如果你想到「AI 工廠」，
腦中第一個畫面可能是：
人形機器人在產線上走來走去。
機械手臂高速工作。
幾乎看不到人。
整座工廠像從科幻電影搬出來。
但真正的問題是：
世界上已經存在的那些老工廠怎麼辦？
裡面的機器可能用了 10 年、20 年，
甚至更久。
老闆不可能因為 AI 出現，
明天就把幾百萬、幾千萬美元的設備全部拆掉重買。
這也是美國新創 Harmoni 想解決的問題。
它沒有先做一台人形機器人。
反而做了一件看起來非常普通的事：
把一台平板，裝到舊機器旁邊。
但真正重要的，
不是那台平板。
而是它正在替「舊工廠」補上一層新的 AI。
Harmoni 剛拿到 1,000 萬美元
2026 年 9 月 9 日，
Harmoni 宣布完成 1,000 萬美元 Series A，
由 Bessemer Venture Partners 領投。
公司同時公開新的製造業 AI：
HAL。
Harmoni 把自己定位成 Factory Orchestration 平台。
白話一點說，
它不是只替工廠多裝一個 AI Chatbot。
它想做的是：
把原本散落在不同地方的工廠資訊，
重新接起來。
例如：
現在哪一張工單正在生產？
是哪個零件？
哪一台機器？
工程圖在哪裡？
正確的加工程序是哪一個？
品質檢查做到哪一步？
哪裡出了問題？
以前這些資料，
很可能分散在：
ERP。
機器控制系統。
紙本文件。
USB。
工程部門電腦。
現場工人的經驗。
甚至某個老師傅的腦袋裡。
Harmoni 想先把這些東西串起來。
HAL 才有東西可以理解。
最吸睛的不是 AI，而是那台「磁吸平板」
Business Insider 報導了一個非常具體的設計。
Harmoni 會把客製平板安裝在工廠機器旁，
而且平板可以磁吸固定。
它不是只服務最新的智慧機台。
報導指出，
Harmoni 的設備可以連接從現代設備，
一路到甚至二戰年代的老機器。
這個畫面其實很重要。
因為它代表：
AI 工廠不一定要從一張白紙開始。
你可以有一台非常老的加工機。
旁邊加上一台現代平板。
再把工作紀錄、機器資料、ERP、文件與現場流程接進來。
舊機器本身沒有突然變成 AI。
但人開始可以透過這一層新系統，
更容易知道：
它現在在做什麼。
下一步該做什麼。
哪裡可能不對。
工人以前可能要在三個地方做同一件事
Business Insider 提到 Harmoni 的其中一個客戶：
WessDel。
這是一家替航太與國防產業製造精密零件的公司。
在使用 Harmoni 以前，
工人可能必須到不同 Kiosk 排隊打卡，
再手動輸入機器資訊。
WessDel 一名主管表示，
這類行政工作一天可能吃掉接近一個小時。
現在工人可以直接在機台旁的 Harmoni 平板上刷識別證，
系統也能同步記錄機器活動。
這件事情聽起來不像「AI 革命」。
甚至有點無聊。
但這反而是重點。
真正消耗工廠效率的，
很多時候不是：
「機器不會思考。」
而是：
人在找資料、重新輸入、確認版本、排隊、打電話、問人。
如果 AI 先把這些時間拿掉，
它可能比讓一台機器人走來走去更有價值。
HAL 為什麼跟一般 Chatbot 不太一樣？
假設你今天直接拿一個一般聊天 AI 放進工廠。
工人問：
「為什麼這台機器今天跑比較慢？」
AI 第一個問題很可能是：
哪一台機器？
現在跑哪個零件？
正常速度是多少？
上一批狀況怎樣？
工程要求是什麼？
維修紀錄在哪裡？
因為它根本不知道現場 Context。
Harmoni 的做法不一樣。
它原本的平台就已經知道：
現在是哪一個 Job。
哪一個 Part。
哪一台 Machine。
哪一個 Process。
需要符合哪些 Engineering Requirements。
這些 Context 會直接提供給 HAL。
所以工人才可能直接問：
「為什麼這台今天比較慢？」
而不用先寫一大段 Prompt。
這才是 HAL 真正有意思的地方。
AI 要先知道「你站在哪台機器前面」
我們平常使用 ChatGPT、Gemini 或 Claude，
常常要自己提供背景。
例如：
「這是一份客戶合約。」
「這是我們公司的規則。」
「這是昨天的資料。」
因為 AI 不知道你現在在哪裡。
但是工廠的工作非常現場化。
一個人站在 A 機器前，
和站在 B 機器前，
問題可能完全不同。
今天加工零件 X，
跟明天加工零件 Y，
標準也可能不同。
所以製造業 AI 真正需要的不只是：
「模型很聰明。」
而是：
它知道現在這個人、這台機器、這張工單正在發生什麼。
這也是 Harmoni 一直強調 Context-aware AI 的原因。
工人甚至可以直接「問機器」
Business Insider 描述，
