（記者陳嫣蔚／台北報導）隨著AI模型從單點部署朝向規模化與 Agent 協作，日月光以「全員 AI」為策略，導入 SAS Viya 平台，建構 Agentic AI 智慧營運中樞，串接既有資料、模型、演算法與 AI Agent，強化模型生命週期管理、智慧決策、治理及 Multi-Agent 協作能力。

圖／日月光推動 AI 的下一階段，重點不再只是讓更多工程師使用 AI 工具，而是讓 AI 從分析與建議，逐步走向承接製造現場的實際工作任務。

日月光從早期的 AI for Expert，將專家經驗與 AI 模型結合，解決特定製程問題；接著是 AI for Everyone，透過 No-Code 平台降低使用門檻，讓更多工程師能運用數據解決日常工作問題；現在更進一步思考如何讓 AI 不只提供分析與建議，還能承接實際工作任務，逐步形成可與人協作的數位勞動力。

日月光人工智慧應用整合處處長陳宥瑜表示，正值日月光 AI 應用從單點開發走向規模化管理的階段，SAS Viya 的開放式架構，可串接日月光既有資料、模型、演算法與公司內部系統，並整合 ModelOps、智慧決策與 Agent 管理能力，讓不同 AI 元件能在一致架構下被調用、追蹤與協同運作。

SAS 台灣總經理龔律安表示：「當 AI 應用進入企業核心流程，挑戰是讓模型、Agent、資料與工具在一致且可治理的架構下協同工作。日月光已累積成熟的 AI 實力，SAS 希望協助既有成果被有效管理、擴展與複製，進一步支撐『全員 AI』走向數位勞動力。」其核心價值就在於不必將既有 AI 資產打掉重做，由 SAS Viya 負責調用管理。雙方初期也以良率預測進行 Multi-Agent 概念驗證，當提出良率問題時，平台可協調資料處理、特徵工程、模型訓練、部署等不同Agent共同完成任務。即使是非資料科學家的製造與良率領域專家，也能透過自然語言介面調用 AI 能力。

圖／日月光團隊推進「全員 AI」規模化，打造可治理、可協作的數位勞動力。

在此次 SAS 平台導入之前，日月光已累積多項 AI 應用成果。以生產排程為例，透過即時動態派工，如 Uber 智慧派單，系統可預判設備與生產需求，提前通知備料，降低設備閒置時間。在品質管理方面，針對落塵（Particle）控制，透過數據中台彙整製程、設備、廠務與品質等資訊，以 AI 預測預警，協助團隊快速排障。另外，AI 帶來的效益也延伸至人力運用，透過 AI 自主檢測與自動化，降低例行性工作的人力需求，讓工程師能專注在異常分析與專業決策上，強化組織因應產能成長的韌性。

圖／日月光攜手 SAS 建構 Agentic AI 智慧營運中樞。日月光人工智慧應用整合處處長陳宥瑜(左)、SAS台灣總經理龔律安(右)。

當模型與 Agent 深入企業營運，企業也需要掌握 Agent 的版本、運作狀況、資料來源與決策流程，SAS Viya 透過 ModelOps 與 Agent 管理機制，協助企業追蹤 Agent 生命週期、效能與執行紀錄，保留可追溯資訊，降低 AI 規模化後的治理複雜度，將製程判斷、異常處理與最佳實務，沉澱為可保存、管理與重複利用的企業智慧。

日月光推動 AI 的下一階段，是讓 AI 從分析與建議，走向製造現場的實際工作，並透過 SAS Viya建立一致的治理與協作架構，將分散的 AI 能力逐步轉化為可管理、可協作、可跨場域複製的數位勞動力，推動 AI 應用走向企業級營運能力。

更多引新聞報導
「寶聯」新車回購專案換新最放心　最佳購車方案、雙重省錢好康搶快
「2026金融之星」頒獎典禮登場　近400位菁英齊聚見證榮耀