生成式AI（Generative AI）已經能寫詩作畫，讓人感覺科技正全速前進。然而回到現實，自動駕駛仍處於輔助階段，服務型機器人也尚未普及，AI在「動起來」這件事上，似乎顯得舉步維艱。
但這並非進展停滯，而是AI正進入難度呈幾何級跳升的新戰場：從雲端走進實體世界。產業界稱之為「實體AI（Physical AI）」或「具身智能（Embodied AI）」。廣義而言，具自主智慧的車輛、機器人及無人機，均可視為具身智能的載體。
傳統工業機器人在工廠裡執行寫死的程式（例如：座標X＋30，抓取）。一旦工件偏移，傳統機器人就會抓空。未來「實體AI」則須賦予機器人視覺感測、觸覺、思考的大腦，以及執行精準動作的小腦。它要看懂螺絲、感覺抓握力道，即時決策如何調整角度將其鎖好。
台灣擁有全球最強硬體供應鏈，然而在這場「為機器人裝上大小腦」的革命中，我們該如何避免淪為單純的硬體代工廠，並在產業重組中掌握不可替代的地位？
AI為何要有感知的身體？
輝達（NVIDIA）執行長黃仁勳訪台引發的夜市追星熱潮背後，潛藏著深刻的科技趨勢。若抽離喧囂，聆聽演講核心，會發現他的思維已經從大型語言模型轉向更具破壞力的「實體AI」與「智慧機器人」。
自2025年初起，輝達陸續發布了Omniverse和Cosmos平台、Project GR00T人形機器人大腦、Isaac Lab模擬平台及開源Vision-Language-Action（VLA）Alpamayo-R1模型。訊號相當明確：AI的下一步是擁有「身體」。
目前特斯拉（Tesla）人形機器人Optimus技術仍領先一籌，但是Figure AI、Boston Dynamics、宇樹、智元、優必選等新創也不遑多讓；亞馬遜（Amazon）在物流運營中已使用總數超過100萬台、10種類型以上的機器人，包括智慧機器人及人形機器人；另一方面，特斯拉、Google Waymo、文遠知行（WeRide）、小馬智行（Pony AI）等智慧自駕企業，也加速L3+/L4車輛在美、中、歐及中東的試運營部署。
當台灣對「全世界AI伺服器與晶片都MIT」引以為傲時，危機在於：在實體AI時代，控制軀殼的「大小腦」（演算法與邊緣系統）仍掌握在矽谷或美中科技巨頭及領先新創手中。若只滿足於打造「軀體」與「組裝」，台灣恐將在價值更高的「大腦經濟」中，再次被推向微笑曲線的中間地帶。
多數人熟悉的「雲端AI」處理資訊輸出，即使出錯也能按下「重新生成」。但實體 AI必須在現實中實踐感知（Perception）、決策（Decision）與行動（Action）。
一、從「想」到「做」的毫秒競速： 實體AI必須在毫秒間做出正確反應。判斷錯誤的後果不是答錯考卷，而是自駕車撞車或工業設備損壞，甚至人身風險。將AI放進汽車與機器人，難度遠超雲端。智慧機器人如果要在家庭或醫護場所執行更多樣貌的工作，困難度愈大。因此，安全性及法規符合是必要考量因素。
二、真實世界的「不確定性」： 雲端數據是乾淨的，但現實世界充滿混亂（Chao）、不確定性（Uncertainty）。例如天氣、光影、地貌與人類行為都在變動。AI在乾淨的實驗室表現亮眼，到了真實場景卻頻頻失誤，這就是工程界最頭痛的「模擬到現實落差（Sim-to-Real Gap）」。
三、物理法則的枷鎖： 雲端AI擁有近乎無限的算力與電力。但智慧機器人必須在有限的電池續航與散熱空間內，運行高效推論。這是一場「夠快、夠準、夠省電、更要耐用」的極限挑戰。
儘管如此，美、中、歐，乃至中東國家，均持續投入大量資源，因為這是一場關乎未來數十年，全球經濟結構改變的長期布局：智慧駕駛重塑移動產業，機器人填補勞動力缺口，智慧工廠則改寫供應鏈效率。
從《駭客任務》看技術斷層，Sim2Real模擬仍是美中主場
教智慧機器人「走路」與教ChatGPT「對話」邏輯截然不同。在真實世界訓練機器人，每摔一次都是昂貴的硬體維修與時間成本，更不用提實體訓練自駕車了！