HAL 可以讓現場人員直接詢問問題，
也可以要求系統建立 Maintenance Request，
或者把問題留給下一位 Operator。
Harmoni 共同創辦人 David Caputo 把這件事情形容成：
讓工人可以真正「跟機器說話」。
但不要誤會。
不是老機器突然長出嘴巴。
而是 HAL 已經把：
機器。
工單。
工程資料。
過去生產紀錄。
現場工作流程。
接到同一個 Context 裡。
所以人的一句自然語言，
開始可以轉成工廠裡真正能使用的資訊。
為什麼不乾脆全部換成人形機器人？
因為真實世界沒有這麼簡單。
Harmoni 官方自己也指出，
傳統自動化其實很擅長處理高度重複的工作。
問題是很多製造現場仍然存在：
頻繁換線。
小量多樣。
臨時異常。
人機協作。
複雜工程要求。
不同系統之間的協調。
這些東西不是裝一台機器人就全部消失。
更現實的是：
很多中小型工廠連基本資料都還沒有完全數位化。
Cal Poly Pomona 的製造工程教授 Shokoufeh Mirzaei 接受 Business Insider 訪問時也指出，
很多中小型美國工廠仍使用非常老的 Legacy Systems。
企業不一定願意把昂貴設備全部換掉。
但比較可能接受：
在原本設備上 Retrofit。
也就是改造，而不是重建。
這就像替老房子裝智慧家庭
假設你住一間 30 年的房子。
你想讓它變智慧住宅。
最極端的方法是：
把房子拆掉。
重蓋。
重新配線。
所有設備全部換新。
另一種方法是：
先裝智慧門鎖。
加感測器。
換幾個控制器。
把原本設備慢慢接進同一個系統。
Harmoni 現在對工廠做的事情，
比較接近第二種。
它不是說：
「你的老工廠已經沒用了。」
而是：
「先看看能不能讓它多活一個 AI 世代。」
這件事其實比人形機器人更可能先大規模發生
人形機器人當然很有吸引力。
畫面也最漂亮。
一台機器人走進工廠，
搬箱子。
拿工具。
操作機器。
任何人看一眼都知道：
未來來了。
但全球大量真正正在生產零件、食品、設備與材料的工廠，
不會因為新科技出現，
突然全部消失。
它們已經買了機器。
有既有流程。
有工人。
有 ERP。
有客戶規範。
有品質認證。
有幾十年的工作方法。
所以 AI 真正進入製造業，
很可能不是：
「新世界把舊世界整個換掉。」
而是：
先在舊世界上，加一層新的智慧。
這也改變我們想像 AI 的方式
很多人想到 AI，
第一個問題是：
它能不能把人換掉？
但 Harmoni 這個案例提供另一種方向。
它目前公開的產品邏輯比較接近：
讓工人少花時間找資料。
少做重複輸入。
少排隊。
更快找到正確文件。
更快知道機器出了什麼問題。
讓下一位操作員知道上一班發生了什麼。
Harmoni 官方甚至宣稱，
客戶使用其自動化後，
每名 Operator 每年可增加超過 200 小時的 Productive Time。
這是公司的客戶成果數據，
不是獨立產業平均值，
所以不能直接推論每家工廠都能做到一樣。
但它至少說明了一個方向：
AI 的價值不一定是多做一件超炫的工作。
有時候只是：
把每天浪費的 10 分鐘、20 分鐘、30 分鐘拿回來。
AI 製造業的競爭，也許會分成兩條路
一條路是：
建新的 AI Factory。
高度自動化。
大量機器人。
從設計開始就為 AI 準備。
另一條路則是：
改造已經存在的幾十萬座工廠。
讓老機器接進新系統。
讓人、設備與資料重新連在一起。
Harmoni 選的是第二條。
Business Insider 引述的估計顯示，
美國大約有 28 萬座既有工廠。
如果其中大量設備都不會短期淘汰，
那麼「如何讓舊機器加入 AI 時代」，
本身就可能是一個巨大市場。
所以真正值得看的不是那台平板
從遠處看，
Harmoni 的故事可能很不起眼。
沒有會跑的人形機器人。
沒有全自動黑燈工廠。
沒有一排未來感十足的機械手。
只是：
一台老機器。
一名工人。
旁邊多了一台平板。
但也許這反而更接近 AI 真正進入現實世界的方式。
科技革命很少會等到所有舊東西全部消失，
才開始。
更多時候，
新科技真正普及，
是因為它終於學會：
怎麼跟舊世界一起工作。
所以今天真正值得問的，
可能不是：
「人形機器人什麼時候會接管工廠？」
而是：
在那一天來以前，AI 能不能先讓今天這台用了 30 年的機器，變得更容易被人理解、更容易被管理，也更少浪費時間？
這可能才是製造業 AI 更快落地的第一步。
今天，和 AI 一起進步一點。
每天學會一個 AI 技巧。
每天節省一點時間。
每天提升一點能力。
SasaDaily，陪你一起成長。
推薦閱讀
企業已經買了最強 AI，為什麼最後還是卡在二十年前的舊系統？
