打造機器人的大腦、神經與能源

如果把人形機器人拆開來看，最醒目的往往是AI晶片、攝影機、馬達與減速器；但真正決定它能否離開舞台展示、進入工廠與服務現場的，並不是其中任何一顆明星元件，而是各種快慢不同、風險不同的電子系統能否形成一個有秩序的整體。語言模型可以花數百毫秒理解「把箱子放上推車」，雙腳落地與手指施力卻必須在微秒至毫秒尺度閉環；AI推論可以接受機率與不確定性，緊急停機、煞車與電池保護則不能用「大概正確」來交代。機器人因此不是一台裝上手腳的PC，而是一座會移動、會接觸人、會把運算結果變成物理力量的小型智慧工廠。

圖一 : 從AI推論到毫秒控制，從48V匯流排到智慧關節，台灣要爭取的不是一張板卡，而是一套可量產、可替換、可驗證的機器人電子產業平台。

這正是台灣電子產業的機會，也是它必須跨越的門檻。PC時代擅長的是把CPU、記憶體、儲存與周邊整合成穩定平台；Physical AI時代還要再加上確定性通訊、分散控制、感測校正、功率電子、功能安全與全生命週期維護。能否把這些能力組成可量產、可替換、可驗證的「機器人電子平台」，將決定台灣只是供應板卡與零件，還是掌握下一代機器人的大腦、神經與能源。

機器人不是一台會走路的PC

一台PC即使短暫卡頓，最壞結果多半是使用者等待或重新開機；一台正在搬運重物的人形機器人若控制延遲或輸出錯誤，卻可能跌倒、夾傷人或損壞設備。因此，合理的電子架構至少分為三層。最上層是中央AI運算，負責語言與任務理解、視覺語言模型、環境建圖、感測融合及較長時間尺度的動作規畫；中層是即時運動與安全控制，將抽象任務轉成全身軌跡、平衡、步態與碰撞反應；最下層則分散到關節與末端，執行電流、速度、位置、力矩與觸覺迴路。三層不是算力的高低排序，而是責任與時間尺度的分工。

大模型擅長處理語意與例外情境，卻不適合直接驅動馬達。生成式AI輸出的統計本質、執行時間抖動與模型更新後的行為漂移，都和功能安全所要求的可預測、可驗證相衝突。較穩健的做法，是讓AI提出目標、辨識環境與選擇技能，再由確定性的狀態機、運動控制器及安全監督器限制可行範圍；一旦通訊中斷、關節超溫或姿態失穩，安全迴路必須有權繞過AI，直接降扭力、煞車或斷能。換句話說，機器人的「智慧」不只在會做決定，也在知道哪些決定不能交給自己。

雲端、場域邊緣與本體運算也需要重新分配。模型訓練、艦隊學習與大量模擬適合留在資料中心；工廠排程、地圖更新與跨機協作可由場域伺服器處理；涉及隱私、低延遲與斷網仍須工作的感知、避障和控制，則必須落在機器人本體。這種分層可避免把全部算力、重量與熱都塞進軀幹，也避免把生命攸關的反應寄託在無線網路。

這種分層還帶來一項常被忽略的工程責任：每層必須定義清楚的契約。中央AI輸出的不能只是自然語言，而要是受限制、可檢查的技能與參數；運動層要回報可達性、剩餘穩定裕度與拒絕原因；關節層則提供可信的角度、力矩、溫度和健康狀態。若介面沒有把不確定性與失效模式表達出來，上層再聰明也只是建立在錯誤感知之上。台灣過去擅長硬體介面標準，這次還需向上延伸到技能、狀態與安全語意，讓不同AI模型、控制器和本體可以在可控範圍內互換。

