機器人動只是起點 Physical AI下一關「做成產業能力」

(中央社財經訊息服務20260915 16:04:57)勤業眾信今（15）於台中舉辦「Physical AI 新賽局：落地應用下的企業轉型與產業機會」研討會，邀集產學研及機器人產業代表，共同探討Physical AI 如何從技術驗證走進製造現場。隨著機器人逐步具備感知環境、理解情境及自主決策能力，企業評估重點也從「技術可行性」，轉向「投資效益、場域應用及治理管理」等關鍵議題。

勤業眾信中區區長蔣淑菁表示，中部聚集工具機、精密機械與零組件業者，從台中延伸至彰化、南投，形成高度密集的製造與協力體系，也是 Physical AI 最具代表性的驗證場域之一。對多數中小企業而言，導入Physical AI的挑戰並非理解技術，而是如何在有限資源下找到最具投資效益的應用場景。隨著新世代經營者陸續進入決策層，企業對數位工具及智慧製造的接受度持續提高，但進入導入階段後，仍會面臨資料整理、系統整合及跨部門人才不足等實務問題。

蔣淑菁指出，中部產業聚落的優勢在於設計、加工、組裝、設備與終端應用高度集中，有利於縮短測試與調整週期；下一步的關鍵在於企業如何將技術投資轉化為競爭優勢，並進一步發展新的產品、服務或市場機會。

國家實驗研究院院長蔡宏營表示，智慧機器人最終要回應的是缺工、高齡照護與高風險作業這些現實問題。難的從來不是單一零件的精度，而是感測、控制、機構與軟體要整合在同一個平台。蔡宏營指出，台灣已具備相當完整的零組件與次系統基礎，下一階段真正的分水嶺將落在系統整合，包括運動控制、模擬、資料回流，以及不同設備之間如何溝通與協作。當機器人逐步從單機自主走向群體智慧與多機協同，產業競爭也會從硬體性能延伸到平台、介面與系統架構。

蔡宏營認為，智慧機器人產業推動方案要促成系統新創，真正重要的不只是產業鏈廠商數，而是能否在產業規格仍在形成的階段建立本土自己的開發能力。現在正是台灣把硬體與零組件優勢往系統軟體、平台與介面能力延伸的關鍵分水嶺，若能同步參與規格、平台與應用模式的形成，台灣有機會從零組件供應者進一步成為智慧機器人系統與應用生態的關鍵參與者。

國家實驗研究院副院長林俊良指出，Physical AI 與過去自動控制最大的不同，在於機器必須在條件不確定的環境裡自行學習與判斷，驗證方式因此也得跟著改。林俊良表示，台灣發展太空科技曾留下很直接的經驗：「關鍵技術買不到，也看不會」。曾經有某個衛星在海外組裝期間，台灣工程師雖能參與系統工程，走到最關鍵的遙測酬載安裝仍無法實際參與，那次挫折換來的是後來自主衛星的研製能力，也凸顯系統整合能力必須透過實作才可累積。林俊良認為，台灣現在需要的，是能讓系統反覆測試、修正甚至找出錯誤的實證環境；企業產線的試錯空間有限，這一段需要由國家級平台承接。他強調，國家智慧機器人研究中心透過實境共作、算力與跨域共研資源，就是要讓問題盡可能發生在驗證階段，而不是落地之後。

台灣人工智慧學校產學長郭秉宸表示，Physical AI 的關鍵，不只是讓 AI 進入機器，而是如何將產業現場長年累積、難以言傳的隱性知識，轉化為可被 AI 理解、驗證與執行的產業能力。許多資深技術人員能從設備聲音、材料狀態、操作手感或細微變化中察覺異常，這些經驗多存在於感官判斷與臨場應變之中，難以寫入標準作業程序，也可能隨人員退休而流失。郭秉宸指出，企業推動 Physical AI，需要透過現場觀察、資料紀錄與反覆驗證，將「說不清楚、但做得出來」的經驗，轉化為 AI 可運用的資料、規則與判斷邏輯，再與機器人的感知、推理及行動能力結合，使個人經驗成為可傳承、可驗證的組織能力。當 AI 的判斷轉化為機器的力量、速度與位移，失準可能造成產線中斷、設備損壞甚至人員安全風險，因此也須建立驗證條件、安全邊界與治理機制。

郭秉宸強調，Physical AI 對人才能力提出不同於傳統數位應用的要求。未來人才競爭的重點，在於能否整合資訊、機電、製程與現場經驗，將製程條件、設備限制及異常處理方式，轉化為 AI 可以理解、機器可以執行的任務與規則。課程訓練可協助不同專業建立共同語言，但跨域能力仍須透過實際專案形成，讓製程、設備、AI 與現場人員共同定義資料、任務及風險邊界，才能將少數專家的經驗轉化為可持續累積與複製的 Physical AI 能力。

