全球硬盘品牌龙头Seagate与HPE、NVIDIA强强联手，推出AI运算平台:Project Athena，Seagate执行副总暨营运、产品及技术部门主管Jeffery Nygaard指出，导入AI是产业共识，然在导入之前，业者要自问的第一个问题是，要解决的问题为何？如此才能够充分利用AI，提高企业竞争力。

工业4.0的旋风，从欧洲德国吹向全球，加上近2年的AI热潮，如今所有产业都在谈AI与智慧化，智慧制造、智慧金融至智慧医疗，然当企业主面对蜂涌而至的AI与智慧化方案，如何选择？Nygaard建议，要先找到最需要解决的问题，接下来要运用哪些数据，才能够让AI能够对症下药。

Nygaard接受DIGITIMES专访时强调，智慧工厂并非一蹴可几，这是长时间的旅程，以Seagate为例，在2000年就开始导入自动化，其实就是迈向智慧工厂的开始，在手中握有数据，且明确知道有哪些环节之后，导入AI就水到渠成，Seagate也规划在2019年，要在全球工厂都导入Project Athena平台。以下是专访摘要：

问：为何Seagate会提出雅典娜计划？

答: 有3个主要原因，首先，Seagate是研发、制造与营运3位合体的企业，在制造方面，需要高良率与高质量生产，且Seagate制造是高度垂直整合，零组件自制率高，因此制造流程必须持续优化改善。

其次，在制造过程中，有大量数据产生，以Seagate在美国明尼苏达州诺曼戴尔(Normandale)晶圆厂每天产生的显微影像数据，高达10TB，已经远远超过人类可以检测的范围，需要数位系统管理。

再者，在制造流程中，Seagate希望能够达到实时监控管理的效果。所谓实时，是指可能要在毫秒(millisecond)之内，就必须作决策，有些是看其资料与供应链制程，可能会延续数小时或数周或数月都有可能。

问：执行Project Athena，需要何种环境与条件配合？

答: 必须有4个条件，首先是要有自动化设备，且设备产生的数据，可以撷取至云端，这是让工厂能够进行机器学习的基础。以Seagate来说，从2000年起，开始打造此基础，迄今花了近20年，Seagate制程机台产生的数据，都可连结到边缘云(edge cloud)。

其次是Seagate在推动制程的实时机器学习时，意识到，没有一家的解决方案符合其需求，在新闻上看到很多机器学习的讯息，但是都是一些大公司，在内部进行机器学习制程管理，因此Seagate与2家公司合作，从架构开始来开发此系统。

第三是，相关人员的到位。Seagate长期都有数据相关负责人员，然却没有AI相关人员，因此开始训练AI、机器学习相关人员，内部有个小组，叫做「我们的资料公民科学家(Our Citizen Data Scientist)」，从各种不同面向去协助不同部门的员工了解AI、机器学习等相关知识。第四是要高阶主管的充分支持与承诺，如此才会有足够的资源，制造主管也要相信，此改变将带来好处。
问：智慧工厂是制造业皆知的努力方向，成本与效益如何评量？Seagate的想法为何？

答：成本与效益永远是制造业考量的重要问题，然以Seagate来说，所从事的行业，必须要在生产技术处于领先地位，而如何在未来能取得领先，如何搜集数据，如何使用数据，都是关键，因此Seagate才会导入Project Athena计划，带动Seagate走向数据支援的智慧制造，然要达到智慧工厂，并非一蹴可几，这是个旅程，不是随开随得，因此需要数年的时间与更多环节配合。

为何数据对制造业如此重要？因为要管理很长的供应链，其次，要缩短制程的周期，需要数据进行优化，再者，制造业需要数据来确保产品的质量。数据在制造过程中，是每个面向都会触及的关键，包括成本、周期、可靠性，到制造所需要的空间，比如要有多少空间设置机台，以及运送产品时所需要的空间，都需要数据作为管理依据。可以预见，未来制造业的数据产生量，成长会更快。

首先，制造业经营者必须自问的是，要解决什么问题？其次，在供应链当中，有哪些数据可以拿来作为改善或减少上述的问题程度，如果某家公司已经在作自动化或搜集数据资料，Project Athena的花费，相对小很多，因此重点在于，要解决什么问题，以及自动化程度，才能够精确算出来成本效益为何。

问：Seagate导入Project Athena，是否会增加大量的资本支出吗？何时可以看到这相投资的反馈？

答：首先，导入Project Athena，不会让Seagate的资本支出明显增加，事实上，每年Seagate的资本支出都在营收的6~8%，以比例来看很低。其次，工厂导入AI，其实最贵的在于生产线的自动化与数据串连，一旦建立这个基础之后，导入Project Athena也相对容易，不过我不便谈导入该AI project的价格为何，因为是HPE负责该项目的营销。

至于反馈时间，要看不同应用的项目，如果是针对生产产品的良率，反馈时间很短，约1季就能看到成果，如果以设备或工厂空间相关的生产周期来看，也许是1~2年，甚至更久。