機器人主機板將如何重新定義

算力競賽容易讓市場用TOPS判斷機器人強弱，但TOPS只描述特定數值精度下的理論運算量，不能直接等同工作能力。模型是否放得進記憶體、感測資料能否即時搬移、軟體堆疊能否排定優先序、熱設計能否長時間維持時脈，往往比峰值數字更重要。NVIDIA Jetson Thor T5000最高提供2,070 FP4 TFLOPS、128GB LPDDR5X與273GB/s記憶體頻寬，功率範圍可到130W；這類平台使大型VLM與多路感測融合能在本體執行，但130W也會立即轉化成散熱器、風道、噪音、續航與軀幹重量的設計壓力。

角色	時間尺度	主要任務	失效風險
GPU／NPU	10–100 ms以上	VLM、感測融合、任務與路徑規畫	延遲、熱降頻、模型漂移
CPU	1–20 ms	系統服務、任務編排、資料處理	排程抖動、軟體故障
即時MCU／FPGA	10 μs–10 ms	馬達、編碼器、區域同步	直接造成失控或不穩定
安全處理器	獨立監督	E-stop、限扭、煞車、斷能	人身與設備安全

表一 人形機器人的異質運算分工。資料整理／本刊。

因此，未來的主機板更接近Robot Control Platform：AI SoM與載板承擔高階推論，CPU處理作業系統與任務編排，GPU／NPU加速模型，MCU維持即時控制，FPGA處理特殊介面與確定性資料流，獨立安全處理器監督關鍵狀態；記憶體之外，還要有高速事件記錄器保存跌倒前後的感測與控制資料，才能追查事故、改善模型。模組化亦不是把板卡做成可插拔而已，而是要定義電氣、散熱、韌體、裝置身分與維修資料的共同邊界。

這正與台灣工業電腦廠的長項相接。研華在2025年推出採Jetson Thor的ASR-A702與AFE-A702機器人控制器，整合多路GMSL相機、2D／3D感測器、IMU、硬體時間同步、防震、ESD與OTA更新，顯示機會已由「賣一張AI板」推進到場域導向的平台。工業電腦業者熟悉長期供貨、寬溫、抗震、遠端管理及工業通訊，下一步則要把資安開機、裝置憑證、故障安全、軟硬體版本追溯一起納入。ODM也應由客製BOM升級為參考設計與系統效能最佳化，和AI晶片商、感測器商及整機客戶共同定義跨本體可重用的控制盒。

平台化也會改變售後與商業模式。機器人在現場的價值取決於可用率，而非出貨時跑分；控制平台因此要支援A／B韌體分割、故障回復、遠端診斷、軟體物料表（SBOM）、模型與資料集版本、零件序號及校正履歷。當一個關節更換後，系統應能自動辨識、下載相符參數並完成驗證，而不是重新由工程師手調。這些看似「不炫目」的能力，正是工業電腦、ODM與製造服務業者最有機會建立黏著度的地方，也會把一次性的硬體毛利轉成維運、更新與認證服務。

機器人的神經系統：即時通訊與分散控制

人形機器人有數十個自由度，若每一個編碼器、馬達與感測器都拉線回中央主機，線束重量、接頭數、電磁干擾與維修複雜度會迅速膨脹。分散式架構則把控制器靠近關節或肢體，以手臂、腿、腰與末端形成區域控制域，中央只傳遞同步時間、軌跡與狀態。這和汽車從集中線束走向區域控制器的演變相似：目的不是追求更多ECU，而是縮短線路、隔離故障、降低主幹負載，並讓一條手臂或一個關節可作為模組替換。

通訊協定沒有單一答案。EtherCAT以on-the-fly處理與分散時鐘見長，官方資料指出同步抖動可低於1微秒，適合多軸同步；CAN／CAN FD成熟、成本低且具錯誤處理能力，適合狀態、診斷與較低頻控制；TSN Ethernet則希望在標準乙太網上同時承載確定性控制與高頻寬感測；SPI、I2C及專用高速串列介面仍會留在區域控制器內部。Wi-Fi與5G的角色主要是艦隊協作、遠端監看、模型與任務下載，以及必要時的遠端操作，不宜取代關節閉環。

