回顧2025年全球經歷川普2.0關稅衝擊下，供應鏈再度重組，而面臨更嚴重的勞動力短缺；加上AI硬體基礎建設為擺脫泡沫嫌疑，更加速推進Agentic AI代理、Physical實體/Embodied AI（具身）智能機器人等相關技術應用發展，可執行更高價值、多功的應用任務，成為大國推動社會及產業轉型升級的動力。

從2025年8月NVIDIA正式發表Jetson AGX Thor的宣傳影片中已清楚點出其定位。並由執行長黃仁勳在小卡片上親手寫下：「給機器人：享受你的新大腦吧！」

其中由NVIDIA定義的「機器人大腦」產品，便是一條從模型訓練、模擬場景，到邊緣推理的完整技術路徑，讓企業不必自行整合複雜的工具與流程。黃仁勳也在年初的消費電子展（CES 2026），提出「3台電腦」的基礎架構，依序用來訓練、部署AI，以及最後讓訓練與部署能真正銜接的數位分身環境。

圖一 : 黃仁勳親手寫下給機器人的小卡片。

藉此讓企業能在虛擬倉庫或工廠中事前反覆測試，而不必在真實產線「試錯」，承擔錯誤成本。且除了物理模擬之外，因為現實世界的光線、人流、遮擋與材質變化太多，與資料蒐集往往耗時昂貴，所以還須要搭配基礎世界模型，使用現實世界影片作為訓練素材。

下一步的挑戰，則是要如何回到真實場域即時運作？機器人須可閱讀環境、理解任務並即時反應，使用雲端運算速度過慢，又面臨隱私與可靠度疑慮，所以需要1顆能在地端處理大量資料的「實體大腦」。

迎接Chat GPT時刻漸成熟

此外，因為在機器人這個仍高度分散、技術需求多元的領域，沒有企業能單獨處理所有問題，產業也不願被單一供應商綁住。對科技產業而言，半導體與硬體元件將成為發展Physical AI人型機器人與高階自動化系統的核心基礎。

NVIDIA也逐步從GPU、晶片供應商，轉向提供能支撐整個機器人產業升級的核心平台，透過開放、可與不同技術共存的工具鏈，讓更多企業能在自己的專業上加速前進。

當訓練、模擬與硬體設備同步成熟，機器人的「ChatGPT 時刻」也將隨之逼近，從少數企業的前期探索，逐漸變成更多產業都能負擔、能部署的日常工具。黃仁勳甚至宣告，全球將進入「機器人與自駕車10年」。其中AI基礎設施潛力龐大，估計價值將達到100兆美元（近新台幣3,000兆元），NVIDIA現也開始銷售自駕車解決方案的軟硬體。

機器人匯流新賽道

圖二 : 東元電機公司技術長饒達仁。(攝影：陳念舜)

東元電機公司技術長饒達仁也分析，目前機器人將由3大驅動力匯流新賽道，包含：

1.人口結構變遷：全球勞動力短缺與高齡化趨勢加劇，勞動力缺口為自動化替代方案創造了巨大需求；

2.技術奇點突破：受惠於AI 大模型的突破性進展，賦予機器人「大腦」與「小腦」質的飛躍，使之能處理複雜感知、決策與互動，從自動化工具進化為「具身智能」（Embodied Intelligence）；

3.產業升級需求：因智慧製造要求更高柔性、效率的生產模式，人形機器人具備擬人化的外形與行為，有望填補傳統工業機器人無法覆蓋的複雜任務場景。

饒達仁進一步指出，人形機器人作為融合AI、輕質強固新材料，以及機電動力零組件和系統整合製造等技術的新型生產力「無人載體」，將對社會產業變革與全球競爭格局帶來顛覆性的影響，同時面臨技術與商業化的嚴峻挑戰。

其中包含：人工智能：自主學習與模擬人類智能；硬體成本，動力系統約占其中65%；供應鏈瓶頸的關鍵零部件，如諧波式減速機（Harmonic Drive）、感測器、稀土材料仍集中於歐、美、日及大陸。

又可歸類為上游：核心零組件高度國產化與自主化身體機構驅動。過去FANUC最自豪的口號：「用機器人來打造機器人！」代表其在機器人領域已達到一定程度的標準化、規模化。近日台灣機械公會（TAMI），也宣布將旗下工業機器人專委會更名為「AI機器人專委會」，藉此凝聚產業轉型升級共識，並強化會員廠商連結。

