機械手臂走出工廠化身「逗貓神器」!未來還有哪些可能?
機械手臂走出工廠化身「逗貓神器」!未來還有哪些可能?

貓咪,機械手臂,兩個看起來八竿子打不著的事物,卻因為用戶的突發奇想,碰撞出了有趣的火花。

日本的富士新聞網曾報導過這樣一條新聞:早出晚歸的主人為了讓貓咪獨自在家時不無聊,將逗貓棒安裝在一個小型機械手臂的末端,通過操作機械手臂,定時定點逗貓。影片中,每當機械手臂來回揮動逗貓棒,貓咪就會跟著玩耍。

機械臂成「逗貓」神器
機械臂成「逗貓」神器
圖/ 極客公園

這著實有些顛覆人們對於機械手臂的固有認知。

在過去的印象裡,機械手臂都是些工廠裡的大傢伙,就算體格不大,材質樣貌也一定是鋼鐵構成、堅硬無比。

隨著機械手臂技術的成熟,加之人工智慧的發展,「輕量級」、「小型化」、「協作機械手臂」已然成為機械手臂行業新的關鍵詞字。除了逗貓,協作機械手臂還能幫助人們泡茶、製作咖啡、採摘水果……機械手臂正在從工廠走入極客群體、甚至是普通消費者的生活中,其使用場景正在無限拓展。

01走出工廠,走向協作

根據構造、應用場景、負載精度等不同需求,機械手臂可以細分為數個賽道,「協作機械手臂」是近年來發展勢頭正猛的細分賽道之一。

在人們傳統印像中,機械手臂大多應用在工廠、流水線上,每一步操作都有詳細、規範的流程,完成任務靠得是工程師提前編輯好的指令,不僅體型巨大,用起來不夠靈活,而且成本極高,普通人無法企及。

「有沒有一種可能性是讓更多的人都能使用機械手臂,而不僅僅是在工廠裡機器做著固定的任務,絲毫沒有和人們的互動?」 懷著「讓機械手臂更有生命力」的想法,宋君毅於2016年創辦了大像機器人,專攻協作機械手臂,文章開頭逗貓案例中使用的機械手臂,就是該公司研發的協作機器人myCobot。

宋君毅
宋君毅
圖/ 極客公園

在中國,協作機械手臂領域的創業公司大多起步於2015年前後,例如聚焦生產協作機械手臂的越疆科技、遨博智慧、慧靈科技均成立於2015年,大像機器人成立於2016年。

據GGII統計,2015年—2020年,中國協作機器人市場共計融資47例,僅2021年上半年,行業內就有10筆融資,總規模超過30億元。

與傳統機械手臂相比,協作機械手臂最大的區別在於「人機協作」,它一改往日傳統機械手臂僵化固定的工作模式,不但能與人在同一個環境裡共同工作,還在一定程度上實現了人機互動。

協作機械手臂的概念最早誕生在歐洲。

2003年,Esben Ostergaard在南丹麥大學進行一個有關尋找液壓執行結構替代方案的課題研究,但他和合作夥伴找遍了市面上所有已存的機器人,也無法找到能夠滿足靈活、易用且使用時無需防護的產品。

既然找不到合適的,Esben Ostergaard萌生了自己創辦機器人公司的念頭。

2005年,他和另外兩個合夥人一起創辦了Universal Robots(優傲機器人),並在2008年終於研發出第一台協作機械手臂UR5,成為協作機械手臂的先驅。

同一年,另一家協作機械手臂的先驅公司Rethink Robotics成立,2011年Retink也推出了自己的協作機械手臂Baxter。

自此,協作機械手臂的概念開始慢慢為機器人行業所接受,國外一大批新創立的協作機械手臂公司湧現,就連傳統的四大巨頭(ABB、發那科、庫卡、安川),也逐漸開始佈局協作機械手臂業務。

相比之下,中國產的機械手臂雖然起步要晚,但是據GGII的數據表明,目前中國的協作機器人市場,接近70%的份額由本土廠商佔據。

當被問及為何中國機器人公司紛紛瞄準協作型機械手臂時,宋君毅向極客公園介紹道:「從行業飽和度來說,因為重工業級別的機械手臂市場幾乎由四大巨頭壟斷;從市場機會和客戶需求的角度出發,想進行創新最好選擇其他細分市場。協作機械手臂符合人機互動的趨勢,而且易入門、成本合適,市場前景也寬闊。」