機器人是否需要自己的「車用乙太網」？答案可能不是複製汽車規格，而是吸收其區域架構、時間敏感網路、電源與資料線束整合、診斷及功能安全經驗。真正的商機在介面標準化：若台灣廠商能共同定義區域控制器、智慧關節、相機、電池與安全模組的電氣和資料邊界，就能把目前高度客製的工程，轉成可跨整機重用的模組市場。

網路設計還要面對同步與頻寬之外的「退化運作」。例如一隻手臂控制器失聯，整機不能只知道封包遺失，而要能判斷是安全停下、鎖定該手臂，或以降低速度完成撤離；相機資料塞車也不應阻斷煞車命令。這要求控制流、感測流、診斷流具有不同優先權，並在交換器、端點與作業系統都落實時間預算。台灣網通與乙太網晶片業者若能把TSN、安全通道、時間同步與裝置管理封裝成機器人網路套件，價值會高於單一PHY或交換器。

圖二 : 中央主控透過確定性骨幹連接四肢控制域，再由區域控制器管理感測器與關節。

感測與機器視覺：從看見物體到理解工作

人形機器人不是只有兩顆眼睛。RGB相機提供紋理與顏色，深度相機、ToF或LiDAR取得幾何距離，IMU感知姿態與加速度，編碼器回報關節角度，六軸力感測器測量腕部受力，足底壓力與觸覺陣列則讓機器知道自己是否站穩、抓牢或碰到人。感測器愈多並不代表感知愈可靠；時間同步、外參校正、溫漂補償、遮蔽處理與故障診斷，才是把個別訊號變成可信世界模型的關鍵。

台灣光學、鏡頭與相機模組產業若只供應硬體，容易陷入規格與價格競爭。更高價值的位置是3D視覺模組、校正治具與軟體、跨相機時間同步、多視角融合，以及針對粉塵、反光、振動與光線變化的工業可靠度。視覺也正從「這是什麼物品」走向「這個物品能否被操作」：透明袋、亮面金屬、柔性線材、互相遮蔽的雜亂物件，都要求模型理解抓取點、材質、摩擦、可變形性與任務上下文。

圖三 : 所羅門於iREX 2025展示人形機器人，運用NVIDIA Jetson與Isaac GR00T完成由語意指令、環境理解到移動與抓取的流程。照片／所羅門科技。

所羅門在iREX 2025展示以NVIDIA Jetson與Isaac GR00T驅動的人形機器人，串起理解指令、看懂環境、走向目標與完成抓取的流程；其後又把主動感知與多AI代理協調導入人形平台。這說明競爭焦點已從一套AOI演算法，轉為視覺—語言—動作（VLA）模型與現場軟體的共同設計。不過，本地推論不只是為了降低延遲，也關係到工廠影像、製程機密與人員隱私；能否提供資料治理、模型版本與可解釋的事件記錄，將成為視覺方案進入高價值場域的門票。

感知系統的量產難題更在於每一部機器都略有不同。鏡頭裝配角度、外殼受力、關節零位、感測器溫漂與長期碰撞會使出廠模型逐漸偏移；因此需要線上自我校正、可信度估計與交叉檢查，例如用視覺、IMU及關節運動互相驗證。如果模型「看得很有把握」但力感測顯示物體沒有被抓住，系統必須能否決視覺判斷。台灣AOI經驗可由檢出瑕疵進一步轉為檢查機器人自己的感知品質，建立可量測、可追溯的感知健康度。

機器人的能源系統：比筆電更難、比電動車更敏捷

人形機器人的功率曲線既不像筆電，也不像穩態行駛的電動車。站立與行走有持續基本負載，抬舉、加速、起身與避免跌倒會出現短暫峰值；下坡、減速與落腳又可能把機械能回灌到直流匯流排。電池若只按平均功耗選型，峰值時會壓降或觸發保護；若一味增加容量，又會增加重量，使關節需要更大扭力，反過來消耗更多能源。續航、重量、峰值功率與散熱因此形成彼此牽動的系統迴圈。

