在 AI 浪潮席捲全球之際，台灣的強項多集中在半導體與 AI 伺服器等領域。然而，更大的市場增長潛力正聚焦於將 AI 演算法實體化的應用，也就是實體 AI（Physical AI），這包含了無人機、自駕車和機器人。這些「實體 AI」產品正處於爆炸式成長的關鍵時刻，它們的設計能否平台化，系統、零件與軟體能否共用，將是縮短開發週期、加速迭代的關鍵。
以下 Q 為數位時代總編輯王志仁提問，A 為東元電機前總經理范炘的回答。范炘也曾任福特汽車高管，深耕汽車產業二十餘年。因此，將以其橫跨機械、電子與全球供應鏈的豐富經驗，解析這波實體 AI 趨勢、台灣產業的機會與挑戰。並向台灣業者發出最關鍵的警示：「這個黃金時間，只剩下三年。」
Q1：您如何看待目前實體 AI 的發展趨勢，以及它對台灣產業帶來的影響？
A：AI 的發展速度已遠超乎想像，特別是從 2023 年 ChatGPT 爆發以來，技術迭代呈加速曲線。以前預期需要三到五年才會發生的技術變革，現在可能一年內就發生了。其中一個關鍵變化是，AI 的演算法和算力跑得比硬體還要快。促使 AI 不再僅限於資訊處理（Information AI），而是正在走向實體 AI，也就是將 AI 運算結果應用於實際的移動載具（mobile）上，如車輛、無人機和機器人。
舉例來說，過去在汽車領域，語音控制只是機械性的指令反應。但隨著 VLA（Vision-Language-Action，視覺感知、語言理解與動作決策，三者合而為一）等端到端（End-to-End）AI 模型的應用，人機互動已變得像對話一樣自然。
中國的理想汽車（Li Auto）今年 7 月已在車上導入 VLA 模型。這類模型的快速部署，意味著汽車正迅速變成一個「四輪上的資料中心（Data Center on Wheels）」，對算力的需求也從目前的 L2+ 大約 200 TOPS（Trillions of Operations Per Second 的縮寫，中文為「每秒兆次運算」，是一種用來衡量 AI 硬體運算能力的單位），預計將提升至 L4/L5 級所需的 2,000 到 3,000 TOPS。
這種發展速度，讓很多原先在雲端運算、伺服器領域的技術（如高壓電力、散熱、高速連接）得以快速應用到移動載具上，為台灣產業創造了一個重要的「天時」優勢。
自駕車先進輔助駕駛系統（ADAS）等級一覽
Level 0：完全由駕駛操控
Level 1：大部分需要駕駛員操控
Level 2：大系統有多項駕駛輔助功能，仍須由駕駛員主要控制
Level 3：系統有辨識環境能力，駕駛可適當進行干涉
Level 4：條件許可下自駕系統完全自駕
Level 5：任何情况下皆可由自駕系統完全操控
Q2：在實體 AI 領域，台灣具體的機會點會落在哪些層面？
A：主要來自兩個方面——技術基礎與地緣政治。
技術基礎方面： 台灣在電子元件、高速連接器、高壓線路等底層零組件具有深厚基礎。過去，台灣廠商很難打進封閉的汽車供應鏈；但現在，汽車對先進技術的需求，讓傳統汽車大廠必須轉向尋求像 NVIDIA 這樣的科技巨頭合作。台灣身為這些科技大廠的可靠夥伴，地位也隨之提升。當客戶來求我們的「老大」（科技巨頭），我們就能跟著他進入原本難以敲開的供應鏈大門。
地緣政治方面： 全球供應鏈正走向區域化、碎片化，台灣廠商因而有機會進入原先進不去的市場。也由於地緣政治之故，某些競爭對手受限於進入美國和歐洲市場，這為台灣供應商創造了更多被信任、可以進行技術延伸的機會。台灣也因此具有「地利」之優勢。
具體到產品層面，機會無處不在： 從最基礎的電子元件、區域控制（Zonal Architecture）等小型電腦模組，到面板（未來可能轉向 HUD、AR 眼鏡）、以及最關鍵的散熱技術。例如 AI 伺服器面臨的散熱問題，同樣困擾著高速運作的機器人關節模組。如何運用液冷、改變材質或提升熱導效率，都是台灣工程師擅長的領域。
Q3：面對實體 AI 的多樣化產品（無人機、自駕車、機器人），「通用平台」的概念能成立嗎？
A：雖然要達到科幻電影中「變形金剛」那樣的完全變形、零組件通用，還有很長的路要走，可能還要 30 年到 40 年，但底層的核心技術（Underlying Technology）絕對可以通用。
每個行業（如汽車、飛航）都有不同的安全法規和成本要求。然而，像是電池的化學成分、熱處理原理、或是致動器（Actuator）的設計等，許多基礎技術是相通的。廠商只需要根據不同應用場景做優化和調整即可。
我認為台灣廠商應善用這個機會，不要只鎖定單一市場（Vertical Market），而是進行「橫向延伸」，將同一項核心技術應用於無人機、自駕車、機器人等不同載具。這不僅能放大經濟規模，也能讓台灣的中小企業有機會擴大規模。
Q4：你認為台灣在發展實體 AI 最大的挑戰是什麼？
A：最大的挑戰源於台灣產業的「代工心態」和「企圖心不足」。
很多台商仍習慣等待訂單，或因為不確定市場規模而不敢前期投資。然而，在 AI 快速變革的時代，原地踏步的風險極高。過去，在 2008-2009 年金融危機時期，我就曾建議台灣供應商趁歐洲車廠狀態不佳時，大膽前往投資或收購，買一張進入歐洲供應鏈的門票，但當時少有人敢行動。現在，我們又面臨另一個黃金時間。不主動求變、沒有企圖心去擴大投資和橫向合作的業者，將是被淘汰的最大輸家。
此外，人才問題也日益嚴峻。除了少數頂尖大廠，其他企業難以招募到足夠的研發人才。台灣企業必須「走出去找合作」，無論是技術轉移、併購或建立國際夥伴關係，善用全球資源，才能應對挑戰。
Q5：如何加速台灣實體 AI 的發展？你對政府和產業有何建議？
A：要加速發展，台灣必須擁有一個高複雜度的「實證場域」。目前政府推動的「沙盒計畫」多半規模太小、複雜度不夠，且過於學術性，難以從實驗室走向商業化（Go-to-Market）。真正的實體 AI 應用，需要在混雜著行人、車輛、無人機的真實城市環境中進行測試。
這正是政府可以發揮協調作用的地方。我們需要利用整個台灣島或至少一個大型城市，作為一個「全球實驗室」，規劃基礎設施，讓 AI 應用可以測試飛航、地面運作、人機互動等所有複雜情境。烏俄戰爭已證明，複雜場景能最快速地推動技術進步。烏克蘭戰場每週都在為全球無人機產業出新考題，技術迭代速度遠超其他地區。如果台灣不能提供足夠複雜的場景來驗證和迭代產品，我們將無法累積領先世界的實戰經驗。
留給台灣的黃金窗口只有三年。 一旦錯過，將被掌握機會的新對手所淹沒。
（延伸閱讀｜EP257. 無人機、自駕車和機器人給台灣的黃金時間只剩三年？ ft.前東元電機總經理范炘）
（本文初稿為 AI 編撰）
