一、AI競爭的盲點－感測能力的落差
人工智慧（AI）快速演進的當下，從生成式AI到工業AI，各界普遍聚焦於算力（Compute）、演算法（Model）與資料（Data）規模。然而，一個關鍵但相對被低估的核心要素正逐漸浮現－感測能力（Sensing Capability）。
AI並非憑空產生智慧，AI的本質是透過資料理解世界；依賴對世界的觀測與資料輸入。而資料的來源，正是感測、偵測器之感測能力。當資料來源受限，AI再強也無法突破其認知邊界，且很大程度受限於其「如何感知世界」。換言之，AI的上限，取決於其「能看見什麼」。特別是在工業、能源、智慧製造與未來實體AI（Physical AI）領域，感測能力的提升，正成為企業競爭力的分水嶺。
在此脈絡下，傳統以可見光（RGB）為主的感測方式，逐漸顯露侷限性。許多工業、能源與材料相關的關鍵資訊，如水分、化學組成、內部結構，並不在可見光範圍內。這也使得新一代感測技術開始受到關注，其中，短波紅外（SWIR, Short-Wave Infrared）正成為最具潛力的技術之一。
二、SWIR技術本質：介於可見與熱紅外之間的關鍵波段
（一）波段與物理特性
SWIR波段約位於900至1,700奈米(nm)之間，介於可見光與中波紅外（MWIR）之間。其獨特之處在於：
(1) 可利用反射光成像（類似可見光）
(2) 同時具有對材料內部性質的敏感度（類似紅外光）
這使SWIR成為一種兼具「影像解析度」與「材料感知能力」的感測技術。
（二）材料辨識能力：SWIR的核心價值
SWIR最具突破性的能力，在於其對特定分子鍵結的吸收反應，例如：
(1) O-H（氫氧鍵；與水分相關）
(2) C-H（碳氫鍵；與有機材料相關）
因此，SWIR影像不僅呈現形狀與顏色，更能反映材料組成與狀態。例如：含水量差異、材料種類（即使顏色相同）、和內部缺陷與結構不均，這種「材料層級資訊」正是AI進行深度判斷的關鍵。
三、SWIR × AI：從視覺辨識跨越物理感知
相較於可見光，SWIR具有更強的穿透能力，可穿透薄塑膠、矽晶材料和部分煙霧與霧氣；此外，SWIR在低照光環境下仍具良好表現，使其適用於工業與戶外場景。
傳統機器視覺主要依賴可見光影像，並透過深度學習進行圖像辨識。然而，此類系統的本質仍停留在「外觀辨識」。SWIR的導入，讓AI系統進一步邁向「物理理解」，其影響可從光學底層原理、AI 訓練範式的改變，以及具體產業鏈的降本增效三個層面分析：
（一）物理層級的深度解析
SWIR位於900 nm~1,700 nm（有時擴展至 2,500 nm）之間。這段光譜在物理學上有一個關鍵特性：瑞立散射（Rayleigh Scattering）的影響顯著降低，因此具有下列特點：
(1) 抗環境干擾的本質：光散射強度與波長的四次方成反比。相較於可見光（波長約 400-700 nm），SWIR 的長波長使其能輕易繞過大氣中的微塵、水霧或工業煙霧微粒。也就是在極端天候或高溫冶煉環境下，SWIR + AI 能維持極高的數據訊噪比（SNR），這是純可見光系統無法靠演算法彌補的物理優勢。
(2) 矽基半導體如透明窗：光子能量E=λhc。在 SWIR 波段，光子的能量低於矽的帶隙（Bandgap），因此矽片對SWIR而言如同玻璃般透明。使AI能夠無需破壞封裝，直接「視察」晶圓內部的對準標記（Alignment Marks）或微裂紋。
（二）AI運用的演進：從「特徵工程」到「光譜指紋」
傳統AI影像辨識是依賴物體的幾何輪廓與反射色彩，這容易受到陰影、光照不均或偽裝誤判。SWIR 的加入替AI注入了「光譜指紋」（Spectral Fingerprints）的概念：
(1) 超越像素的標籤：在RGB（紅綠藍）影像中，糖、鹽和明礬可能都是「白色粉末」；但在SWIR波段下，由於分子伸縮振動的頻段吸收（O-H, N-H, C-H鍵），它們會呈現完全不同的灰階特徵。
(2) 感測融合（Sensor Fusion）：未來的趨勢不再是單純使用 SWIR，而是將 RGB（語義資訊）+SWIR（物理性質）進行感測融合。AI 模型可以同時學習物體的「名字」與「成分」。例如，自動駕駛系統在識別前方路面時，不僅知道那是「路」，還能透過SWIR感知那條路的狀態，進而改變剎車邏輯。
（三）產業應用場景的深層價值
除了前述的基本應用，SWIR×AI在以下領域具有更具體的「降本增效」潛力：
1. 循環經濟與廢棄物回收
目前塑膠回收最大的痛點在於無法快速分類黑色的PET、PP或PE 塑料（因為黑色吸光，RGB 影像無法分辨）。SWIR能偵測不同聚合物的獨特吸收峰，配合高速AI分選設備，可實現99%以上的材料純度分類，成為實現永續供應鏈的技術基石。
2. 農業科技與食品安全
AI結合SWIR可以進行「無損非破壞性檢測」：
(1) 成熟度精準預測：不僅看果皮顏色，更能偵測水果內部的糖分與水分分佈。
