自德國提出工業4.0以來，各國無不相繼投入智慧製造的發展，而這幾年在機器人和人工智慧的浪潮襲捲下，AI成為IT產業最受討論的話題。
但是，大多數的人對於AI的導入及智慧製造的應用仍處於概念階段，先前各大媒體也都以人工智慧將取代人力、人類將面臨失業等層面來作為報導方向。
若製造業想與AI結合，廠商本身對於資料搜集上必須要有一定的數據量，在技術上，除了需要考量軟硬體設備及資通訊系統的互相整合，更須建立新增各個投資項目後的回報率，推估正向與每個周期間的關係。
台灣很多的製造業還停留在知道的階段，對於AI的導入或走向智慧製造尚無具體的規劃。
因此，廠商的自知及教育訓練也相當重要。
另外，智慧製造的先期設計規劃，如，財務規劃、營運流程調整等，也是不可或缺的準備工作項目。有了完整具體的規劃內容，才能提升導入成功率，加速落實智慧製造。
現行的智慧製造有以下三個趨勢，來跟大家說明：
- 生產網路：製造業走向數位時代的過程中，必須從各個生產環節搜集數據，但格式和結構往往不一，因此物聯網無法直接使用，這時就要透過製造營運管理，將大數據轉換為智慧資料，並以適當的格式傳輸到物聯網平台。
- 虛擬模擬與真實物理系統的完美融合：智慧製造的解決方案，都已經有具體實績可供業界參考；甚至已發展到整廠輸出的解決方案。尤其未來的產品設計會朝少量多樣的方式發展，產線會愈來愈複雜，因此整廠輸出解決問題的能力，未來會更加受到重視。
- 網宇實體系統：主要是運用在設計到產品製造實踐階段，透過從實體所收集到的資料，藉由軟體的運算能力及輔助決策能力，即時對實體生產環境做出反應，讓每一個環節的實體和虛擬資訊緊密結合。另外，透過未來科學和工程的進步使得適應性、自動化、效率、功能、可靠性、安全性和可用性能更大幅的提升。
企業未來若要導入AI，首先是數據的收集與建立，以製造業來說，設備監測是智慧製造系統的基本功能，透過感測器收集的設備運作數據，將成為重要的判斷基準，但是相關數據要如何取得？感測器要如何設置？這都需要長期的專業累積，有了這些數據，AI才能做出精準的分析與反應。
將AI應用於製造業，可讓系統從大數據分析找出規律性，進而建立模式，並且學習避免前面發生的錯誤，甚至做到提前預測、縮短停機時間、適時做出產線調整，減少呆料及廢料的發生頻率。
此外，目前台灣對於智慧製造的專業人才相當缺乏，企業最好的方式是透過內部培訓，由自己去研發軟體，這才是長久之道。