林世偉說明，「AI Factory」最初強調透過工廠式複製加速AI伺服器建置，如今問題轉為「AI應用在哪裡」。隨著生成式AI普及，對話介面讓非IT背景的人也能使用AI，加速其在工控領域的導入。智慧製造談了十多年，最難的是「智慧」如何實現，而AI能複製老師傅經驗，傳承至機械手臂與機器人，讓自動化工廠真正走向智慧化。
林世偉強調，AI基礎在於數據，數據收集與傳輸的重要性，使網通角色更為關鍵。「如果把AI比作人腦，通訊就是神經血管，數據就是血液訊號。」林世偉舉例，如「鎖螺絲」對人類簡單，但機器需仰賴感測器與數據學習才能精準完成。未來工廠將布建更多感測器與數據，透過網路即時傳輸進行AI決策。像特斯拉上海廠39秒組裝一台Model Y，正突顯低延遲、同步性的重要。
林世偉進一步指出，AI驅動的智慧製造，將依賴三大條件：
第一，數據統合：工廠內存在不同世代與語言的設備，需整合新舊數據，讓AI能理解與分析。
第二，複雜流量模式：過去多靠雲端集中處理，如今隨Edge AI普及，資料更多在邊緣互傳，形成非線性、即時性的流量模式，對網通設備提出挑戰。
第三，高適應性網路與資安：隨有線、無線網路整合，工廠需更高彈性的架構，同時必須符合IEC 62443等資安標準。
林世偉強調，在AI工廠發展過程，IT與OT界線正逐漸消融，許多AI應用建置在IT端，但數據卻來自OT端，互通與安全性成為挑戰。同時，AI需要算力，算力仰賴能源，而能源與網路緊密相扣，從高速交換器、大頻寬網路到5G與Wi-Fi 7，都是工業AI環境的關鍵，尤其實時性（Real-time）能力，將決定設備能否在毫秒級完成同步，是智慧製造最後一哩。
林世偉表示，生成式AI已改變人機互動，下一步將深刻影響工業製造。AI工廠落地的核心要素，在於數據統合、即時通訊與資安韌性。Moxa則定位自己為「工業網路的神經血管」，扮演推動AI Factory落地的關鍵角色。他也強調，外界討論AI泡沫化，但在OT領域AI發展才剛起步，現階段更要擴大發展。從自動化工業大展可見，許多廠商已找到AI應用並開始導入，能否為客戶創造價值，將成為AI Factory發展的基礎。