02協作機器人爆發的背後

中國輕量級協作機械手臂市場爆發的背後有三大因素: 中國產機器人市場的成長,技術環境的發展以及應用需求的成長。

用大像機器人CEO宋君毅的話來說,這是集合了「天時、地利、人和」的結果。

2016年,中國機器人密度是71,而到了2021年,中國機器人密度已經達到了246,這意味著每一萬個製造業人口擁有246台機器人,在最近的5年裡,中國是全球機器人密度成長的主要驅動市場。

據據智研諮詢發布的數據顯示,中國機械手臂品牌市場規模從2014年的6.51億元成長至2018年的22.83億元;國外品牌市場規模從2014年的72.45億元成長至2018年的126.36億元。四年裡,中國產品牌的市場規模翻了三倍多,而國外品牌的市場增速還不到一倍。

「小型的機械手臂在行業中其實很早就有,但是最近幾年小型協作機械手臂市場之所以集中爆發,主要還是得益於技術的發展。」 施格自動化總經理張立向極客公園表達了他的看法。

對於協作機械手臂而言,要想實現安全地與人類相互配合,有三方面的技術能力十分重要。

其一是力感知能力,通過對外力的感知來判斷人的行動,以此減緩或者停止運動;其二是視覺感知能力,通過視覺雷達判斷人與機器的距離是否安全,機械手臂是否需要減速運轉;其三則是計算能力,由演算法和軟體根據力感知和視覺感知作出反饋、下達指令。

協作機械臂的「顏色識別」功能
協作機械臂的「顏色識別」功能
圖/ 極客公園

力感知能力自上個世紀九十年代發展至今,是相對最早成熟的技術基礎,而高分辨率的3D視覺、自主路徑規劃、AI識別近幾年的技術突破則為協作機械手臂的研發提供了更為有力的技術支撐。

技術的發展使得機械手臂的應用場景隨之拓展,需求的大量增加成為輕量化協作機械手臂過去幾年快速發展的原因之一。

其中比較有代表性的是新零售市場的發展。中國網路資訊中心數據顯示,從2013年起,中國連續七年成為全球最大的網路零售市場。2020新冠肺炎疫情爆發後,市場對於網路零售的依賴更是進一步加強。而網路新零售的形式,使過去生產製造業的「剛性自動化」遇到了挑戰。

傳統製造業的流水線依靠大量的機器裝置完成生產,一旦市場需求、產品種類有變,硬體的更換成本非常高,並且嚴重缺乏靈活性。在新零售的發展以及疫情后市場需求不確定的情況下,無論是棉紗、鋼鐵、五金等工業品,還是服裝等輕工業消費品,在訂單上都呈現出來了小批量、多品類的變化趨勢。通過小批量的訂單來試產試銷,在測試出市場的真實需求後,再進行大批量的生產。

在製造業的這一變化下,能夠在小批量生產和大批量生產之間任意切換的「柔性化生產」需求增多,協作型機械手臂的人機協作能力以及相對靈活的使用方式,使得它將比傳統的機械手臂更能適應新的生產需求。

除此之外,宋君毅認為,人才也是推動中國機械手臂行業快速發展的重要因素:「現在在做機械手臂的人,包括我自己,很多有國外留學、工作的經驗。選擇回到中國創業的,大家基本上都是有能力、有願景的,在共同的努力下肯定能研發出更好的產品。」

03未來邊界

目前中國各家協作機械手臂廠家面臨著產品同質化嚴重、競爭愈發激烈的痛點,隨著市場的發展,新一輪的調整已經到來。針對細分市場和應用場景的精細化開發,已經擺上機械手臂品牌的日程。

施格自動化總經理張立認為:「即便是好的產品也不一定是適合市場的,如果說未來對機械手臂提出了什麼新要求的話,那就是要求機器人的技術發展一定要貼合場景的應用需求。」

「未來行業將逐步回歸本質及產生各自細分領域的龍頭企業,各產品線的市場將更細化。」宋君毅也持類似的觀點,「今後只有將機器人技術與細分行業進行深度結合,才能創造出實際價值。目前我們已經在輕工業、商業、教育等具體行業內展開研發與適配。」

