從零件媒合平台走向製造業AI產業OS，日本新創CADDi為什麼敢放棄最初商業模式？

早在2022年的時候就跟大家介紹過日本新創界相當亮眼的明星企業：CADDi（キャディ株式會社）。我一直很喜歡這家公司，當時甚至將文章標題定為《CADDi：町工廠與製造業的革命家》，認為它將成為日本製造業軟體即服務（SaaS）發展中相當重要的角色。

當時的CADDi，主要有兩項核心事業。一項是協助大型製造商向中小型町工廠採購零組件的「CADDi Manufacturing」；另一項則是剛推出不久、用來搜尋與管理製造圖面的雲端服務「CADDi Drawer」。

那時候，我把CADDi視為一家利用科技改善日本製造業採購流程的企業對企業（B2B）平台。它介入報價、下單、品質、成本與交期管理，試圖解決大型製造商找不到合適供應商，以及地方町工廠有技術、卻未必能穩定取得訂單的結構性問題。

然而，時隔不到四年，CADDi已經不再是一家「町工廠撮合平台」。2024年，CADDi宣布將兩項主力事業整合，停止承接新的零組件與組裝品交易，正式退出創業以來的核心業務。到了2026年8月，公司更進一步發布次世代版「製造業AI數據平台CADDi」，將自身重新定位為支撐設計、採購、生產、品質與設備管理的製造業AI基礎設施。

這其實是一場非常徹底的商業模式轉型，遠遠超過一次產品改版。問題是，一家已經建立供應商網路、客戶與交易規模的公司，為什麼願意親手結束自己的起家祖業？而CADDi從製造媒合平台轉向AI數據平台，又反映了日本製造業正在發生什麼變化？

從「幫企業採購零件」，走向「管理製造業的知識」

CADDi創業初期所解決的，是製造業非常具體的交易問題。一張零件圖面送進平台後，CADDi會分析加工方式、材質、成本與交期，再從合作工廠中安排適合的供應商。客戶不需要逐一詢價、比較工廠與追蹤交期，町工廠也能透過平台取得更穩定的訂單。這項模式的價值十分清楚，但它同時也是一門營運非常沉重的生意。

只要CADDi仍然站在交易中間，就必須處理每一筆訂單的品質、成本與交期風險。事業要成長，除了增加軟體與演算法，也必須同步擴大採購、品管、物流與供應商管理能力。換句話說，它雖然是一家科技新創，卻承擔了相當程度的製造與供應鏈營運責任。

但也正是在這段過程中，CADDi累積了另一項更難複製的資產：製造業的網域知識與數據。每一張圖面、每一次報價、每一筆採購紀錄，以及材料、加工方法、不良原因與供應商之間的關係，都是理解製造業決策邏輯的重要資料。CADDi後來發現，真正阻礙製造業效率的，是企業累積數十年的知識散落在圖面、Excel、企業資源規劃（ERP）、郵件，以及資深員工的腦中，不只是找不到工廠。

同一個零件可能曾經被不同部門重複設計；類似的品質問題可能在不同工廠反覆發生；採購人員可能知道某項零件「合理的價格」，卻無法說明判斷依據。當資深員工退休，這些經驗也可能跟著消失。這才是CADDi後來想解決的真正問題。

關鍵決定：保留最有價值的能力

2022年推出的CADDi Drawer，原本只是CADDi的第二條產品線。它利用影像解析與機器學習技術辨識圖面，讓企業可以搜尋相似零件，並將圖面與採購價格、供應商、材料及品質紀錄連結起來。沒想到，這項軟體服務的成長速度遠超過原本的Manufacturing事業。

CADDi最終判斷，如果繼續同時經營交易平台與SaaS，組織資源會被分散；相較於親自介入每一筆零件交易，把過去累積的製造知識轉化為軟體，反而能服務更多企業，也更接近「解放製造業潛力」的公司使命。因此，CADDi在2024年宣布將Manufacturing整合至AI數據平台事業，不再承接新的零組件與組裝品訂單，已承接的案件則負責到交付完成。