(2) 早期病蟲害預警：在葉片顏色發生變化前（葉肉組織水分受損時），SWIR 就能捕捉到異常，讓AI提前發出警報，減少農藥使用。
3. 半導體先進封裝（2.5D/3D Packaging）
隨著晶片堆疊技術發展，內部連結的微凸塊（Micro-bumps）品質至關重要。SWIR攝影機配合AI視覺演算法，可以在不拆解封裝的情況下，透視矽晶片，檢查金屬接點的偏移或空洞，成為HBM（高頻寬記憶體）等高階製程的監控標準手段。
四、產業應用：SWIR從利基市場走向主流
（一）製造業：高價值檢測的關鍵技術
在半導體與精密製造中，SWIR相當於是「肉眼看不見的光」，應用包括：
(1) 半導體晶圓檢測：由於「矽」在 SWIR 波段下是透明的，檢測儀可以直接穿透晶圓觀察內部的裂紋（Cracks）或背面的電極線路，這在 3D 封裝與 CoWoS 趨勢下是提升良率的唯一解方。
(2) 電池材料探測：在鋰電池塗佈過程中，SWIR 能精準感測漿料中的水分含量與厚度均勻性，避免後續使用發生危險。
(3) 價值體現：協助品檢不良，這不是「增加成本」而是「減少報廢」，直接優化毛利率。
（二）能源與工業安全：非接觸式監測
2026年各國在環保上強力推動氣體監控的背景下顯得尤為重要。具體功能如下：
(1) 氣體偵測：許多工業氣體在 SWIR 波段有強烈的吸收特徵。SWIR 相機可以「看見」肉眼不可見的氣體洩漏（如甲烷），這對天然氣業者或半導體工廠的氣體環境是極佳的預警工具。
(2) 穿透煙霧與粉塵：在火災或粉塵瀰漫的化工廠，傳統可見光相機完全失效，SWIR能穿透懸浮微粒，精確定位受困人員或熱源。
（三）循環經濟與材料回收
落實聯合國永續發展目標 SDGs (Sustainable Development Goals) 與歐盟環保新規定的核心技術，解決材料分類是極大難題，包括：
(1) 光譜指紋識別：不同塑膠（如 PET, PE, PP, PS）在SWIR下有獨特的光譜「指紋」。傳統視覺無法分辨外觀一致的塑料，但 SWIR 能在輸送帶上進行毫秒級自動識別，將回收純度提升至99%以上。
(2) 黑塑膠難題：過往黑色塑膠很難回收，新型的 SWIR 感測器已能克服碳黑的吸收問題，這是回收產業的重大突破。
（四）AI基礎設施與未來場景
SWIR 正從工業相機縮小為「感測器模組」，功能更擴大至更精密與非靜態下之偵測，例如：
(1) 光通訊：隨著AI算力需求激增，光學傳輸（Optical Interconnects）成為瓶頸。SWIR用於檢測光纖耦合與矽光子晶片，即是支撐 AI 基礎設施的背後推手。
(2) 自動駕駛與安防：相比於雷達，SWIR 在夜間或霧霾天氣可以提供接近照片品質的影像，並且不受對向車燈干擾（因為波段不同），未來極可能進入高階車載之標準配備。
（五）市場規模
資料來源：GRAND VIEW RESEARCH(2026)，工研院產科國際所 ITIS研究團隊整理(2026/07)
圖1 全球SWIR 感測器元件市場
根據 2026 GRAND VIEW RESEARCH最新產業報告，全球SWIR感測器元件市場預計將從2025年的約6.7億美元成長至2030年的11.8億美元以上，年複合成長率（CAGR）約12%（如圖1所示）。關鍵應用占比（2025年基準），整理如表一所示，預計SWIR感測器元件市場的成長將受到以下因素的激勵：半導體之擴大發展，檢測自動化之速率需求增加以及國防航太之偵防系統精確度需求，例如遠程監視、導引系統（對抗反光與煙霧）等等，廢棄物回收之物種辨識，以及用於醫療與新興領域之生物螢光檢測、自動駕駛、智慧農業等。未來大宗應用以半導體與電子檢查和國防與航太，兩者合併占約70%。
表１ 2025年SWIR感測器之關鍵應用場景與占比
資料來源：工研院產科國際所 ITIS研究團隊整理(2026/07)
五、未來發展趨勢與產業機會
綜合上述功能特性與市場趨勢，SWIR正從小眾光學實驗走進大眾產業，綜合未來發展可歸納為以下三大趨勢與產業機會：
（一）技術平民化：從高精密國防走向消費市場
SWIR感測器將擺脫昂貴的InGaAs製程限制，實現與CMOS的大規模整合。這將促使感測器元件成本大幅下降，讓SWIR從數萬美元的軍事、科研設備規模，轉化為3C產品應用（如螢幕下辨識）、穿戴式裝置（如非侵入式血糖監測）等消費級應用。
（二）AI化物理感知：從「看見」轉向「看穿」
SWIR與AI的深度融合是未來核心亮點。AI具備光譜辨識能力後，機器視覺將不再侷限於判斷「形狀」，而是能即時分析「成分」。這將在自動駕駛（穿透煙霧與路面結冰辨識）、智慧農業（精準含水量分析）及回收產業（黑色塑膠分類）中創造極高的商業附加價值。
（三）工業4.0的關鍵拼圖
對半導體與先進封裝領域，SWIR是透視矽晶片、檢查微裂紋的唯一非破壞性手段。隨著晶片堆疊技術日益複雜，SWIR 檢測設備將成為晶圓廠的標配，帶動高階光學檢測元件與演算法市場的穩定成長。