在工業應用中的碼垛、搬運、分揀、焊接、噴塗等場景中,傳統機械手臂由於複雜的編碼方式,往往需要專業的工程師花費數天甚至幾個月的時間才能測試調整完畢。

「如果分別採購了不同品牌的機械手臂,調整過程將更為複雜,不但要先對各品牌的裝置進行測試調整,還要針對項目整體的聯動進行測試調整,費時費力還未必能達到用戶的心理預期。」張立告訴極客公園。

這其中花費的時間和人力對於大部分中小企業而言,成本過於高昂。

針對這一痛點,有像施格自動化這樣的公司,研發出了「糖果系統」,通過平台級的系統,不但解決了不同品牌裝置之間的鏈接、資訊傳輸問題,在此基礎上工程師還可以針對用戶具體的需求進行二次開發,使系統、單一裝置更貼合行業的使用需求。

大像機器人也在發力。「我們通過搭建自主的應用平台myStudio,整合myCobot系列機械手臂的軟體資源和各類開發程序,方便用戶進行系統更新維護升級,同時有充足的案例和開源代碼分享,試圖為用戶打造一站式機器臂應用生態平台。」

而面向最近幾年快速成長的消費級市場,面對著可能根本就不懂代碼的普通消費者,協作機械手臂的易用性更為關鍵,也更難實現。

「如何解決易用性的問題,這個是傳統的機械手臂很少去考慮的問題」宋君毅介紹道,「為此我們也花費了很多精力去改進。」

以大像機器人的六軸桌面協作機械手臂為例,在其底端有一塊四四方方的螢幕,螢幕下方有幾個簡單的按鈕可以實現錄製、保存和播放。用戶使用唯一要做的就是點擊錄製按鈕,然後按照自己的需要拖動機械手臂,讓它作任何你想讓它做的運動,之後點擊保存、播放,這時機械手臂運動的軌跡就會完整展現。

再結合上協作機械手臂末端採用的全球開放專利樂高孔設計,可以搭載各種執行器,實現手機的創意拍攝、物品拾取、碼垛、分揀識別等功能。

開篇的「逗貓神器」也是這樣簡單實現的,只需在末端綁上逗貓棒,其他的均可一鍵完成,幾乎沒有技術障礙。

而樂高孔設計的底座也可適配各式移動底盤,搭載複合機器人,比如和移動執行器、小車、甚至是機器狗結合,從而實現協作機械手臂的靈活移動。

協作機械臂
圖/ 極客公園

為了讓更多普通的用戶也能上手操作機械手臂,大像機器人製作了大量的影片教學。同時也為相對高階的消費群體,保留了二次開發的可能。

通過研發一系列適配不同應用場景的套件套裝以及多樣化兼容拓展的接口,用戶將可以對協作機械手臂進行不同程度的改造,賦予機械手臂更多的想像力。

「比如曾經有用戶在協作機械手臂的末端固定了一個雷射的投影儀,再結合了三位點雲端生成,以及手勢控制等技術進行二次開發,實現用手勢控制機械手臂的運動,並最終在牆上呈現出一個三維追蹤影像。」大像機器人的員工介紹道。

「我很怕用戶有了一個新奇的想法,但是卻發現我們的機械手臂無法幫他實現。」在宋君毅看來,協作機械手臂應該更好地幫助每個人實現他們對生活的奇思妙想。

以目前的產品形態,對於完全沒有自主開發能力的消費者而言,也夠依靠「拖動示教」實現創意應用場景拖動示教,要想實現泡咖啡、疊衣服等複雜的操作加上一些代碼就不是難事。在某種意義上來說,假如連普通消費者都能熟練掌握機械手臂並能用它便利日常生活,這就真正實現了機械手臂的普及。

幫助普通消費者更便捷地達成使用需求,和為極客們提供機械手臂開發的基礎平台,二者或許很難兼容,也很難實現,但也恰恰是協作機械手臂未來發展的重要方向。當年的網路、智慧手機等產品從陌生到普及再到成為人們生活中一部分的過程,未必不會在協作機械手臂領域重現。

本文授權轉載自:極客公園

責任編輯:傅珮晴、侯品如

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