在AI世代的浪潮下，記憶體已成為資料中心、雲端與邊緣運算的關鍵元件，市場甚至流傳「得記憶體者得天下」的說法。隸屬台塑集團的南亞科技股份有限公司（以下簡稱「南亞科」），身為全球第四大DRAM製造公司，近年不僅在研發與營運表現亮眼，更在「智慧製造」與「AI 導入」上走出一條極具代表性的轉型之路。

在這條路上，一位關鍵推手格外引人注目，那就是南亞科自動化資訊處計劃經理林士智。他不僅擁有PMP、PMI-ACP、PMI-PBA、CSM及CSPO等多項國際專案與敏捷認證，更擅長運用「Hybrid混合式專案管理」，在龐大製造組織中，巧妙平衡硬體設備開發的穩定節奏與AI／軟體創新的快速迭代，推動南亞科一步步走向真正的智慧製造。也因此，他憑藉「晶圓雙面瑕疵AI自動光學檢測機」（以下簡稱「iAOI 專案」）獲得「2025全球頂尖敏捷CEO大獎」的肯定，該專案也獲美國專案管理學會台灣分會「2025年度標竿專案獎優選」殊榮。

AI＋Hybrid：為智慧製造打開另一扇窗！
南亞科長期致力於DRAM的研發、設計、製造及銷售，為了邁向「綠色科技」與「智慧製造」，公司在自動化、數據化與AI化上持續投入。自動化資訊處扮演著企業「數位神經系統」的角色，負責資訊系統軟硬體、製造執行系統(MES)、自動化搬運系統(AMHS)，以及各式智慧檢測與載具設備等，是串聯現場設備與資料決策的關鍵樞紐。

林士智所帶領的團隊，主要聚焦於「自動化搬運系統與AI導入」。他的目標很明確——讓硬體與AI 結合，成為日常運轉的一部分，而不是偶發的實驗計畫。他主導的代表性專案包含：
一、AI晶圓影像分析平台(WIC／iAOI)
以視覺與機器學習(ML)替代人工目視檢查，提升瑕疵分類的一致性與穩定性。

二、 晶圓盒(FOUP)檢查機
以自動化與AI降低人工作業依賴，強化載具品質與搬運安全。

三、智慧型晶圓裝卸／載入機(Smart Load Port)
自行開發具無線存取點(Access Point)的設備，支援人工搬運時的智慧化作業。

這些專案背後，都有一個共同關鍵字：Hybrid專案管理。林士智認為，製造業的現實是瀑布式不可少，但不能只有瀑布式。南亞科身處高度資本密集的半導體產業，無論是建置設備、優化產線，抑或導入新機種，都牽涉到鉅額投資與嚴謹的驗收流程。因此，在許多硬體或系統導入專案中，仍必須遵照傳統的「預測型(Predictive)」管理方式，舉例來說：專案啟動前需撰寫完整的商業計畫書(Business Plan)、明確評估成本結構與投資報酬，以及變更與超支需經正式報告與審議。他坦言：「有些流程，必須尊重企業／集團的科層架構與內控機制，不能也不應該『一夕敏捷』。」

然而，當硬體設備開始與AI、機器學習與複雜軟體模組緊密結合時，純粹的瀑布式做法便顯不足。這正是他提出「Hybrid 雙節奏」的背景：上層結構維持穩定，下層實作擁抱迭代。

iAOI 專案：用Hybrid雙節奏跑完年度專案
以歷時一年的「晶圓雙面瑕疵AI自動光學檢測機」(iAOI專案)為例，該專案預算在兩千萬元內，涉及十幾個領域／部門，共有二十幾位成員參與，目標是透過自製AI深度學習模型，打造一台能同時檢測晶圓正反面的智慧檢查機，核心任務則是改善傳統人工目視與Rule-based AOI在瑕疵分類上的不足，並提升技術自主能力。換言之，就是「一個專案，兩種節奏」。

為兼顧風險控管與創新速度，林士智採用「PMP＋Agile」的混合模式：
．設備／介面／安裝驗收
以PMP為主軸（Review、變更控制）。
嚴格控管時程、成本與交付品質。
．AI 模型／軟體前後端
以Scrum為主，分成多個Sprint迭代。
透過Sprint Review與Retrospective快速獲得回饋、修正方向。

他將這種運作稱為「Hybrid 雙節奏」，上層用PMP把關「穩定與底線」，下層用Scrum拉高「速度與學習」，最後再用一套開發者與使用者共用的驗收機制，以確保整體成果既穩健又具創新性。

從「影像→判斷→動作」：iAOI不只是機器，而是一套平台
「iAOI專案」的價值，遠不只是多了一台檢查機。團隊從硬體、影像模組、AI模型到圖形介面(GUI)，均由內部主導設計與開發，如此，可以同時完成晶圓正反面8K高解析度同步取像、透過物件偵測模型自動完成瑕疵標註與分類，也可以串接製造執行系統(MES)、生產派工系統(MCS/AMHS)及複驗流程GUI，檢測結果還可以直接驅動後續報廢、降級、加洗或放行等製程處置。

