這碗牛肉麵誰幫你煮的？分析機器人如何煮出一碗美味的麵|數位時代 BusinessNext

這碗牛肉麵誰幫你煮的？分析機器人如何煮出一碗美味的麵

機器人有辦法勝任廚師的工作嗎？從下麵到煮麵全由機器人大廚包辦，座落台北北區的愛羅吧是如何煮出一碗碗美味的牛肉麵？

3分鐘麵好上桌，機器人怎麼煮出美味牛肉麵？

我們就實地來看看機器人如何煮出一碗美味的牛肉麵。第一時間就讓人眼睛為之一亮，兩位機器人大廚竟然都是Fanuc公司的產品，說到來自日本的Fanuc，它可是機器人業界的龍頭，銷售量睥睨全球，所生產的機器人能力當然也不在話下，一向是黃色外裝，身軀精實、動作俐落的它，常常應用於焊接、噴漆、組裝等用途，基本上就是很「工程」，煮起麵來反而給人一種很秀氣的感覺，似乎只需用到三分力氣。

為何煮個麵需要用到這種等級、而且是工業用機器人呢？老闆豪氣的表示，要做就要做到最好，另一個理由倒很實際，目前市面上就是沒有在賣專門用來煮麵的機器人啊！

感覺上利用工業用機器人來煮麵似乎有點大才小用，但如果因此認為煮麵對於機器人來說，就是個輕鬆自在的工作，那您可要多三思！為了這碗麵，店家使用了兩部機器人，一部先備好碗在旁邊等著，另一部負責下麵、煮麵，等麵煮好後，得先甩甩麵勺、瀝乾水，這廂一放好麵條，另一邊馬上鋪上牛肉，再將碗推進注湯機，整個過程大約兩、三分鐘的時間，一碗熱騰騰的牛肉麵就此大功告成！

除了兩部機器人各自的定位、排程，以及彼此之間的配合需要工程師仔細的調教與反覆的測試之外，另一項挑戰則是來自顧客的不同需求，比方說，是要細麵、粗麵，加蔥、不加蔥呢？麵的粗細還進一步影響到煮麵的時間，有的時候甚至是後面點的麵先煮好，整個流程就得跟著調整，相對於工廠較為固定的製程，機器人反而需要擁有更大的彈性來面對區區的一碗麵！

那機器人費盡心思煮出來的這碗牛肉麵到底好不好吃呢？仔細想想，機器人最下功夫的部分就在麵條身上，當然麵條的Q彈會影響到口感，但牛肉麵美味與否的關鍵還是落在牛肉的烹煮、湯頭的調製，但這些都是屬於店家的獨門配方，機器人一點都插不上手，畢竟它並沒有像人類一樣靈敏的味覺。

如此說來，機器人進軍牛肉麵界的優勢還是在於它的精準度與一致性，以及足以長時工作的耐操力。展望未來，機器人如果想要繼續在餐飲業立足，那可要好好善用它遠超過人類的手勁與速度，細細思量哪種餐點最能發揮自身的長才，就此走出一條不一樣的道路！

責任編輯：陳建鈞

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場。）

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。