48V很可能成為中大型人形機器人的重要主匯流排。相同功率下，提高電壓可降低電流與線損，縮小線徑，尤其適合電池到髖、膝、肩等高功率區域；關節端再轉換成控制器與感測器所需電壓。但48V不是萬靈丹：插拔電弧、接觸安全、預充、回生過壓、電池故障隔離、DC-DC效率與共模雜訊都必須一併處理。TI於2026年更新的TIDA-010979參考設計，以直徑70mm PCB實現48V、1kW人形機器人關節馬達控制，整合500MHz即時MCU、GaN半橋功率級、隔離電流感測與工業乙太網，正好示範「電源、控制與通訊」必須共同設計。

台灣的電池包、BMS、DC-DC、馬達驅動、充電底座、換電與超級電容業者，不能只各賣一個盒子。真正的平台價值在於統一SOC／SOH估算、峰值功率協商、故障隔離、回生能量路徑與艦隊充電管理。對工廠而言，兩小時續航加自動換電，可能比背著八小時電池更經濟；對醫療或公共服務，低噪音、低表面溫度與可預測的安全降額又比極限性能重要。電源架構必須由任務與場域反推，而不是從規格表堆疊。

熱管理則是最容易被低估的隱形戰場。AI模組、馬達、驅動器與電池的熱源分散在軀幹與四肢，外殼還要防塵、耐撞並可讓人接觸。被動散熱安靜可靠但體積大，風冷有粉塵和噪音，液冷效率高卻增加泵浦、管路與漏液風險。更成熟的做法是從任務排程、模型精度、馬達效率、熱傳路徑與表面溫度一起最佳化，讓機器人知道何時可以全力工作、何時必須降載，而不是等到過熱才停機。

能源管理也會與AI調度結合。當電池老化、某個關節溫度偏高或充電站排隊時，艦隊系統可以改派較輕的任務、降低行走速度，或安排機器人先完成靠近充電區的工作。這不是單純延長續航，而是把能量轉成可管理的生產資源。BMS若只回報剩餘百分比，無法支援這種調度；它還要估算在當前溫度與老化狀態下可提供的持續與峰值功率，並把預測不確定性告訴任務規畫器。電源供應商因而有機會從硬體模組走向能源資料與艦隊服務。

智慧關節：電子與精密機械的交會點

一個智慧關節同時包含無框馬達、減速器、軸承、編碼器、力矩感測、驅動器、控制韌體、煞車與散熱結構。任何一項規格單獨突出，都不保證關節表現好：高減速比可能帶來背隙與效率損失，高扭矩馬達也可能造成熱集中，編碼器解析度若沒有剛性與校正配合，無法轉成末端精度。智慧關節的價值在整合後的扭矩密度、透明度、響應、壽命、噪音與可維修性。

台灣不應只賣馬達或減速器。上銀與大銀微系統把傳動、馬達、編碼器與驅動器向關節方案整合，便代表供應鏈開始由單件規格走向系統效能。肩、腰與膝需要高扭矩與承載，肘部重視輕量與速度，手指則要求微型化、低摩擦、觸覺與細緻力控；若能建立模組系列、出廠校正、健康監測與預測維護資料，就能從一次性零件收入延伸到備品、維修與生命週期服務。

圖四 : 48V能源系統與智慧關節閉環。高壓主匯流排降低線損，關節控制器同時管理驅動、回生、熱與安全。

圖五 : TI TIDA-010979以直徑70mm PCB實現48V、1kW機器人關節馬達控制，整合GaN功率級、即時MCU、隔離電流感測與工業乙太網。（照片：TI）

靈巧手可能是下一個高價值零組件，也是最難量產的部位。狹小空間裡要容納致動器、傳動、線材、觸覺、控制器與散熱，同時承受撞擊、粉塵與大量重複動作。它還需要遙控示範與觸覺資料來訓練，而手指、皮膚與腱繩又是易損件。因此，好的設計不是追求人手般的自由度本身，而是依任務選擇足夠的靈巧度，並讓耗材可快速更換。人的手之所以珍貴，不只因為自由度多，而是感覺、力量與經驗在同一個閉環裡；機器手也必須如此。

