AI帶動機器人商機爆發，LiveWorx大會五大趨勢|數位時代 BusinessNext

在波士頓舉辦的物聯網技術大會LiveWorx，上週甫落幕，會中，有一場商業機器人技術論壇，針對機器人最新應用發展，歸納出五大趨勢。

趨勢一：美國麻州機器人技術領先全美

首先，美國麻州（Massachusetts）連續14年蟬聯全美機器人技術最發達的地區。麻州的麻省理工學院、伍斯特理工學院（WPI）和哈佛大學，主持多項機器人領域的頂尖研究計畫，而在產業方面，麻州有超過150家機器人公司，合計雇用超過4,700名專業人員。

趨勢二：人工智慧發展帶動服務型機器人商機

第二大趨勢是AI蓬勃發展，帶動服務型機器人商機爆發。雖然消費者對家用型服務機器人期待已久，但多年來只聞樓梯響，直到近期，人機介面和相應的人工智慧技術漸趨成熟，機器人公司才得以結合語音識別、電腦視覺和機器學習等技術，推出符合市場需求的機器人。

拓墣資深經理柏德葳表示，語音互動機器人已推出多年，但銷量表現普通。直到近年，一些可操作家電產品、連網搜尋功能的語音助理機器人問世後，才成功掀起IT大廠與新創公司開發機器人的熱潮。

如亞馬遜在2014年底推出的Echo，2016年銷售量達到520萬台，在整體服務型機器人應用市場中，表現最為突出。

根據TrendForce旗下拓墣產業研究院最新報告，2016年整體服務型機器人銷售量中，語音助理機器人占市場最大宗，市占率近5成；其次為掃地機器人，市占率近4成。

柏德葳指出，未來語音助理機器人除了持續強化語音辨識、互動能力外，也將透過機器學習技術，進一步了解使用者的情緒、習慣，能在適當情況下提供必要的協助，或採取合適的應對行為，朝向個性化發展。

趨勢三：機器人醫學

第三，機器人醫學領域將大有可為。人口老齡化和護理人員短缺，機器人可用在老年人的疾病照護和術後恢復上，加上AI技術提升，機器人可望以更人性化、更有耐性的方式給予病人協助。

像是法商Medtech的手術機器人ROSA，可大幅縮短癲癇手術時間的三分之二，麻州大學醫學院神經外科系主任Mark Johnson解釋，ROSA機器人已被用於輸送導管、遞送危險性的化學物質，或是協助其他神經外科手術。不過，由於人體構造高度複雜且獨特，機器人在手術中要做到完全的自主，仍然很遙遠。

趨勢四：人機互動

第四項趨勢是關於人機互動，仍需要更精良的AI技術。LiveWorx的專家認為，雖然已有不少機器人如Jibo等進入消費市場，或像是安全和引導型機器人，也開始在機場進測試，不過，社交型機器人在應用軟體上仍面臨極大挑戰。

舉例來說，現階段如Amazon的Alexa，使用者得先喚醒機器人，並透過極短、簡化的語句來發號施令，這和人與人之間的互動仍有距離。如果要讓機器更接近人類互動方式，必須透過語言、手勢、臉部表情，而這些反應需要進一步整合相機、麥克風和其他輸入（input）方式。

趨勢五：無人機送貨

最後一大趨勢是關於無人機送貨。iRobot的聯合創辦人Helen Greiner表示，無人機在飛行前會先透過GPS定位，到達定位點後，可先掃描該地區是否有人或其他障礙物，接著再緩緩將包裹垂降至地面，無需著陸。

不過Helen Greiner也提到，目前主要的物流成本來自卡車送貨，發展已高度成熟，在未來幾年，無人機運送包裹仍會聚焦在小型包裹、緊急訂單上。

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。