走進水五金工廠，現場熱浪翻騰、高粉塵籠罩，在這樣的環境下，難以找到願意接班的年輕人，現場僅剩屆齡退休的老師傅。
去年從工研院機電所衍生的新創赫侖（Holon）看到傳產現場出現勞動力缺口，從研磨、拋光工序找到創業題材，透過開發HolonOS軟體整合3D視覺辨識技術，讓機器人自動生成複雜的加工路徑，解決這方面的缺工與技術傳承課題。
麥肯錫顧問凱爾卡（Ani Kelkar）於今年「東京人形機器人峰會」中提出最新研究，由於全世界多數已開發國家都面臨嚴重的超高齡化與勞動力斷崖，工廠、醫院、廚房裡有大量固定且重複性的勞務亟需人力，這些「人類覺得危險、髒污或不願意做」的工作，將成為機器人與實體AI（Physical AI）最大的潛在市場，清華大學跨院國際博士班學位學程副教授陳鴻文也有同樣看法。
如果把AI產業發展比喻成九局棒球賽，今年蘇姿丰在《天下》45週年論壇上解析最新進度：我們正要打到第三局。
接下來會如何發展？「下個重大浪潮是Physical AI，」輝達執行長黃仁勳直言，包括機器人，以及在「邊緣端」（靠近資料來源而非雲端）使用AI能力的各種場景，如工業製造環境或長照醫療、智慧家電等等在地應用，都是未來機會。
他認為，AI從數位走向實體世界的趨勢已經不可逆，這得從其演進脈絡講起：從2023年初的生成式AI，到被稱為AI代理人（Agentic AI）元年的去年，再進一步延伸到實體AI，正是讓意識與思考轉化為「可執行行動」的過程。
實體AI的應用現場
到底什麼是實體AI？它會發生在哪些場域？
簡單來說，大型語言模型（LLM）等純軟體AI被視為「大腦」，能理解語言但無法執行物理任務；實體AI則是大腦加上真實的手，不僅依賴大數據，還必須結合物理定律與方程式，讓AI模型能理解、預測並參與真實世界的運作規律。
技術突破關鍵，在於將視覺（Vision）、語言（Language）、行動（Action）統合單一模型，讓機器能主動在真實世界中感知環境並執行任務。的誕生，將視覺、語言與行動統合在同一個框架，讓機器不再只是被動回應指令，而是能主動在真實世界執行任務，使機器人得以在開放場域中自主運作。
感知，是實體AI的第一步，且這並非僅限大廠有機會。例如今年6月中在新創盛會AppWorks Demo Day上，主持人問，在BMW工廠裡，上千台的自主移動機器人用誰的智慧系統？答案是一家創立僅13年的機器視覺平台商立普思（Lips），從軟體、硬體到系統整合，他們都全包了。
全台唯一3D視覺感測軟硬體都做的立普思能打入國際大廠供應鏈，關鍵在於提前掌握了實體AI感知技術與應用場景。
垂直客製，台廠的關鍵利基
在一個交通繁忙的十字路口，立普思在路口上方安裝了最新3D視覺感測系統。
不同於傳統相機，這套3D相機具備深度資訊，能精準識別車輛的立體長寬高與空間位置，它不僅看得到影像，還能即時計算車流密度、車速以及車輛與行人之間的精確距離。
過去多以軟體、2D影像為主，但現在有了AI幫忙，3D相機提供空間立體資訊，在此場景中，AI「大腦」的數據不需傳回雲端，而能直接在路口的SoC邊緣運算設備中處理：當系統偵測到一輛卡車正以80公里的時速衝過停止線，且前方有行人正在過馬路時，實體AI模型會立即拆解任務，並預測碰撞風險。
「機器人可以感知深度資訊，就能規劃路徑與避障，」立普思共同創辦人暨董事長劉凌偉說。
他在創業前於鴻海任職時期，曾參與微軟Kinect開發專案、去美國MIT人工智慧實驗室學訊號處理以及人機介面，工作都與視覺、感測有關。
「當時還沒有『Physical AI』這個詞，」劉凌偉表示，儘管過去已經有少數工業應用出現，但因企業導入AI成本仍高，他在創業的前十年，都要重複解釋什麼叫3D感測。如今則因「Physical AI成長大爆發」，搶得市場先機。
創投資金重押實體AI
在實體AI企業快速擴張的同時，大量資本也正加速佈局相關新創。
過去十年，全球投入實體AI與機器人新創的年度資金急遽成長。台大資工系教授徐宏民在公開演講指出，2016年全球在此領域的創投金額僅有五億美元，到去年已飆升至258億美元，成長幅度高達50倍。
「現在是實體AI的ChatGPT時刻，」國際創投暨新創加速器SparkLabs Taiwan創辦人邱彥錡說，ChatGPT其實孕育了很長一段時間，但它擴展得非常快，實體AI也是如此。
這股熱潮毫無踩煞車的跡象，今年預估投資金額將衝上600億美元的歷史新高。
人類會被AI取代嗎？
當AI從螢幕正式走入現實世界，是否意味著人類員工將毫無立足之地？
答案並不悲觀。
首先，實體AI要走向全面商業化，目前仍面臨硬體極限與數據短缺的雙重夾擊。徐宏民指出，目前主要障礙在「機器人知道該怎麼做，但『手』做不出來。」因此，這是未來一到兩年的關鍵商戰戰場。
目前有17個傳統製造業客戶的赫侖看到實體AI商機。
中鋼集團旗下的中鋼機械就是客戶之一。赫侖創辦人羅元玠說明，由於中鋼機械生產的零件，如軌道車輛零組件體積龐大，且幾何形狀複雜，磨拋師傅作業時的路徑連人類都很難預先想像，這對傳統自動化設備極具挑戰。
他們透過3D視覺進行全方位掃描後，系統能直接在3D模型上進行路徑生成，讓機器人知道該如何精準移動以完成磨拋作業。
從小就是機器人熱愛者的他說，未來的機器人會像人類一樣，思考、理解世界並持續學習，3D視覺正是趨勢之一。
台灣中小型代工廠屬於少量多樣的生產模式，加上目前普遍面臨老師傅退休的困境，於是赫侖透過HolonOS讓AI生成機器手臂的設定參數，並自動修補誤差值，減少員工停機手動更新數據的頻率。
實體AI的出現是為了減輕人力負擔。陳鴻文認為，在複雜決策上，人類仍然具備獨特優勢。陽明交通大學資工系副教授陳奕廷則強調，「為什麼要做這件事」以及提出具備策略價值的問題，「是目前AI難以企及的層次。」
What's next
1. 保持思辨能力：未來的勝負取決於心態與獨立思考的能力，AI雖然會給答案，但它不知道這個問題有沒有價值。
2. 垂直客製化：實體AI捨棄「一套軟體通吃」，深耕特定場域，推動垂直產業的客製化。
3. 虛實互動：技術開發依賴虛擬模擬，將物理方程式嵌入模型，實現虛實互動。
（雜誌原標題為：卡位實體AI浪潮 台灣新創搶得先機。責任編輯：許勝婕）
天下新聞室精選最具時效性、最重要的深度內容，每週五發送
精選當週熱文，週五寄送
請查看您的信箱，我們將寄送驗證信給您，確保未來信件會送到您的信箱
