摘要： 美國新創 Harmoni 選擇不從零蓋自動化工廠，而是為既有老工廠打造客製化平板與 AI 軟體，近日完成由 Bessemer Venture Partners 領投的 1,000 萬美元 A 輪募資。據 TechOrange 在 2026 年 10 月 13 日的報導，這條路線鎖定全美約 28 萬座仍靠傳統機台與人力運作的工廠。對 builder 來說，值得看的是它先解決資料斷點、再上 AI 的產品順序。
先補斷點，才談 AI
共同創辦人 David Caputo 在投資銀行工作多年後轉投製造業投資，第一次走進工廠就發現問題：工人要排隊打卡，還得拿著存有機台程式的 USB 隨身碟去操作機器，因為各項資訊彼此斷開。市面上雖有 MachineMetrics、Datanomix 這類追蹤機台與產量的軟體，但各管一塊，工廠得自己拼湊。找不到能把機台、工人和流程串起來的工具，他就在 2020 年與製造業顧問 Adam Ellis 動手自建。
系統的核心是一台以磁鐵吸附在機台上的平板。從二戰時期的老機器到較新的設備都能接上，工人在同一台裝置上打卡、看作業指示、追蹤工單、回報問題。加州航太國防零件廠 WessDel 的副總裁 Jeff McKay 說，過去工人要在三台機器前排隊、手動輸入機台資訊，一天可能耗掉將近一小時；現在用識別證感應就能報到，機台狀況也自動記錄。
HAL：本來就懂現場的 AI 助理
資料集中之後，Harmoni 才推出 AI 產品 HAL。它和一般 AI 助理的差別在於情境：一般工具得先聽使用者解釋是哪台機器、在做什麼零件、出過什麼問題，HAL 的平板一直掛在機台上，早就知道運轉狀態和目前的工單，也記得過去的生產狀況，工人開口就能問。
HAL 的功能分三類：找原因，例如直接問「這台機器為什麼跑得比預期慢」；走流程，直接送出維修申請，不必另外填單找主管；還有交接，把問題標記給下一班操作員。這也解釋了為什麼 Harmoni 先做平板、後做 AI——資料若散在好幾套系統裡，AI 就無從理解現場。這個「先鋪資料、再上智慧」的順序，和我們之前談過的介面設計邏輯相通：機器人不需要臉，但需要一個大家都看得懂的介面（見這篇對 Boston Dynamics Atlas 頭部設計的拆解），好的產品切入點往往不在模型本身，而在人和機器之間那個接點。
為什麼這條路走得通
Hadrian、Machina Labs 等新創選擇從頭興建高度依賴機器人的自動化工廠，Harmoni 則押注讓既有工廠變得更有效率。這個判斷有現實基礎：Cal Poly Pomona 工業與製造工程系主任 Shokoufeh Mirzaei 指出，Amazon 等大企業的自動化程度遙遙領先，但許多中小型工廠連基本的資料分析都沒有，還在用網際網路普及前的系統。這些工廠捨不得汰換昂貴設備，卻願意改裝既有機台。
缺工是另一個推力。Deloitte 與 Manufacturing Institute 估計，美國製造業到 2033 年可能需要增加 380 萬名人力，約一半恐怕招不到人。自動化難免引發工會對工作機會的擔憂，但 Harmoni 強調產品目的是減少重複性行政工作，不是裁員——何況許多客戶本來就找不到足夠人手。在缺工環境下幫工人省時間、而非取代工人的工具，反而更容易被現場接受。
給 builder 的兩個提醒
第一，Caputo 對人形機器人的態度值得留意：他認為屆時 Harmoni 的系統也能用來協調這些機器人，「但技術還沒到那裡」。在過渡期，產品價值來自讓現有的人把事做得更順手。
第二，這家公司成立於 2023 年，目前約有 40 家客戶，本月預計再增加 10 家，最大客群是航太與國防業。選一個被大廠忽略、又急著解問題的客群，比追逐最先進的技術示範更能撐起早期產品。若你的場域也有資訊斷點，先問：資料集中在誰手上？答案往往決定 AI 功能該排在路線圖的第幾步。