作者：默思編輯部 發布：2026-09-29
日本工業機器人大廠FANUC在2026年9月宣布與Google合作開發全新的「AI Welding Agent」（AI焊接代理），這是雙方在「實體AI」（Physical AI）領域合作的最新成果，透過Google企業級生成式AI平台Gemini Enterprise，讓電弧焊接機械手臂具備讀懂工程圖並自動生成焊接參數的能力。
這套系統的運作方式是：操作人員只需要用CRX機械手臂教導器上內建的相機，直接拍下待焊接零件的工程圖，AI焊接代理便能理解圖面上標示的材質與最終成形形狀，自動運算生成所需的焊接參數與機械手臂運動程式，全程不需要額外架設攝影機或專用裝置，也不需要工程師事先進行人工教導。操作人員可以選擇直接採用系統生成的參數與動作執行焊接，也可以在執行前進行微調。FANUC與Google也特別強調，客戶上傳的工程圖與生產資料會受到Gemini Enterprise安全機制的保護，不會被用於訓練提供給其他使用者的AI模型。系統預計12月開始出貨。
焊接是工業自動化最難標準化的環節之一
電弧焊接看似是傳統製造業已高度自動化的工序，但實際上焊接參數（電流、電壓、送線速度、焊接路徑等）高度依賴零件的材質、厚度與幾何形狀，過去往往需要資深焊接工程師依經驗手動設定，是工業自動化中「知易行難」的典型環節之一。AI焊接代理的價值正在於把這種高度仰賴人工經驗判斷的知識，轉化為可以由AI直接從工程圖推論出來的標準化流程，大幅縮短從接單到量產焊接的準備時間。
這項合作也是FANUC近年持續與Google深化「實體AI」佈局的一環，雙方稍早已宣布要把Gemini與Google的Intrinsic機器人平台，逐步導入FANUC在全球部署的超過110萬台工業機器人當中。對於仰賴大量客製化焊接工序的中小型金屬加工廠而言，這類系統的普及，可能讓過去需要多年經驗才能勝任的焊接參數設定工作，轉變為可由AI輔助快速產出、再由資深人員把關確認的協作模式。
經驗傳承問題的另一種解法
焊接產業長期面臨資深師傅退休、技術傳承斷層的結構性挑戰，過去多半仰賴師徒制、長時間跟班學習才能累積足夠的參數判斷經驗。AI焊接代理提供的其實是另一種傳承路徑：把散落在資深師傅腦中、難以文字化的判斷經驗，轉化為可以從工程圖直接推論參數的標準化流程，讓資淺人員也能在AI輔助下快速產出接近資深水準的焊接方案，再由資深人員負責最後把關與微調，而不是從零開始累積十年功夫。這種「AI輔助傳承」的模式，未來也可能複製到其他高度仰賴老師傅經驗的傳統製造工序上。
對工業自動化與AI整合有興趣的讀者，歡迎參考Python課程，建立扎實的程式與系統整合基礎。