表面上看來，這像是放棄了原本的商業模式；但從能力累積的角度來看，兩項事業其實並非完全斷裂。CADDi Manufacturing讓公司進入製造現場，理解圖面、估價、採購與供應商管理；CADDi Drawer則把這些知識轉化為可以大量複製的軟體產品。

前一階段建立的是Domain知識，後一階段追求的是規模化。這也是我認為CADDi這次商模轉型最值得觀察的地方，它把舊事業中最難取得的知識，重新組合成更具擴張性的產品，用意不只是追逐更熱門的AI題材。

從一套圖面搜尋工具，擴張成製造業AI數據平台

2026年8月，在最新對外公開的新聞稿中，CADDi發布次世代版「製造業AI數據平台CADDi」，並提出新的企業願景：將物理創新加速十倍。這裡所說的「物理創新」，指的是汽車、機械、設備、能源與其他實體產品從構想到量產的整個過程。

生成式AI已經大幅加速文字、程式、影像與知識工作的產出速度，但實體產品仍然受到設計驗證、材料採購、生產準備、品質管理與供應鏈協作的限制。即使AI能在幾分鐘內提出新的產品概念，工廠也不可能在同樣的時間內完成設計、試作與量產。AI加快了思想與資訊的生成，卻也讓「數位速度」與「物理速度」之間的落差變得更加明顯。而CADDi想做的，就是縮短這段落差。

次世代CADDi所提出的架構可理解為四個層次。

第一層是數據底層。
它將電腦輔助設計（CAD）、材料清單（BOM）、ERP、客戶關係管理（CRM）、供應鏈管理（SCM）、會計資料與Excel等散落在不同系統裡的數據集中起來，進行解析、結構化與關聯。
第二層是語意與關聯。
單純把資料搬到同一個地方並沒有意義，平台還必須理解「這張圖面對應哪個零件」、「這個零件使用在哪項產品」、「由哪個供應商報價」、「曾經發生什麼品質問題」。這些關係形成一張AI與人類都能理解的製造業數據地圖。
第三層則是橫跨全公司的探索與AI Agent。
「CADDi Explorer」是一套製造業Discovery Engine，不再只搜尋圖面，而是可以跨越設計、採購、生產、品質與財務資料，找出企業內部既有的知識與關聯。「CADDi Agent」則進一步負責分析與判斷。例如找出應該標準化的零件、預測成本改善空間，或分析某項品質問題可能影響哪些產品與供應鏈環節。它希望扮演的是熟悉製造現場的專業分析者，不只是回答問題的聊天機器人。
第四層，則是對應製造流程的業務應用。目前規劃的產品包括：

CADDi Composer：協助尋找既有設計，模擬零件共用與流用設計的可能性
CADDi Design Review：支援設計審查與過去知識再利用
CADDi Quote：集中管理詢價、報價與估價資訊
CADDi Cost Review：支援成本分析與原價查定
CADDi Process Review：管理量產前的生產準備與進度風險
CADDi ALM：管理設備從導入、維護到汰換的生命週期

CADDi的企圖，已經是成為串連製造業Engineering Chain與Supply Chain的共同數據層，不只是賣出更多CADDi Drawer。截至2026年，公司表示其服務已進入全球22個國家，在日經225企業（225檔日本代表性企業股票）中的製造商，已有超過半數導入。公司也已在日本、美國、越南與泰國設立據點；根據CADDi在2025年公布的募資資訊，其累計股權募資金額已達257.3億日圓（約新台幣51.9億元，匯率依2026年8月13日報價）。

為什麼現在是製造業Vertical AI的機會？

CADDi的轉型，也正好踩在AI市場的下一個轉折點上。過去幾年，企業導入生成式AI時，最常見的方法是先購買一套通用型工具，期待員工用它搜尋資料、整理文件或提高工作效率。但製造業真正困難的問題，關鍵在於AI是否理解圖面、零件、材料、製程、成本與品質之間的關係，不只是能不能產生一段文字。

