前陣子在以前工作的群組裡看到一段對話。
裡面大多是軟體工程師的前同事，某天突然有人浮出水面，說自己現在的公司準備收起來了，接下來要重新找工作。大家很快開始幫忙，有人貼職缺，有人推薦公司，也有人私訊介紹機會。聊著聊著，有個訊息突然冒出來問了一句:
「那你有挑產業嗎? 製造業你做嗎? 」
對方似乎稍微遲疑了一下，反問了一句:
「現在 AI 這麼盛行的時代，製造業還有機會嗎?」
當下看到那句話，其實有點有趣。
觀察最近這一兩年來關於 AI 的討論，確實大部分的注意力都是著重放在軟體、內容或各種數位服務。
相比之下，製造業往往看起來比較傳統，甚至有點像是會被新技術淘汰的那一邊。
但如果把這幾年一些零散的訊號慢慢拼湊在一起來看，事情可能沒有那麼單純。
當 AI 很熱鬧時，產業目光也默默指向製造業
剛好這一兩天看到一則有點耐人尋味的新聞。
報導提到 Jeff Bezos 正在推動一個名為 Prometheus 的 AI 計畫，目標不是聊天機器人，而是開發能理解工程與製造流程的 AI 系統。
更有意思的是， Prometheus 的團隊正在籌備一個新的控股公司，打算募集更多資金，用來收購那些未來可能被 AI 衝擊的工業企業。
一邊開發 AI，一邊準備好接手那些可能被 AI 改變的產業，乍看之下，這兩件事情好像有點矛盾，但仔細想想，似乎又很符合 Amazon 一貫的發展邏輯。
AI 的下一批資料，可能不在網路上
過去十多年，AI 的進步很大一部分來自網路世界累積的大量資料: 文字、圖片、影片、程式碼。這些資料讓模型能夠快速學會語言、影像辨識，或各種數位任務。
但如果 AI 的能力開始往現實世界延伸，資料的來源就會變得不太一樣。因為現實世界的大部分運作，其實並不在網路上。
在很多工業產業裡，真正難以取代的其實不是工廠本身，而是那些長年累積下來的工程知識與運作資料。
設備的運轉紀錄、生產流程的細節，甚至資深工程師多年累積的操作經驗，往往都只存在於企業內部的系統裡。
像是工廠設備的震動頻率、材料在不同溫度下的反應、生產線在不同排程下的效率，這些資訊很少會出現在公開資料裡，但對理解製造過程卻非常關鍵。
如果一家公司真的想讓 AI 理解製造、材料或工程設計，最快的方法也許不是等待企業自願分享資料，而是直接參與那些企業本身的運作。
從這個角度看，如果 AI 的目標是讓許多產業變得更有效率，甚至改變原本的運作方式，那麼特別成立一個公司去收購那些可能被衝擊的企業，也許就不只是單純的產業投資，而更像是一種取得「現實世界資料」的方式。
當技術衝擊產業，資本往往會先看到機會
AI 技術開始成熟，市場預期某些傳統產業會受到衝擊，企業估值因此變得比較保守。
接著資本開始進場收購，利用新的技術重新優化那些產業的運作方式。
原本被認為可能被顛覆的企業，反而成為新技術落地發揮的地方。
很多人對 Amazon 的印象是電商平台，但真正支撐這個平台運作的，其實是龐大的倉儲與物流系統。
一個大型倉儲中心，本質上其實是一個高度複雜的工業系統: 商品在不同區域之間流動，機器人負責搬運，演算法決定揀貨順序與配送節奏。
這些問題和製造業裡常見的生產排程、設備利用率、物料流動，其實有不少相似之處。
當 AI 能開始理解並優化這些流程時，它帶來的影響很可能不只發生在工廠裡，也會延伸到物流與供應鏈系統。
對一家同時擁有龐大物流網絡與雲端服務的公司來說，這樣的技術如果成熟，就不只是一個內部工具而已。
就像現今很多公司會把網站架在 Amazon Web Services 上，未來也許會有人把工廠設計、生產模擬，甚至整條生產線的優化搬到雲端完成。
如果事情真的往這個方向發展，AI 影響的可能就不只是某一個產業，而是整個實體供應鏈的運作方式。
科技公司似乎正在重新走向實體
過去，科技公司常常強調「輕資產」模式: 寫軟體、做平台、提供服務，而不是經營工廠或管理供應鏈。
但最近幾年開始出現一個有趣的反轉。
一些產業龍頭的科技公司，反而越來越深入實體產業: 有人自己設計晶片，有人建立製造能力，也有人開始直接參與能源與航太系統。
在這樣的背景下，AI 也許不只是用來顛覆既有產業，而是逐漸變成眾多產業的基礎工具。
回頭看那天群組裡的問題，其實可以隱約感覺到，AI 時代裡，製造業還有沒有機會，似乎是個很多人心裡都隱約在想、卻不太確定該怎麼回答的問題。
但如果事情真的往某些方向發展，也許另一個問題同樣值得思考。
如果 AI 真的開始改變製造業，那接下來，誰會擁有它。