這引出了全球實體AI競爭的核心：模擬（Simulation）。如同電影《駭客任務》，科技巨頭正打造物理精確的虛擬世界。牛頓力學、摩擦力與重力都與真實無異。開發者在雲端虛擬道場置入上萬個虛擬機器人，進行加速「平行訓練」。等AI練成「動作大師」，再將模型下載到真實軀殼中。
這個「從虛擬到實體（Sim2Real）」的下載過程，目前制高點掌握在輝達、特斯拉、Google、亞馬遜、百度等科技大廠及領先新創手中。台灣製造了很好的硬體，卻極度缺乏供硬體「受訓」的虛擬平台。
檢視台灣產業地圖，我們正處於矛盾的交叉口：
- 晶片與算力（Brain Power）：台積電與IC設計廠提供硬體基礎，我們是AI的心臟。
- 軀幹與關節（Body）：上銀、台達電、達明、東元等在精密機械有一定基礎，但跨入仿生結構及關鍵模組，能力仍須升級擴大。
- 大腦與訓練場（Mind & Simulation）：這是最嚴重的缺席。訓練機器人的模擬平台與基礎模型，台灣幾乎沒有發言權。
4潛能贏在起跑點！要讓AI客戶來台「留學」
若將實體AI產業畫成微笑曲線（下圖）：左端為關鍵智慧組件、AI模型、模擬平台（高毛利、高技術門檻）；右端是品牌定位、特定場景應用與服務（高毛利、高顧客黏著度）；中央則是硬體組裝與製造（毛利受壓）。
台灣必須向左右2端提升。掌握「大小腦」的公司靠軟體更新賺取訂閱費；硬體廠商若無關鍵的智慧組件（Intelligent Components）技術，只是賺取辛苦的加工錢。當機器人需要學習新技能，客戶付錢的對象是軟體供應商，而非硬體商。
真正的競爭在於系統整合與數據獲取能力。實體AI是感測器、晶片、即時控制與機構設計的馬拉松。台灣雖非舞台中央的品牌大國，卻占據極佳的戰略支點：
一、工業元宇宙的造物主： 台灣擁有全球羨慕的寶藏「場域數據（Domain Data）」。矽谷軟體人才多半沒進過晶圓廠或紡織廠，不了解機台震動或螺絲成型的細節。台灣廠商應盡速數位化累積數十年、跨產業製造領域的資料及「隱性知識」（Tacit Knowledge），建立多層次「數位雙生（Digital Twin）」模型。
我們不只賣手臂，而是賣「整廠輸出的數位分身」，讓全球客戶在台灣打造的虛擬世界中建廠測試，這就是高附加價值的服務。
二、邊緣AI（Edge AI）的軟硬整合平台： 實體AI不能依賴雲端。台灣應發揮IC設計強項，開發專屬實體AI的系統晶片（SoC），將感知與推論整合在低功耗晶片內，定義智慧機器人的「小腦」與「反射神經」。掌握這些感測器融合與推論平台，才是產業鏈不可或缺的基礎。
三、從自動化躍遷為「智動化」的賦能者： 台灣中小企業擁有隱形冠軍級別的工藝數據。機會在於成立專注特定垂直領域的AI應用公司。教AI如何進行複雜拋光或極限組裝，其模型價值遠高於硬體本身。
四、關鍵智慧組件的標準定義者： 實體AI的核心不在於外殼，而在具備感知的智慧組件，以台灣累積的能力，應可推展具備即時推論能力的智慧組件，在毫秒內完成感知與反射，成為智慧機器人的「反射神經系統」，如內建視覺與力覺融合推論的「智慧夾爪」、可自主調整阻尼／預測動態負載的「AI關節模組」、具備情境辨識與即時補償能力的「感測融合模組」等。
台灣的上一代，在艱難中打造了全球科技硬體帝國，其歷程令人驕傲且動容。新一代科技人與政府決策者，則面對著AI這個更寬廣、挑戰性更大的舞台。
想蛻變「智慧碩造者」，須納物理、遊戲、傳藝設計力
理解實體AI，是如何在未來經濟中建立關鍵定位的嚴肅課題。未來的競爭，不只追求良率，更要懂物理、懂遊戲設計（模擬場景）、懂傳統工藝（訓練函數）的人才。下一座護國神山，未必是一家單獨的公司，而可能是一個實體AI生態系。
當全球自駕車廠與智慧機器人新創，願意選擇台灣提供的訓練場景與運算平台，台灣就能從硬體製造者晉升為「智慧碩造者」。當全球AI客戶都想來台灣「留學」，學習如何與物理世界相處時，我們才真正掌握了這場工業革命的入場券。
責任編輯：蘇柔瑋
