VIDEO REVIEW · HUMAN VS AI
人類編程師 vs AI：TITANS of CNC 這場 22 分鐘對決告訴我們什麼
01這支影片在講什麼
TITANS of CNC 是美國最具影響力的 CNC 教育頻道之一，創辦人 Titan Gilroy 出身第一線加工現場，對工具與流程的要求出了名地嚴格。2025 年 4 月，頻道上傳了這支標題直白的影片——「Human Programmer vs AI CNC Programmer（人類編程師 vs AI CNC 編程師）」，至今已累積超過 15 萬次觀看[1]。
影片的設定很簡單也很殘酷：讓頻道裡「世界最快等級」的人類編程師 Barry 用他熟悉的 Mastercam，對上用 CloudNC CAM Assist 的同事 Jessie，兩人同時替同一個零件寫加工程式。頻道對這支影片的定調寫在說明欄裡：這套 AI 工具「能在幾分鐘內完成通常要花數小時的工作」，而這不是理論，是一場真實的比試[1]。
02對決怎麼進行：Mastercam 老手 vs AI 操作者
從影片章節可以看出整場對決的節奏：開場不到一分鐘雙方就分頭開工，Barry 走傳統路線逐步建構刀路；AI 這一方則把 3D 模型交給 CAM Assist 生成加工策略——章節標記顯示，大約在影片第三分鐘，AI 側的程式就已經完成，剩下的大半篇幅是逐段檢視 AI 生成的程式內容，直到 22 分鐘處的結論[1]。
值得注意的是，這不是頻道第一次做這類實測。2025 年 12 月的「We Let AI Program This Part… Unreal Results」同樣讓 AI 對真實零件編程，觀看數將近 4 萬[2]；2026 年更有「I Let AI Program My CNC… It Beat Me」的續集。我們在〈美國 TITANS of CNC 實測與 CAM Assist 千廠導入案例〉整理過這條實測軸線的完整脈絡——這支對決影片是其中戲劇性最強、也最直觀的一支。
看影片時值得注意：對決的勝負判準是「完成可用程式的時間」，而不是「零件直接上機」。AI 生成之後，畫面裡的工程師仍然逐項檢視刀路與策略——這個細節比勝負本身更重要，下文會回來談。
03從學理看：AI 為什麼能把「小時」壓成「分鐘」
影片呈現的速度差不是魔術，背後是兩條研究線的成熟。第一條是加工特徵辨識：讓演算法從 3D 模型自動認出孔、槽、凸台這些「加工語彙」。2018 年 FeatureNet 研究以 3D 卷積神經網路做加工特徵辨識，在基準資料集上達到約 96.7% 的辨識準確率[3]——機器一旦能「讀懂」幾何，後面的策略生成才有依據。
第二條是電腦輔助製程規劃（CAPP）：怎麼從特徵推導出工序、刀具與切削順序。這個領域的系統性回顧早就指出，製程規劃是連接設計與製造的樞紐，也是最依賴人類經驗、最難自動化的一環[4]。AI CAM 工具的本質，就是把這一環裡「有規律可循」的大部分交給演算法，把真正需要判斷的少數留給人。人類要花數小時的原因，不是不會，而是每個步驟都要手動展開；AI 快的原因，是它把展開這件事平行化、自動化了。
04影片沒說完的事：贏了速度，然後呢？
對決式的影片天然聚焦在「誰快」，但對要把 AI 帶進廠裡的人，真正的問題在影片結束後才開始：AI 生成的程式，靠什麼保證能安全上機？
- 模擬驗證：不論程式出自老手還是 AI，上機前用 3D 切削模擬檢查過切、干涉與撞刀，都是不可省略的一關。做法詳見〈CNC 撞機預防指南〉。
- 人工把關：影片裡 AI 完成程式後，工程師花了大量時間逐段檢視——這正是 human-in-the-loop 的實際樣貌：AI 負責展開，人負責審核公差、基準與特殊工法。
- 前置資料：AI 要生成貼合廠內現實的程式，前提是刀具庫、機台限制這些資料先數位化。速度的紅利，其實是給資料準備好的廠。
換句話說，這場對決真正證明的不是「AI 會取代編程師」，而是「編程的展開工作已經可以被大幅壓縮」。壓縮出來的時間流向哪裡——更多接單、更細的驗證、更快的報價——才是經營者要回答的題目。
