Machikoba no Techo 2026年7月

連接的不是纜線，而是視線。

七月。有田這裡的夏天正式到來，工廠裡從一大早就開始悶熱。下雨天再加上濕氣，空氣變得沉重。
北九州的透抽季正值高峰，夜晚的海面被漁船的燈火點亮。在那片海的旁邊，我們的工廠一如既往地繼續做木蝦。切、比、再切、調整。每一顆蝦身都要一顆一顆洗過，才進行組裝。創業以來二十七年，正是這樣樸素而不華麗的手工反覆累積，才成就了每一顆木蝦。感謝各位長久以來的支持與愛護。

另一方面，走出工廠，幾乎沒有一天不聽到「AI」這個詞。
大約從一年前開始，我一直用各種 AI 工具做自己的實驗。

但我感受到的變化，並不是 AI 變聰明了。
而是小工廠如今可以在自社內部，做出過去只能委託專業公司的那種系統。

容我舉一個例子。

■ 工廠裡到處都是顯示器

工廠裡到處都是顯示器。
工具機的控制面板。溫度計。濕度計。CO₂ 感測器。電力計。

人看著它們做判斷：
「今天有點偏熱。」
「這個讀數跟平常不太一樣。」
「差不多該換氣了。」

過去要把這些資訊送進電腦，是件苦差事。
向廠商索取通訊規格。拉一條通訊纜線。裝一台 PLC。買專用軟體。
換句話說，你得先在物理上連接到機器。

綜合加工機與 NC 銑床確實有公開 API 規格，只要下定決心，也能用 C++ 把資料取出來。但要投入的工夫實在太大，那份決心並不容易湧上來。

■ 不碰機器，只是看著它

不過最近，另一條路開通了。
用網路攝影機拍下顯示器。

不是特殊的工業相機。我們用的是一台大約三千日圓的普通網路攝影機。

從那段影像讀出數字，存成資料、畫成圖表，異常時發出警報。
它把過去人用眼睛接收的東西，轉換成可以持續分析的資料。
換個說法，我們是把 DX 套用在「觀察」這個行為本身。

■ 第一版，以及它撞上的牆

第一版非常單純：把拍到的影像送給 AI，請它「讀出這些數字」。
Anthropic 的 Claude。Google 的 Gemini。xAI 的 Grok。我們試了好幾家服務。

除此之外，Claude Code、Codex、Grok Build、Cursor 這類寫程式的助手，讓建構系統本身快得驚人。過去專業人員要花上數週的工作，如今很短的時間就跑起來了。

但原型跑起來之後，一個問題浮現了。成本太高。

單次呼叫一點也不貴。但一整年全天候持續監看，就是另一回事了。「偶爾用一下的 AI」和「一直跑著的 AI」，需要的是完全不同的成本結構。

身為小工廠的經營者，比起讚嘆它的性能，我腦中想的其實是怎麼把每個月的帳單壓小一點。

■ 在本地端跑

於是下一步的嘗試，是在 Raspberry Pi 上跑本地 LLM。
在工具機旁邊擺一台大電腦很礙事；放在掌心大小的 Raspberry Pi 就安穩多了。

而且如果 AI 完全在自己的設備上運轉，就沒有 API 費用。運轉成本實質上只有電費。理論上接近於零。

現實沒那麼簡單。多數知名的 LLM 都跑不動——記憶體不夠。最後跑得最順的是 Qwen，不過它仍然無法透過 ollama 這類方便的工具運作，需要相當程度的調校。

■ 盡可能少用 AI

我們最後抵達的地方是這樣：
平常由 OCR 處理。只有在 OCR 失敗時，本地 LLM 才啟動。

輕量的 OCR 負責日常的工作。只有在異常、或讀取結果曖昧不明時，AI 才登場。
運轉成本結果幾乎是零。

要讓 Raspberry Pi 跑得快，標準做法是把相機位置固定下來，並把要讀取的座標寫死。這種做法有個弱點。工廠裡輕微的振動就會讓相機偏移，寫死的座標對不上，於是突然之間什麼都讀不出來。

這裡又輪到能理解上下文的 LLM 發揮作用。因為它能從整張影像重新讀出「數字在哪裡」，小小的偏移很容易修正。我們把這個修正做進讀取程序裡，再用 cron 定期執行校正。結果就是一套沒有人看著、也會自己不斷吸收偏移的系統。

有趣的是：一個從「大量使用 AI」出發的專案，最後是朝著「盡可能少用 AI」演化，才變得最實用。

這和人的工作方式很像。例行的事情靠經驗與程序處理。只有發生意料之外的狀況時，才請專家出馬。這樣的分工，結果是最有效率的。

■ 不靠纜線，而靠視線

想到這裡，我忽然想起手機充電這件事。
以前理所當然是插上一條線。現在無線充電到處都是——把手機放在充電板上就充得進去。沒有物理上的連接，能量卻依然傳了過去。

這個專案有點像那樣。
傳統上，要從機器取出資訊，就得接上通訊纜線。這次不是。我們不碰機器。沒有資料線。我們只是觀察。而我們仍然得到了需要的資訊。

你可以說，這是從物理纜線的連接，轉向一種非接觸、類似感應的資訊取得方式。

我們沒有連接機器。我們觀察它。
連接的不是纜線，而是視線。

仔細想想，視覺是透過光作用的，而光也是電磁波。
這樣看來，這說不定真的就是一種像變壓器那樣、藉由電磁感應完成的連接。

■ 嘗試的成本下降了

這個專案最重要的一點，不是 AI 變聰明了。而是嘗試一件事的成本大幅下降了。

幾年前得委託專業公司的系統，如今在一間小工廠裡就做得出來。我們沒有大企業的預算。我們沒有專責部門。但正因為我們小，才能快速地嘗試、失敗、改進。

我相信，AI 時代真正的改變就在這裡。
不是 AI 把工作從人手上拿走。而是 AI 大幅拓寬了人能夠嘗試的範圍。

KEYSTONE 會繼續面對工廠現場出現的各種課題——首先是木蝦的製造，但不只於此——並且一路靈活地採用新技術。

傳統而創新。
我們會把這句話放在心上，一步一步繼續前進。

一如既往，感謝各位的支持。

with SQUID!!

2026年7月
KeyStone Corporation
Nobuhide Kanagawa，代表董事