告別「說不清楚」的老師傅經驗！Physical AI落地製造現場，台灣隱形冠軍轉型關鍵

Physical AI正加速從技術展示走向實際製造場域，企業評估重點也開始從單純確認技術能否運作，延伸至投資效益、應用場景、安全治理及系統整合。勤業眾信今（15）日在台中舉辦「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，聚焦Physical AI如何從技術驗證進入製造現場。

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具代表性的驗證場域之一。

蔣淑菁指出，對多數中小企業而言，導入Physical AI的挑戰在於如何從有限資源中找到具投資效益的應用場景。隨著新世代經營者逐步進入決策層，企業對數位工具及智慧製造的接受度持續提高，但實際導入後，仍須面對資料整理、系統整合及跨部門人才不足等問題。

她表示，中部產業聚落具備設計、加工、組裝、設備與終端應用高度集中的優勢，有助縮短測試與調整週期；下一階段關鍵則在於企業如何將技術投資轉化為競爭優勢，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，智慧機器人最終必須回應缺工、高齡照護及高風險作業等實際需求。真正困難之處，在於感測、控制、機構與軟體能否整合至同一平台。

蔡宏營指出，台灣已具備相當完整的零組件與次系統基礎，下一階段的分水嶺將落在系統整合，包括運動控制、模擬、資料迴流，以及不同設備之間的溝通與協作。當機器人從單機自主逐步走向群體智慧與多機協同，產業競爭也將從硬體性能延伸至平台、介面與系統架構。

他認為，智慧機器人產業推動方案若要促成系統新創，重點不只在於產業鏈廠商數量，更在於能否趁產業規格仍在形成的階段，建立台灣自身的開發能力。台灣目前正處於將硬體與零組件優勢延伸至系統軟體、平台及介面能力的關鍵階段，若能同步參與規格、平台與應用模式形成，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重要參與者。

國家實驗研究院副院長林俊良表示，Physical AI與過去自動控制最大的差異，在於機器必須在條件不確定的環境中自行學習與判斷，因此驗證方式也必須改變。

以台灣發展太空科技的經驗為例，關鍵技術必須透過實際參與與實作累積。他表示，過去台灣工程師雖能參與衛星系統工程，但在海外組裝時，到了關鍵的遙測酬載安裝階段仍無法實際參與，這段經驗促使台灣後續建立自主衛星研製能力，也凸顯系統整合能力必須透過實作累積。

林俊良認為，台灣目前需要建立能讓系統反覆測試、修正及找出錯誤的實證環境，企業產線能夠承擔的試錯空間有限，因此需要國家級平台承接。國家智慧機器人研究中心透過實境共作、算力及跨域共研資源，就是希望讓問題盡可能發生在驗證階段，而非產品正式落地後才發現。 （相關報導： 股市多頭開始怕了！美銀調查揭露操盤手「心態轉變」，美債殖利率失控成為最大風險 ｜ 更多文章 ）

台灣人工智慧學校產學長郭秉宸表示，Physical AI的關鍵，在於如何將產業現場長年累積、難以言傳的隱性知識，轉化為AI能夠理解、驗證與執行的產業能力。

他指出，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察覺異常，這些經驗往往存在於感官判斷與臨場應變之中，難以完整寫入標準作業程序，也可能隨人員退休而流失。

郭秉宸表示，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可以運用的資料、規則與判斷邏輯，再與機器人的感知、推理及行動能力結合，讓個人經驗成為可傳承、可驗證的組織能力。

不過，當AI的判斷進一步轉化為機器的力量、速度與位移，失準也可能造成產線中斷、設備損壞甚至人員安全風險，因此企業仍須建立驗證條件、安全邊界與治理機制。

郭秉宸進一步指出，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能理解、機器能執行的任務與規則。

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，從資訊判讀延伸至感知、決策與執行。

他說，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，政策內容涵蓋既有系統導入AI、多感測整合及機器人模組化，也反映製造業AI應用正往軟硬整合深化。

溫紹群表示，企業下一階段要回答的問題，將從「導入什麼設備」，延伸至「透過Physical AI形成什麼能力」，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。

NVIDIA資深解決方案架構師吳志忠表示，智慧工廠下一階段的重點，不再只是單點自動化，而是讓設備、機器人、AI與產線資料形成可模擬、預測及持續優化的系統。

吳志忠指出，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。

隨著機器人進入更複雜的生產環境，企業需要處理的課題也從單一設備的動作控制，延伸至不同設備協作、產線配置，以及設備變動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及優化AI模型。

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時，除了成長潛力，也必須辨識關鍵零組件、系統整合等價值環節，並檢視量產能力及單位經濟。 （相關報導： 股市多頭開始怕了！美銀調查揭露操盤手「心態轉變」，美債殖利率失控成為最大風險 ｜ 更多文章 ）

陳柏助指出，台灣企業可憑藉精密製造，以及半導體、模組、系統整合組裝等長年累積的優勢，從單點供應走向跨域整合。祺富資本也將透過「貝葉前瞻」基金，運用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的競賽正在改變產業規則，企業除了技術能力，也必須加速建立信任與治理能力。隨著具自主決策能力的機器逐步進入實際應用場域，各國監管方向也聚焦於確保自主行動機器不危及人員及環境安全，並逐步形成新的市場準入要求。

白哲豪指出，歐盟新版機械法規將於2027年1月20日生效，首度將具學習能力的機器納入產品安全規範；凡由AI執行安全功能的設備須經第三方驗證，並明確界定機器可以自行決定的範圍。

此外，設計階段就須保留人為即時介入機制，機器決策紀錄及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及供應鏈審查之中。

他強調，對台灣輸歐的機械設備、工業機器人及半導體設備業者而言，未來競爭將同時涉及產品性能、法規遵循及治理能力。企業若能提早佈局驗證、安全及治理機制，有助提升全球市場競爭及佈局能力。

達明機器人營運長黃識忠表示，Physical AI真正進入製造現場後，競爭重點不在機器人能完成多少高難度動作，而在於能否理解產業流程，穩定完成企業真正需要的任務。

黃識忠指出，製造業對精度、可靠度及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、製程及作業條件各不相同，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。

他表示，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，可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，深化搬運、取放、檢測、焊接等實際任務。

當這些技能能持續累積，並快速部署至不同設備與產線，機器人才能從單一設備投資，逐步轉化為可持續擴充的生產能力。

更多風傳媒獨家內幕：

‧ 搖搖欲墜的美債誰來接盤？避險基金成為「最後買家」，卻讓市場開始警戒

‧ 10年期美債殖利率衝破5%只是開始？這個訊號透露市場擔心升息之後經濟撐不住 （相關報導： 股市多頭開始怕了！美銀調查揭露操盤手「心態轉變」，美債殖利率失控成為最大風險 ｜ 更多文章 ）

‧ 日本央行升息1碼成定局，問題是「之後會升多快？」市場緊盯植田和男一句話