05台灣廠的對應：從圖面就開始的 AI 流程
影片裡的 AI 從 3D 模型起步，但台灣代工現場的日常往往更前面一步：客戶丟來的是 2D 圖面（DWG、PDF，甚至照片）。這正是 BestAI CAM 切入點的不同之處——AI 從讀圖就開始：辨識 2D 圖面、建出 3D 模型，再依廠內刀具庫、控制器與行程／轉速上限生成 G-code，接著 3D 切削模擬，最後由另一個獨立 AI 把成品尺寸與原圖交叉比對（流程詳見〈CNC 自動編程完整指南〉）。
與影片相同的哲學是：人始終在關鍵決策點上。公差取捨、基準選擇、特殊工法與上機前的最終確認，都由專業人員把關；AI 負責的是把數小時的展開工作壓成分鐘級。如果你已經用 Mastercam 多年，也不必打掉重練——我們做過整合測試，AI 產出可以接回既有流程（見〈用了 20 年 Mastercam，AI CAM 是取代還是加值？〉）。
06常見問題 FAQ
影片裡 AI 真的贏了人類編程師嗎？
以「完成可用程式的時間」來說，影片章節顯示 AI 側在大約第三分鐘就完成程式，而人類編程師仍在建構刀路，頻道的定調是 AI 能在幾分鐘內完成通常要花數小時的工作。但影片後段大半時間是工程師逐段檢視 AI 生成的程式——速度是 AI 的，最終把關仍是人的。
AI 編程快的原理是什麼？
兩條研究線的成熟：一是加工特徵辨識，深度學習模型（如 FeatureNet）已能以高準確率從 3D 模型認出孔、槽、凸台等加工特徵；二是電腦輔助製程規劃（CAPP），把從特徵推導工序、刀具與切削順序中有規律的部分交給演算法。人類慢在每一步都要手動展開，AI 把展開自動化了。
這代表 CAM 工程師會失業嗎？
影片與整個 TITANS 系列實測的一致結論是：AI 是讓技師更有產能的工具，不是取代。被壓縮的是重複性的展開工作；公差判斷、基準選擇、特殊工法與上機前確認反而更依賴有經驗的人。改變的是工作內容的比例，不是工作本身的存廢。
台灣廠想體驗類似流程，該從哪裡開始？
先挑一張有代表性的 2D 圖面做受控試點：讓 AI 讀圖、建 3D 模型、依廠內刀具庫與機台限制生成 G-code，再跑切削模擬與尺寸交叉驗證，量測與現行流程的工時差。用真實零件的數據做導入判斷，比看任何影片都準。
新文章與影片導讀上線時通知你——不塞爆信箱，一鍵取消訂閱。
SEE IT ON YOUR OWN DRAWING
用你自己的圖面，重現這場「分鐘級」編程
從 2D 圖面辨識、3D 建模、G-code 生成到切削模擬與 AI 尺寸交叉驗證——拿一張真實圖面試試，比對決影片更有說服力。
聯絡導入顧問 教育訓練課程07參考文獻
- TITANS of CNC MACHINING（YouTube）。Human Programmer vs AI CNC Programmer（2025-04-03 發布）。youtube.com/watch?v=C-jsM9LvbQQ
- TITANS of CNC MACHINING（YouTube）。We Let AI Program This Part… Unreal Results（2025-12-23 發布）。youtube.com/watch?v=rH3GD5lmK0E
- Zhang, Z., Jaiswal, P., & Rai, R. (2018). FeatureNet: Machining feature recognition based on 3D Convolutional Neural Network. Computer-Aided Design, 101, 12–22.
- Xu, X., Wang, L., & Newman, S. T. (2011). Computer-aided process planning — A critical review of recent developments and future trends. International Journal of Computer Integrated Manufacturing, 24(1), 1–31.