AI競爭正從虛擬世界走進實體場域，隨著機器人逐漸具備感知、理解、決策與自主行動能力，企業也開始面臨新的轉型課題：如何整合既有的自動化設備、AI模型、現場資料與生產流程，並將技術應用轉化為可複製、可擴張的商業模式。
勤業眾信今（25）日發布《Physical AI加速發展的關鍵時刻》報告指出，目前只有3%的企業已將Physical AI廣泛整合至營運，僅5%認為已產生實質轉型影響，但有41%的企業預期，未來3年將受到Physical AI帶來的轉型衝擊。市場對Physical AI寄予高度期待，企業實際整合進度卻仍相當有限，反映這項技術距離大規模商業到位，仍有不少關卡待突破。
台灣機器人密度全球前十 下一步考驗「整合能力」
台灣發展Physical AI並非從零開始。國家科學及技術委員會國家實驗研究院「國家智慧機器人研究中心」今年4月在台南沙崙揭牌，加上行政院推動「AI新十大建設」與「智慧機器人產業推動方案」，4年將投入200億元，也意味台灣的AI競爭正從晶片與雲端，逐步延伸至製造現場與各種實體應用。
不過，政策資源與產業投資陸續到位，企業端的導入速度卻未必同步。
勤業眾信能源、資源與工業產業負責人溫紹群指出，Physical AI目前的競爭焦點，已由技術研發轉向實際場域的營運價值，尤其在半導體、汽車與精密製造等高產值、高複雜度產業，若能結合機器人、感知技術、AI決策與Digital Twin數位孿生模擬，將有助於提升設備與系統的自主應變能力。
他認為，台灣的優勢未必在於與全球科技巨頭競逐基礎模型，而是製造業長期累積的現場經驗與供應鏈整合能力。若能進一步串接OT營運技術資料、機器人系統、Edge AI邊緣AI、場域驗證與治理機制，便有機會將單一應用擴充至跨產線、跨廠區的完整解決方案。
從全球比較來看，台灣已具備相當扎實的機器人應用基礎。國際機器人聯盟（IFR）《World Robotics 2025》報告顯示，台灣製造業每1萬名員工配置302台工業機器人，位居全球前10，遠高於亞洲平均的131台。
溫紹群指出，高度採用機器人代表台灣擁有豐富的實務應用經驗，但下一階段的競爭，將取決於企業能否進一步掌握軟硬體平台整合能力，並把現場經驗轉化為可對外輸出的產品與服務。
Physical AI涵蓋模擬平台、感測系統、機械結構、運算與控制等多個環節，企業面臨的挑戰也集中在整合層面。各項技術能否在真實產線中協同運作，往往比單一技術是否成熟更為關鍵。
從單點導入到跨廠複製 企業要建立完整交付能力
國家級研究中心可以協助共通技術研發與場域驗證，但研究成果能否進一步商品化，最終仍取決於企業的產品化能力與市場開發能力。這也是台灣產業從大型機器人使用者，逐步走向解決方案提供者的重要轉折。
然而，企業導入Physical AI仍存在不少障礙。勤業眾信調查顯示，企業面臨最大的挑戰是成本與資源需求，佔41%；其次是難以辨識合適的應用場景，佔36%；人才與技能缺口佔33%；技術成熟度與資料可用性不足則佔31%。
溫紹群認為，人才、技術與資料問題彼此高度相關。企業目前欠缺的，是同時理解營運現場與資料科學的跨域人才。若缺乏這類專業，Physical AI很容易停留在技術展示階段，難以真正轉化為營運效益。
從商業價值來看，企業也需要循序推進。初期可先從製造核心切入，鎖定產能、良率與設備利用率等具體指標；接著再將智慧決策延伸至供應鏈與點對點管理。隨著設備的可程式化程度提高、作業流程逐漸標準化，企業才有條件發展「工廠即服務」（Factory as a Service，FaaS）與「營運即服務」（Operations as a Service，OaaS）等新型商業模式。
溫紹群提醒，服務化建立在企業能力逐漸成熟的基礎上，並非導入AI後就能自然形成。因此，投資評估方式也必須隨商業模式改變。除了設備折舊、稼動率與總持有成本等傳統指標，企業還需評估跨場域複製成本、服務收入的持續性，以及設備升級與維護風險由誰承擔。
AI進入實體世界 治理將成為市場「入場券」
Physical AI與一般企業IT系統最大的不同，在於AI若出現判斷或執行錯誤，可能直接影響設備運作、人員安全與周邊環境。因此，治理機制必須從產品設計與導入初期就開始建立，而非等到系統上線後再補強。
勤業眾信科技與轉型服務副總經理白哲豪指出，Physical AI的治理關鍵，在於一開始就劃定AI與人員、程式控制系統之間的決策分工。AI可負責場景感知、任務理解與動作策略等非結構化工作；即時控制、功能安全與關鍵決策，則應維持在具確定性、可驗證及可稽覈的程式邏輯，或由人員監督執行。
因此，企業導入Physical AI時，安全與風險管理應納入產品設計階段，透過新興科技風險管理制度及早辨識問題，避免系統完成後才進行補救。
另一方面，Physical AI的治理要求也正逐步外溢至市場與供應鏈。隨著客戶、政府及產業鏈對AI安全、資料管理與供應來源的要求提高，企業未來能否進入特定市場，將取決於產品是否具備足夠的驗證與合規能力。
例如，歐盟新版機械法規（EU 2023/1230）將自2027年1月20日起全面適用。其中，具自我演化行為的機器學習安全元件，被列入須經第三方驗證的高風險類別；自主移動機器人也必須具備人為監督與即時介入功能。若將產品驗證與合規準備時程往前推算，2026年正是相關企業的重要準備期。
美國則從供應鏈安全切入。美國商務部於2025年9月啟動機器人與工業機械的國安調查，關注供應鏈是否受到外國控制，以及相關產品是否可能遭到武器化。未來企業面對的審查範圍，除了價格與產品規格，零組件來源與資料流向同樣可能成為重要檢視項目。
「治理不是踩煞車，是拿到入場券。」溫紹群表示，在產品規格與技術能力相近的情況下，能夠提出第三方驗證、清楚說明資料流向，並建立人為監督機制的業者，更有機會進入受到高度監管的市場。
隨著AI從螢幕走進工廠、倉儲與其他實體場域，台灣企業面對的新賽局，也將從單純採購與使用機器人，轉向整合、驗證與輸出能力的競爭。台灣製造業長期累積的現場經驗，能否進一步轉化為跨場域複製能力，並結合軟硬體整合與治理機制形成完整解決方案，將是台灣能否在下一波Physical AI競爭中擴大產業優勢的重要關鍵。
