而市场则是针对产业 AI 进展分析指出，数码化程度越高的产业，其 AI 发展进程相对更快也更容易，而医疗与制造业则是因数码化程度不及而在 AI 发展上产生隐忧。

研调机构 Gartner 资深研究总监吕俊宽表示，AI 的发展与基本上与数据息息相关，因此从企业的数码化程度就可以略知该产业是否具备产业 AI 化的潜力，基本上数码化程度越高的产业，AI 进展越快。

他举例，象是电商、金融都是具备大量数据资产的产业。而金融业近年则是大开大门愿意开放数据信息共享，但像教育及医疗产业，前者几乎没有数码化，而医疗则由于信息牵涉到个资问题，属于医疗单位的封闭资产，并非开放性信息，因此医疗要发展产业 AI 化也得先打破信息孤岛的阻碍。

而与医疗产业面临相同问题的包括制造业。根据市场预估，时至 2020 年，每个工厂每天将从智能装置收集超过 14.4 亿个资料点 ( data point ) 。这个数字代表制造业的前景备受看好，是所有产业中拥有数据资产最多的产业，理应来说也应是最有本钱发展产业 AI 化的产业。

不过回归产业数码化与 AI 发展的关系，根据业者指出，虽然制造业现已导入 MES 或 ERP 等 E 化系统，但回归最底层的设备端，由于现有机台的智能化程度不高，现阶段仍面临许多生产数据还是以非数码讯号呈现，靠的是人工读表，再利用纸本抄写或事后输入。

例如制鞋业要求生产线派员定时巡检，并手写记录异常状况，之后再将资料输入计算机制成报表，此种透过繁复的人工抄写与资料输入，首先在时间上就已产生落差，更别说人工抄写隐含失误问题，在要求掌握实时生产状况的需求下，这样的数据格式与产出根本帮不上忙，更别谈要利用 AI 优化制程。

着眼于此问题，因此现阶段市场上各式解决方案也大显神通，试图协助制造业者透过在设备层建立网络通讯，先将最底层的生产数据以数码讯号格式萃取出来，并透过异质资料平台的转换与集成，成为可供制造业者利用的关键数据。

所谓的设备联网其实并非狭义的仅撷取机台本身的信息，凡是与制程相关的数据资料只要能转换成数码讯号者都能纳入成为被收集的标的。像部分生产在线的传统型量表过去是靠人工目视取得数据，而现经由加装传感器则可透过通讯模块直接将数据以数码讯号格式往上传输，从而实现数据撷取的最后一哩路。