換句話說，iAOI串起了從「影像取得→判斷決策 →現場動作」的完整閉環，讓品質管理從依賴人力經驗，轉變為可度量、可治理、可持續優化的系統行為。在他看來，iAOI不只是一台設備，更是南亞科從「人力監看」邁向「系統守護」的里程碑。

四大關鍵價值：技術、品質、成本、組織力一起升級
若從企業轉型的視角回看，iAOI所帶來的價值包含四個面向：
1.技術自主
從硬體結構、影像模組到AI模型與GUI，皆採內部自主設計開發，不僅降低對外部設計的依賴，也累積難以複製的Know-how，並開啟了對外專利授權與權利金的新模式。
2.品質一致性
將人工目視的主觀經驗，轉化為模型推論的客觀標準，使品質判斷更一致、可追溯，也讓「好壞判斷」不再僅依賴資深人員的經驗。
3.成本與效率改善
自動化檢測取代長時間人工檢查，降低人力與訓練成本，也減輕高階SFS檢測機的負荷，讓資本設備能被運用在更關鍵的工段。
4.組織能力升級
將AI、現場操作、系統整合、設備與製程連結成一套可複製的「智慧檢測平台」，未來可套用至其他產品線或機台，形成可擴散的組織資產。

阻力與痛點：預算、流程與「既有習慣」
當然，這樣一個跨部門、跨領域、牽涉硬體與AI的大型專案，並非一路順風。林士智坦言，實務上最「痛」的地方，就是面對預算與變更的壓力，「就算前年度規劃得再精準，實際執行過程中仍可能因需求調整、技術嘗試或環境變化而產生額外支出。」身為 PO，他必須親自向長官與成本單位說明原因、爭取資源。

另一個挑戰則來自「既有習慣的改變（害怕改變）」。舉例來說，有人質疑：「如何確保真的對公司有效益」；也有人主張：「需求應該一次定完，不要邊做邊改。」面對這些質疑，他沒有用「命令」壓過去，而是選擇用一個個可視化的小成功來說服大家，透過Sprint Review讓利害關係人(Stakeholders)實際看到「現在的系統已經做得到什麼」，逐步建立對迭代方式的信任。

Scrum不是做更快，而是更快知道方向對不對
回顧過去的經驗，林士智形容自己從前較依賴「預測」與「一次設計完整」，更像是先把藍圖畫滿，再按照計畫一步步執行。導入Scrum後，他逐漸把心態轉換為「不是把計畫做滿，而是把學習做快。」在他眼中，Scrum就像一個可預期的「價值交付節拍器」：
一、把複雜大專案拆成可以驗證的小增量(Increment)。
二、每次Sprint Review都是讓利害關係人看見「真實成果」而非僅是進度報告。
三、藉由短週期、可視化、明確責任界面，持續降低不確定性。
四、討論的焦點，從「誰造成問題」轉向「我們要怎麼一起把事情做得更好」。

他強調：「策略不再是一開始就做出最完美的答案，而是靠一連串的小成功堆疊出穩定的大成功。讓使用者看到模型不斷改善才是重點！」

給製造業同路人的建議：用Scrum驗證方向，用PMP守住底線
身為多項Hybrid專案的實戰指揮官，林士智對於製造業導入Scrum與敏捷，提出以下具體建議：
一、領導者要先理解敏捷
無論是CEO、處級主管或專案核心成員，都值得花時間深入理解敏捷與Scrum架構，這有助於對齊語言與期待，避免「上層只聽到快」卻忽略了「學習與調整」。

二、慎選團隊成員與PO
除了技術專業，成員是否願意接受迭代、願意公開透明也很關鍵。PO如果本身熟悉敏捷，更能在內外溝通中扮演橋樑角色。

三、Scrum用於「驗證方向」，而非取代所有流程
最務實的做法是：大方向用瀑布守紀律，細部執行用Scrum加速學習。換言之，該在Business Plan提出的時候就勇敢提出，該跑內控流程時就確實跑流程。在此基礎上，用Sprint去驗證假設、修正路線。

四、Scrum 的目的不是「更快做完」，而是「更快知道什麼值得做」
只要用對地方，敏捷會讓組織更穩健，而不是更亂。

iAOI之外：從一個專案，走向可複製的轉型樣板
iAOI專案不只獲得「2025全球頂尖敏捷CEO大獎」，同時也在專案管理領域獲得標竿專案獎的肯定，成為公司邁向智慧製造的重要里程碑。更重要的是，它證明了：在看似保守、流程嚴謹的製造業，敏捷不是口號，而是可以落地的實務方法。

未來，這套「Hybrid雙節奏」不僅可以複製到更多AOI或AI應用情境，也能擴展到設備維運與預知保養、能耗最佳化與碳管理、供應鏈協同等領域，只要是需要「快速發現問題 → 建立假設 → 用小型迭代驗證」的場景，皆有用武之地。