工業4.0是近年所有製造業皆在努力實踐的目標，麥肯錫(McKinsey)去年針對歐、美、日等地的製造大廠進行調查，根據調查顯示，在這些推行工業4.0的企業當中，僅有四成認為有獲得成效或在改善製造流程中取得良好進展，這個結果雖然不至於太慘，但也算不上取得好成績。而觀察台灣市場，半導體大廠英特爾則認為，由於製造業族群分佈零散，不同產業在落實工業4.0中，從技術成熟度、策略方針到問題痛點等都具有很大的差異化。企業在實踐工業4.0的第一步，應當先審視自己所處的位置，以找出最合適的解決方案。

英特爾亞太區製造業產業解決方案總監李立仁表示，英特爾期望協助台灣企業於工業4.0浪潮下，精準轉型智慧製造。

英特爾亞太區製造業產業解決方案總監李立仁表示，不同族群在工業4.0所使用的技術成熟度來說有很大的差異，例如傳產可能連第一步將設備連網的階段可能都還未達到，可遑論現今炙手可熱的人工智慧等。但有的產業卻已經在深入研究如何運用AI、機器學習等技術，讓設備自主優化。李立仁近一步觀察，其中，又以半導體和面板業在技術上較為領先。

那麼企業如何審視自己究竟達到工業2.0還是3.0呢？李立仁表示，企業可透過訊息物理系統(Cyber Physics System)當中的5C架構來進行評判標準，他認為，此5C標準非常適合用來檢視工業4.0技術的成熟度，並輔助企業審視各階段所需的代表性能力與技術。

5C架構從最底層初階技術至最高層高階應用共可分為五個能力組成，分別是連結(Connect)、轉化(Covert)、虛擬(Cyber)、認知(Cognition)以及自我配置(Configure)。進一步說明，最基本的連結，在這階段最主要的就是將OT與IT進行整合，透過物聯網技術讓機器與機器間能夠互相通訊、進行串聯。

其次，在轉化的階段中，則是讓設備機台在初步的連網後，將擷取到的資訊轉換為具有分析價值的數據資訊，例如設備的失效或良率的分析。其中，設備端點須具備分析、智能化的能力是這一階段中非常關鍵的能力。在第三個階段虛擬中，則是強調虛擬化的數位工廠(Digital Twins)，在所以機台都連網之後，形成另外一個虛擬、同步化的工廠運行，而其數位工廠具備感知、預測能力，可預測「非計畫內」的設備故障，當故障訊息被數位工廠擷取後，更可以模擬接下來如何執行最佳化的重新排程。李立仁也舉例，像日本近年就非常致力於推動數位工廠的運行。

至於第四層認知，在這個階段主要則是導入如機器學習、深度學習等一系列的人工智慧技術，讓機器可自我學習、進化，並從大數據分析中不斷進行推算與模擬，進而在設備端預防機器故障與良率不佳的狀況。

最後一個階段自我配置，則是能夠機器能夠藉由感知、學習的結果，以自主的方式改變機器設備的設定，就好比自動駕駛的概念，利用系統對環境變化的判斷與分析自動更改執行命令。而工廠的機器同樣也能夠根據感測系統、訂單需求等的變化重新排程，訂立最佳化的結果，這也是目前工業4.0追求的最高層級。