台灣AI機器人，先解現場缺工

南港 TAIROS 展場裡，工研院把多種智慧機器人放在一起，但它們解的問題相當具體：餐廳收桌、地下涵洞巡檢、火場偵察，還有把零件整理好送進下一道工序。這些技術還不代表台灣已進入機器人大量上工期，卻顯示本地 AI 的重點正從聊天介面移到現場的感知、夾取、移動與人機交接。對缺工的餐飲、製造與公共服務業者，下一步要判斷的不是機器人能不能動，而是它能否在自己最亂、最危險或最缺人的那一段工作穩定完成任務。

TAIROS展出的，是三種現場工作

工研院公布的 TAIROS 資訊，把 AI 仿生、服務型與工業型機器人放在同一個主題館。若只看「智慧機器人」四個字，很容易把它當成年度展示；拆開任務後，訊號比較清楚。

第一類是餐廳外場的收餐具與桌面整理。第二類是人不宜久留的地下涵洞、火場與其他巡檢現場。第三類是電子組裝、醫材修整等需要抓取與精密操作的工序。三者都要求機器人先辨識環境，再移動或操作，最後把結果交回給現場人員確認。

這也是台灣 AI 機器人的可觀察趨勢：硬體本體、視覺與感測、邊緣運算、控制器和任務模型開始被整合成一項工作，而非各自展示一個元件。是否能擴大採用，仍取決於每個場域的成功率與維運成本。

收餐具，是餐飲機器人的下一段工作

餐廳早已有送餐機器人，餐後桌上的餐盤、杯子、殘渣與客人動線，卻仍多半交給外場人員。工研院與凌群電腦合作的智慧餐桌清理機器人，公開描述為透過少量真人示範學習，辨識餐具配置後規劃夾取、整理與回收路徑；技術頁把它稱為端到端的視覺、語言、動作模型。

這個場景比「人形機器人進餐廳」更接近日常。它要面對的是堆疊餐具、桌面殘留、客人尚未離席、走道被推車占用，以及夾取失敗後誰接手等問題。若機器人只能在整齊的示範桌面工作，餐廳仍得保留同樣的人力；若能在尖峰時段穩定完成收桌，才可能改變外場分工。

目前公開資料可確認工研院與凌群的合作與技術展示，尚未列出已導入的餐廳、觀察期間、單日處理桌數、失敗率與採購價格。因此，這應寫成一項合作開發與場域驗證線索，不能寫成餐飲業已普遍以它節省人力。

機器狗先進入人不宜久留的地方

四足機器人提供了另一條路線。經濟部與工研院 7 月發表的國產四足機器人研發平台，公開兩款原型機，以及地下涵洞巡檢、自主導航、群體協作和消防救災等驗證。中央社報導，平台串聯所羅門、仁寶、英業達、創博、來達與東元等廠商；消防情境則讓機器狗在模擬火場執行偵察。

這項進展的價值不在於一隻機器狗取代消防員。火場、地下管線與狹窄巡檢空間的共同問題，是人員進入前缺少即時環境資訊。先由機器人確認溫度、路徑、障礙物與影像，再由專業人員決定是否進入，才是較符合目前公開驗證範圍的人機分工。

台灣也可從中看見供應鏈的角色：本體能走路並不夠，還需要視覺辨識、感測、控制、邊緣運算與通訊在斷網或高風險環境持續運作。這比單看一台機器狗的外型，更接近本土廠商能否參與的工作。

靈巧手要先證明能做哪一道工序

工研院此次首度展出的 AI 靈巧手掌，採模組化設計，可由 3 指擴充為 5 指、20 自由度，並列出電子組裝、醫療器械整理、醫材修整與精密裝配等可能應用。這反映製造現場的真正難題：不是把標準箱子搬到定位，而是抓住形狀、力道與擺放方式都可能不同的物件。

不過，自由度與可做工序之間還有一段距離。業者採用前仍要知道它對不同零件的抓取成功率、換線時間、清潔與校正頻率、跌落或碰撞後的安全機制，以及失敗後如何回到人工流程。沒有特定產線的產量、良率與維護紀錄，靈巧手仍是值得追蹤的展示技術，而非已經改寫製造業的人力答案。

效益數字要回到同一張現場紀錄

智慧餐桌清理機器人的公開資料對效益提出不同數字：工研院展訊寫提升 30% 服務效率、降低 25% 人力成本；技術頁則寫服務效率提升 30% 至 40%、人力成本降低 60% 至 70%。兩者沒有公開交代測試餐廳、班別、比較基準與計算方式。

數字不一致不等於技術沒有價值，卻代表媒體不能選擇其中一組作為標題數字。真正值得追問的是：同一家餐廳在導入前後，每桌清理時間、人員移動距離、失敗後接手時間、設備停機時數與總成本如何變化。這些資料才能判斷 AI 是否真的把人力移往服務客人，而不是多增加一套需要照顧的設備。

導入前，先選一段工作驗證

餐飲、工廠或公共服務單位若要評估機器人，可先從一段可量測的工作開始，而不是一次購買整套「智慧化」方案。

第一，選擇任務邊界清楚的流程，例如離峰時段的收桌、固定路線巡檢，或單一零件的分揀。第二，保留人工接手機制，記錄機器人在哪些情況停下、誤判或需要重新示範。第三，把設備租賃、場地改造、清潔維護、軟體更新與現場人員訓練一起計入成本。

完成這三步後，企業才有資料決定是否延伸到尖峰時段、更多桌型、不同樓層或更多工序。把任務做小，反而較容易看出技術是否真正減少重複工作。

媒角抵加怎麼看

台灣 AI 機器人的趨勢已經從單純展示會走向場域驗證，但「上工」不該只靠影片或展場示範判定。餐桌清理、巡檢與精密抓取各自有明確的缺工或安全問題，也各自需要不同的測試標準。

接下來最值得追的不是哪一台外型最像人，而是哪一家餐廳、工廠或公共單位願意公開導入條件與營運資料。當任務成功率、人工接手點與成本都能被核對，台灣的 AI 機器人才能從研發成果，成為一般工作現場可採用的工具。

資料來源與更新紀錄

• 2026-08-19：工研院：TAIROS 技術司主題館，AI 仿生、服務與工業型機器人
• 2026-07-14：智慧餐桌清理機器人技術介紹
• 2026-07-08：經濟部、工研院：國產四足機器人研發平台
• 2026-07-08：中央社：國產四足機器人通過消防火場測試

本文更新時間：2026 年 8 月 20 日。