勤業眾信能源、資源與工業產業負責人溫紹群表示，台灣製造業過去一波數位轉型，多從設備聯網、資料蒐集及AIoT應用切入，讓生產狀態得以被掌握與優化；Physical AI則進一步讓AI進入機器與實體設備，從資訊判讀走向感知、決策與執行，產業轉型也由數位化管理逐步延伸至實體作業自主化。近期經濟部推動製造業AI升級與機器人關鍵感知模組整合，政策內容已同時涵蓋既有系統導入AI、多感測整合及機器人模組化，亦反映製造業的AI應用正往軟硬整合深化。溫紹群指出，企業下一階段要回答的已從導入什麼設備，轉向要透過Physical AI形成何種能力，包括哪些流程值得重構、哪些資料與核心能力應自行掌握，以及資本與合作夥伴如何配置。從個別企業進一步看向整體產業，Physical AI對台灣具有雙重產業意義，一端推動製造模式與人機分工重整，另一端則讓多元製造場域成為設備商、系統商與軟體業者驗證並迭代產品的重要基礎。若能將現場需求與實作經驗沉澱為全面系統能力，台灣便有機會由製造與硬體優勢，進一步延伸至系統整合、應用輸出與國際規格參與。

NVIDIA資深解決方案架構師吳志忠表示，智慧工廠的下一階段，重點不再只是單點自動化，而是讓設備、機器人、AI 與產線資料形成可被模擬、預測與持續優化的閉環系統。NVIDIA 透過數位孿生Omniverse與機器人Isaac模擬平台，協助企業在投入實體設備前先完成設計與驗證，降低導入成本與停線風險，並建立可複製、可擴展的智慧製造能力。當機器人逐步進入更複雜的生產環境，企業需要處理的也從單一設備的動作控制，延伸至不同設備之間的協作、產線配置，以及設備變動後對整體生產流程的影響。透過虛實整合的模擬環境，企業可在實際部署前測試不同設備配置、工作流程與機器人行為，並利用模擬產生的資料持續訓練與優化AI模型。這也讓智慧製造的導入從一次性的設備建置，逐步形成設計、模擬、部署與回饋的循環，使新的應用場景能以較低的實體試錯成本進行驗證，再進一步複製至不同產線與廠區。

祺富資本總經理陳柏助表示，Physical AI 正從展示走向場域驗證與規模交付。資本市場評估機器人產業，除了成長潛力，更須辨識關鍵零組件、系統整合等價值環節，並檢視量產能力及單位經濟。台灣企業可憑精密製造與半導體、模組、系統整合組裝的長年累積優勢，從單點供應走向跨域整合。祺富資本亦將透過「貝葉前瞻」基金，運用其資安與軟體投資能力，串聯技術、驗證場域與海外市場，協助台灣關鍵零組件領域的隱形冠軍整合資源、佈局全球。

勤業眾信科技與轉型服務副總經理白哲豪表示，Physical AI的競賽正在改寫規則，決定勝負的不再只是技術能力，更在於企業建立信任與治理能力的速度。隨著具自主決策能力的機器逐步進入實際應用場域，各國監管的共同目的，是確保自主行動的機器不危及人員與環境安全，並逐步形成新的市場准入門檻。

他指出，歐盟新版機械法規將於 2027 年 1 月 20 日生效，首度將「會學習的機器」納入產品安全法：凡由 AI 執行安全功能的設備須經第三方驗證，並須白紙黑字寫明機器能自行決定的範圍。此外，設計階段就要保留人為即時介入的機制，機器的決策紀錄與軟體版本也須留存備查。美國目前雖無聯邦統一專法，相關要求已反映在客戶採購規格與供應鏈審查之中。

白哲豪強調，對台灣輸歐的機械設備、工業機器人與半導體設備業者而言，未來競爭不僅是產品性能，更是法規遵循與治理能力的競爭。企業若能即早布局驗證、安全與治理機制，將有助提升全球市場競爭與布局能力。

達明機器人營運長黃識忠表示，Physical AI 真正進入製造現場後，競爭的重點不在機器人能做多少高難度動作，而在能否理解產業流程，穩定完成企業真正需要的任務。製造業對精度、可靠度與安全性的要求遠高於展示環境，同一台機器人進入半導體、電子組裝或傳統製造現場，面對的工件、治具、製程與作業條件都不同，因此機器人的價值將愈來愈取決於能否累積可重複使用的產業技能。黃識忠指出，現階段企業不必等待一台「什麼都會做」的通用型機器人成熟，而應先從已能產生效益的單臂、雙臂協作，或結合自主移動機器人的應用切入，把搬運、取放、檢測、焊接等實際任務做深。當這些技能能持續累積、快速部署到不同設備與產線，機器人才能從一項設備投資，逐步成為可持續擴充的生產能力。