但能協助企業管理複雜流程、善用有限的專業人力。亞琛工業大學 ITA 所長 Thomas Gries 則呼籲企業建立專責團隊，整合營運與策略數據。報告強調，紡織業要擴大 AI 應用，除了技術升級，更須同步投入數據基礎建設與人才培育。■