本體與周邊「具身智能化」

中游：本體與周邊廠商的「具身智能化」轉型，有別於一般AI，而強調「智能必須依附於物理載體」。能與環境即時互動的智慧形態，可捕捉溫度、力感、視覺等多面向訊息，自主完成抓取、行走等動作；並在實踐中迭代演算法，完成自我「進化」。

又可依核心要素概分為：物理具身：智能依附於具體的機械實體（如手臂、底盤）；環境交互：透過實際接觸（如抓取、避障）獲取真實資料；閉環進化：藉由回饋不斷優化感知與決策。

又分為2大類應用形態：

1.智能機器人：工業/服務/特種/人形/仿生；

2.智能運載裝備：智能汽車、無人船、無人機。

於機器人本體廠商分為2大陣營：分別專注協作型、傳統工業型業者，開始趨向「工業機器人協作化」；新創業者，則選擇朝向具身智能與AI融合。

在當前無人機應用上，也將AI廣泛用於環境感知、視覺辨識、自主導航、任務決策及群體協作等關鍵能力，即使在無網路或高干擾環境中，仍能維持任務執行。

隨著多模態AI模型導入，機器人產業正加速邁向新世代，並大致分3階段：首先，智慧強化期（2010-2025年）開始導入導航與動作控制技術（SLAM），催生協作機器人（Cobot）與自主移動機器人（AMR），功能更智能化。

其次是進階智慧期（2025-2030年）：結合多模態 AI 與強化學習，感知與決策能力大幅提升，可應對複雜任務。最後是通用智慧期（2030年後）：具備通用 AI（AGI），擁有高度自主性與跨場景適應能力，多功人型機器人將成產業新標竿。

圖三 : 智慧機器人L0~L5智能等級：智慧數控的發展路線圖

工研院資深專家陳維超進一步指出，當AI逐步從模型走向實際場域時，常面臨感知不完整與系統整合複雜等問題。若僅依賴生成式AI或大型模型，仍難以直接應用於真實產業環境，工研院為此，近年來更聚焦發展「具身智能」。

透過整合感測、模型與控制系統，使AI能在動態環境中即時理解情境並回應指令；並以機器人行動控制（Locomotion）技術，展示VLM與硬體控制系統的深度整合，能讓機器人在複雜場域中進行安全且精準的動作決策。

陳維超表示，這類結合模型、數據與硬體的系統能力，展現台灣在全球AI競爭中極具差異化的技術優勢，將有助於加速製造、物流及服務型機器人等應用落地。雖然台灣在物理AI、數值模擬、關鍵零組件與邊緣運算等領域具備長期累積優勢。

惟若能進一步整合數據、模型與實體系統，將有助於在全球供應鏈重組趨勢中，開拓新的應用與市場機會。

多功殺手級應用場景需求

然而，目前迎接下游應用挑戰的人形機器人，尚無法因應多元場域的複雜需求。主要受限於互動能力與協作能力等技術發展，其市場滲透率仍偏低，僅侷限於環境相對封閉、工序簡單且標準化程度高的場景，通常具備固定操作流程與明確的判斷標準。唯有在如圖四、圖五中T1、T2等傳統自動化技術難以擴展的情況下，人形機器人始可望逐步取代部分人工作業並獲利。

圖四 : 宇樹Unitree：T1-T5市場分層

圖五 : 宇樹Unitree：T1-T5落地要點

此外，隨著具身智慧AI正推動機器人產業快速前進，從能對話的大語言模型（LLM）、能看懂世界的視覺語言模型（VLM），到具備自主學習行為的VLA，讓機器人具備「感知、決策與行動」的能力。但這股創新浪潮也使駭客的攻擊手法不斷翻新，一旦發生外洩或誤判，影響將不僅是隱私資料，更可能波及人身安全。

隨著巡檢犬、智慧客服機器人與醫療照護機器人紛紛導入具身智慧AI，市場對兼具隱私與資安的解決方案需求日益迫切。期待能為AI機器人產業提供一套可即時部署的防護網，幫助廠商縮短開發週期、降低風險。