從AGV到無人機，AI實體化如何落地？所羅門、Moxa揭智慧工廠新骨幹

當下AI的真正挑戰，早已不只是模型夠不夠聰明，而是能不能在真實世界裡穩定運作。當AI開始離開螢幕，走進工廠、倉儲、能源設施與巡檢現場，它要面對的就不只是算力，而是感知、移動、即時判斷與穩定連線的整體工程。Moxa與所羅門6日同台對談，試圖拆解這個關鍵問題：從AGV到無人機，AI實體化到底如何真正落地，而支撐這一切運作的底層骨幹，又是什麼。

Moxa台灣區負責人劉孟迪表示，若把時間拉回2022年底，OpenAI推出ChatGPT後，生成式AI迅速掀起全球浪潮；但到了今天，AI的關鍵已不只是生成內容，而是正從數位世界跨入實體世界。他形容，今年可明顯看見，AI正「從螢幕走到現實世界」，從原本的數位生成，進一步走向實體感知與現場部署。

大量的影像、視訊串流湧入現場

這也代表，企業現場要處理的資料型態，正在發生根本變化。劉孟迪指出，過去工廠主要整合的是機台資料、感測器資料與各式系統數據，但隨著AI實體化加速，接下來湧入現場的將不只是IoT資料，還包括大量的影像、視訊串流與來自多元終端設備的感知資訊。換句話說，工業場域未來要整合的，已不只是Data，而是Data加上Video Streaming的複合型流量。

也正因如此，AI實體化的第一步，其實不是讓機器會「做」，而是先讓它會「看」。工業自動化大廠所羅門資深協理鍾毓修表示，很多人以為所羅門在做的是機器人，但更核心的其實是軟體平台與AI視覺技術，讓機械手臂、機器設備、相機、攝影機與各種終端，都能擁有「眼睛與腦筋」，進而完成辨識、判斷與執行。

他回顧，所羅門投入AI已逾十年，早期主要協助機械手臂進行搬運、取放與引導，現在則已進一步延伸到輪式機器人、雙足機器人、穿戴式設備、AI眼鏡、手機、平板、IP Camera、Webcam，甚至無人機等多元載具。對鍾毓修來說，只要設備能取得影像，就有機會透過AI進入辨識、感知與決策流程。

這類應用其實已不只發生在製造業。鍾毓修舉例，在物流倉儲場域，AI視覺可協助機械手臂面對大小、形狀各異的商品盒，完成取料、掃碼、貼標與分揀，再依據門市需求進行自動補貨；在餐飲場景中，也能透過影像辨識與錄影確認外送訂單包裝流程，降低送錯、漏送造成的損失；在巡檢場域，AI可協助讀表、辨識燈號、判讀旋鈕狀態，甚至驗證保潔與巡查流程是否真的有完成。

AI實體化已經在現場陸續發生

更進一步的案例，則已走向能源場域。鍾毓修指出，無人機如今可以搭配AI視覺技術，在太陽能場域執行巡檢任務，辨識面板是否有髒污、遮蔽或異常，再通知地面人員前往處理，以提升發電效率。這些案例共同說明一件事：AI實體化不是遙遠概念，而是已經在製造、物流、零售、餐飲與能源現場陸續發生。 （相關報導： 美伊戰爭會讓金融市場崩潰嗎？專家揭股市反應時間點：投資人此時應開始調節了 ｜ 更多文章 ）

但AI設備有了「眼睛」與「大腦」之後，真正決定它能否穩定運作的，往往是最容易被忽略的基礎層。劉孟迪直言，在AI實體化時代，網路已不再只是控制或監控的後端支援，而是整個系統的「數位神經」。尤其當AGV掛上IP Camera開始巡檢，或無人機持續回傳高畫質影像，若資料必須等一兩個小時才回到中控室，很多決策其實都已錯過黃金時間。

他指出，工業無線網路的難度就在於它「看不見、難查修」。有線網路出了問題，多半就是設備或線材；但無線環境可能同時受到電磁干擾、頻段使用、設備位置、場域結構、漫遊切換與現場障礙影響，因此挑戰遠比一般人想像更高。也因此，Moxa長年投入的，不只是把設備做出來，而是想辦法讓無線也能做到接近有線的穩定、精準與可控。

劉孟迪進一步說明，不同場景對網路能力的要求也截然不同。例如巡檢型設備或移動式視覺系統，需要的是Wi-Fi 6、Wi-Fi 7這類高頻寬、低延遲能力，以便不間斷回傳高畫質影像；若是協作型機器人，則更在意動作指令是否能精準到達，因此會牽涉到TSN（Time Sensitive Network）等新技術；至於大型倉儲或跨樓層移動的AGV、AMR場景，則可能需要Wi-Fi搭配5G專網混合部署，才能把死角、漫遊與中斷風險降到最低。

智慧工廠的核心架構被重新定義

這種整合，也重新定義了智慧工廠的核心架構。劉孟迪認為，未來工廠不會再只是固定式產線，而會朝更靈活的細胞式生產演進；品檢也不再只在成品端執行，而會逐步走向全時、即時的監控與判斷。當AI視覺與可靠網通形成完整閉環，數位孿生才有機會從概念變成真正可運行的現場能力。

鍾毓修則從另一個角度補充，當前機器視覺的成熟度，其實比人形機器人的手腳控制能力更往前一步。因為視覺可以放大、縮小、遠看、近看，在某些場景下甚至已經超越人眼。真正還有待突破的，不只是看見，而是如何把看見之後的語意理解、動作控制與場域移動串成完整任務。這也是為什麼近來VLM、VLA等技術受到高度關注，因為未來機器若要進入家庭與更複雜的應用現場，不只要知道「眼前這是什麼」，還要知道「接下來該怎麼做」。

他舉例說，人走進便利商店買水時，不會一開始就盯著瓶身辨識品牌，而是先用遠端視覺快速定位可能的區域，再走近判斷細節、確認品項與價格。這種「先搜尋、再接近、再執行」的能力，才是真正讓具身智慧落地的關鍵。若少了這一層，機器即使具備強大模型，也可能在真實世界裡繞許多冤枉路。

從AGV到無人機，從巡檢到分揀，從工廠到能源場域，AI已經逐漸離開展示台，走進真正需要效率、即時反應與穩定運作的地方。所羅門負責的是讓設備具備視覺與判斷能力；Moxa補上的，則是讓這些設備之間的資料、指令與協作可以穩定流動。當AI不只是「會算」，而是必須「會看、會動、會連」，智慧工廠的新骨幹，也就不再只是單一設備，而是一整套由感知、運算與工業網通共同構成的神經系統。

更多風傳媒獨家新聞：

‧2026MWC》英特爾、聯發科定義6G　另循途徑挑戰輝達AI霸主

‧2026MWC》HTC與光寶攜手玩弄虛實　從實驗室走向德國商轉
（相關報導： 美伊戰爭會讓金融市場崩潰嗎？專家揭股市反應時間點：投資人此時應開始調節了 ｜ 更多文章 ）

‧2026MWC》電信三雄集結巴塞隆納　攜手諾基亞、愛立信開啟6G序幕