在 SEMICON Taiwan 2026 期間，MICH USA CEO Mark Ma 接受現場訪談，從美國市場與企業 AI 發展的角度，分享 MICH 對 Enterprise AI 的觀察，以及台灣 AI 技術走向國際市場的下一步。
而其中一個重要觀點是：
AI should go where the data is — not the other way around. AI 應該走向數據所在的地方，而不是讓數據為了 AI 而離開企業。
這也正是 MICH 發展企業級 AI 基礎架構 LowsiteOS 背後的重要思考。
AI 發展的下一階段，是如何真正進入企業
過去幾年，生成式 AI 與大型語言模型快速發展，企業開始思考如何將 AI 導入客服、知識管理、營運分析，甚至生產與決策流程。
但從 Demo 走向真正的 Enterprise AI，問題開始變得不同。企業真正需要面對的是：AI 要如何取得企業內部的數據？
製造業每天都在產生大量資訊，從 ERP、MES、SCM、WMS，到設備、生產、品質與文件資料，數據其實早已存在。然而，這些資訊往往分散於不同系統、設備與資料格式之中。如果 AI 無法理解這些數據，就很難真正理解一家企業是如何運作的。
因此，對企業而言，下一階段的 AI 競爭不只是「使用哪一個模型」，而是能不能建立一套讓 AI 安全地取得、理解並運用企業數據的基礎。
AI should go where the data is
對許多企業，尤其是半導體、製造與高科技產業而言，數據不只是資訊，更是企業重要的智慧資產。生產參數、設備數據、製程 Know-how、品質紀錄、客戶資訊與內部文件，都可能涉及高度敏感的營運資訊。
因此，當企業開始導入 AI，「資料要不要離開企業環境」也成為重要議題。這也是 MICH 強調 On-Prem AI 的原因之一。
與其要求企業為了導入 AI，把重要資料移動到不同的外部環境，我們更希望讓 AI 能夠進入企業既有的數據環境。讓 AI 靠近數據，而不是讓數據追著 AI 走。 如此一來，企業才能在發展 AI 應用的同時，持續保有對資料、權限與基礎架構的掌控。
LowsiteOS：從數據整合開始建立企業 AI
這也是 MICH 發展 LowsiteOS 的核心方向。企業通常已經擁有大量既有系統，因此 AI 導入不應該代表全部重新開始。LowsiteOS 希望建立的是一個連結既有企業數據與 AI 應用的基礎架構。
從 ERP、MES、SCM、WMS，到設備、生產數據與企業內部知識，透過數據整合，逐步建立 AI 能夠理解與使用的企業資料環境。整個過程可以概括為：
Data Integration → Enterprise Knowledge → AI Applications
從「把資料串起來」，進一步讓 AI 能夠理解企業知識，最後才真正進入各種 AI Agent 與企業應用。這讓 AI 不再只是一個獨立的聊天工具，而是有機會真正進入企業既有的工作流程。
從台灣製造現場，到美國企業市場
對 MICH USA CEO Mark Ma 而言，這次回到台灣參與 SEMICON Taiwan，也代表另一個重要方向：如何讓台灣累積的 AI 與製造技術走向更大的國際市場。
台灣擁有完整的半導體與製造產業鏈，也累積了大量軟硬體整合、設備、Edge AI 與產業應用能力。當全球企業開始尋找真正能夠落地的 AI Solution，台灣的優勢不一定只是提供單一產品，而是有機會把不同技術整合成一套完整的 Enterprise AI Solution。
因此，MICH 接下來希望扮演的不只是 AI 技術提供者。我們希望透過 LowsiteOS 作為企業 AI 的數據與基礎架構，進一步串聯台灣不同的 AI Agent、軟體、硬體與產業解決方案——從單一技術走向完整 Solution，再從台灣，走向美國與全球市場。
台灣 AI 的下一個機會，是一起走向世界
SEMICON Taiwan 是全球半導體產業的重要交流平台，但對 MICH 而言，這次參展不只是展示一項產品。更重要的是，我們在現場看見許多來自不同領域的技術、解決方案與產業夥伴，而這些能力如果能夠被更有效地串聯，就有機會形成更完整的 AI 生態系。
讓數據留在企業、讓 AI 進入現場；同時讓台灣優秀的 AI 技術，有機會一起走向國際市場。
從台灣的製造現場，到美國的企業市場。我們相信，Enterprise AI 的下一步，不只是打造更強大的 AI，而是讓 AI 真正進入產業，解決真實世界的問題。
From Taiwan to the World. Intelligence Everywhere.