一個通用型大型語言模型，或許可以解釋什麼是BOM，卻未必知道某家企業的零件編碼規則；可以整理品質報告，卻不知道某種不良現象會波及哪些機型；可以提出降本建議，卻無法判斷建議是否符合實際加工條件。

這就是Vertical AI與通用型AI的差異。Vertical AI的競爭力不只來自模型本身，更來自企業是否擁有特定產業的數據結構、工作流程、權限設計與判斷邏輯。真正的護城河在於AI能否理解這個產業如何運作，而不只是「我們也接上了某個大型語言模型（LLM）」。

日本政府在2026年公布的成長戰略與官民投資路線圖中，也將Vertical AI與Physical AI視為日本可建立競爭優勢的重要方向，並特別強調製造現場暗默知的數據化與AI應用。這與CADDi的發展方向幾乎完全重疊。日本未必能在通用型大型模型的資本競賽中超越美國與中國，但在製造、材料、機械、機器人與供應鏈領域，日本仍然保有大量現場知識。

問題在於，這些知識過去大多沒有被轉化為可以由AI使用的資料。因此，日本真正可能取得優勢的地方，在於把產業暗默知轉化為AI能夠理解與執行的系統，而不僅是開發更大的模型。CADDi正在押注的，就是這個市場。

台灣同樣擁有完整的電子、半導體、機械與零組件供應鏈，也有大量依靠長年經驗累積競爭力的中小型製造企業。但不少企業的核心知識，仍然存在資深工程師的腦中、業務與工廠的LINE群組、不同版本的Excel，或散落在各地據點的圖面與郵件裡。在這種情況下，直接導入生成式AI，通常只能改善表層工作。如果零件沒有一致的編碼、圖面與報價無法連結、品質問題沒有被標準化記錄，AI就算具備再強的推理能力，也找不到足以支撐判斷的企業脈絡。

在大家都要導入AI的趨勢之下，我認為關鍵在於我們過去累積的經驗，是否已經成為可以被組織與AI使用的資產？CADDi的發展再次證明，AI並不是跳過數位轉型的捷徑。企業仍然必須經過資料整理、規則化、系統整合與知識結構化的過程，才有可能讓AI進入真正的業務判斷。

CADDi放棄的是服務製造業的方法

2022年，我們看到的CADDi，是一家以科技改善中小型工廠媒合與零組件採購的B2B平台。2026年的CADDi，則希望成為一套貫穿設計、採購、生產與設備管理的製造業AI產業作業系統（OS）。

CADDi放棄的，是親自介入每一筆交易、依賴大量營運人力才能擴張的服務方式，而製造業本身與「解放製造業潛力」的使命從未改變。CADDi Manufacturing讓它理解製造業如何交易；CADDi Drawer讓它學會如何把圖面變成數據；而現在的Explorer、Agent與業務應用群，則代表CADDi希望進一步把整個製造流程的知識變成可以搜尋、分析，甚至由AI主動執行的企業資產。

當然，這場轉型仍然有許多挑戰。製造業資料極度複雜，不同企業的圖面格式、流程與權限也不相同。從「能搜尋資料」走到「能可信地替企業做判斷」，中間還有資料品質、導入成本、系統整合與現場接受度等問題。所謂的「製造業OS」，目前仍然是一項需要時間驗證的宏大願景。

CADDi最值得台灣企業學習的，或許是它如何重新定義自己真正擁有的資產，而不只是推出了哪些AI功能。一家公司的核心事業，不一定是目前營收最高的產品；也可能是過去幾年累積下來、最難被競爭者複製的知識。能夠結束已經證明市場需求的起家模式，把資源集中到更具規模與長期價值的新模式，需要的是對自身能力、產業問題與未來市場有足夠清楚的判斷，不只是跟上AI趨勢。

CADDi的下一階段能否真的成為製造業的AI產業OS，現在還不能下定論。但這場從交易平台走向產業知識平台的商模轉型，本身已經是一個非常值得持續追蹤的日本新創案例。