要形成跨整機市場，智慧關節還需要共同的評價語言。額定扭矩之外，至少應呈現峰值持續時間、回驅力矩、背隙、效率地圖、熱飽和時間、碰撞承受度、聲學噪音與預期壽命；控制韌體則要揭露取樣率、安全限制及通訊延遲。若供應商只提供漂亮的最大數字，整機商仍得從頭驗證。由法人、零組件廠與ODM共同建立測試治具、資料格式及加速壽命方法，可讓台灣從「依圖生產」轉為共同定義規格，並降低中小供應商進入國際專案的驗證成本。

安全、資安與可靠度—電子業的新門檻

人形機器人會移動、搬重物、看見人，也可能連上雲端，因此功能安全與資安不能在產品完成後補上。關節失控、碰撞、跌倒、煞車失效與電池熱失控，需要雙通道感測、扭矩限制、緊急停止、失效後安全姿態與故障隔離；攝影機、麥克風、遠端控制、韌體更新、供應鏈攻擊與模型竄改，則要求安全開機、簽章更新、最小權限、裝置身分、零信任連線與不可竄改的事件紀錄。若攻擊者取得馬達控制權，資安事件就會立即變成功能安全事件，兩者已無法分開設計。

標準也必須依場域區分。ISO 10218-1／-2在2025年更新，分別處理工業機器人本體及應用整合；ISO 13849-1:2023提供安全相關控制系統的設計方法；面向個人照護與服務機器人則有ISO 13482及正在發展的新版本，不能把有圍籬工廠的假設直接搬進醫院、餐廳或家庭。資安方面，IEC 62443提供工業自動化控制系統從安全開發生命週期到元件要求的框架。台灣若要輸出平台，就必須把標準轉成電路、韌體、測試案例與供應鏈文件，而非只在認證前準備紙本。

測試思維也要從板級良率升級為情境式驗證。除了EMC、溫循、振動與電池安全，還要測關節壽命、線束反覆彎折、不同地面跌倒、感測器遮蔽、網路延遲、韌體回復與人機接觸。數位孿生可大量覆蓋危險與罕見情境，但必須用實體測試校準摩擦、背隙、熱與材料老化，形成虛實對照。真正可靠的機器人不是從不失敗，而是在失敗前能察覺、失敗時能收斂、失敗後能被追查與修復。

進入公共與家庭場域後，安全還多了一層人的感受。機器人即使沒有超過法規力值，突然靠近、無預警轉身或長時間注視，也可能讓人不安；反之，過度保守又會失去工作效率。因此燈號、聲音、動作意圖提示、個人空間與可預測的退讓行為，都應成為驗證項目。這不是替機器「做人設」，而是把內部狀態轉成旁人能理解的訊號。工程上的安全是避免傷害，社會上的信任則來自可理解、可拒絕與可究責；兩者缺一，機器人都難以真正與人共處。

結語

機器人主機板只是入口。當運算、控制、通訊、感測、能源與安全仍各自最佳化，整機就會在重量、延遲、熱、續航與可靠度之間反覆付出代價；只有把它們視為同一個閉環，台灣熟悉的電子模組、工業電腦、電源與精密機械能力才會真正「合擊」。

台灣最值得爭取的，不是每一家都做一部完整人形機器人，而是建立幾個能被全球整機商採用的共同平台：可跨本體的AI與即時控制盒、具時間同步的區域神經網路、48V能源與安全匯流排、經校正且可追溯的視覺模組，以及可換、可修、可監測的智慧關節。PC產業曾經用標準介面把分散零件組成全球市場；機器人產業也需要新的介面，但這一次，介面連接的不只是資料，還有力量、熱、風險與人的信任。誰能把這些無形邊界定義清楚，誰就有機會成為Physical AI時代真正的平台供應者。