輝達執行長黃仁勳的AI佈局，為何已從大型語言模型轉向「實體AI」與「智慧機器人」？ | 數位時代

黃仁勳的 AI 佈局轉向：從大型語言模型到「實體 AI」與「智慧機器人」

輝達執行長黃仁勳的 AI 策略重心，已從過往的大型語言模型轉向「實體 AI」（Physical AI）與「智慧機器人」。此轉變意味著 AI 技術正從雲端走向實體世界，讓具自主智慧的車輛、機器人及無人機等「具身智能」（Embodied AI）載體，能夠在真實環境中執行更複雜的任務。傳統工業機器人僅能執行預先設定的程式，而實體 AI 則賦予機器人視覺、觸覺和思考能力，使其能即時判斷並調整動作，例如辨識螺絲、感知抓握力道，進而精準鎖好。

台灣在實體 AI 浪潮中的機會與挑戰

台灣在全球硬體供應鏈中佔有重要地位，然而在實體 AI 的發展趨勢下，台灣若僅滿足於硬體代工，恐將錯失掌握更高價值的「大腦經濟」機會。目前，控制機器人軀殼的演算法與邊緣系統，仍主要掌握在美國和中國的科技巨頭手中。台灣需要積極提升在 AI 模型和模擬平台方面的能力，才能避免在產業重組中被推向微笑曲線的中間地帶。

實體 AI 的三大挑戰

1. 毫秒競速： 實體 AI 必須在極短時間內做出正確反應，例如自駕車的即時判斷，對安全性要求極高。
2. 真實世界的不確定性： 相較於雲端數據的乾淨，真實世界充滿混亂，AI 在實驗室的優異表現，往往難以複製到實際應用場景。
3. 物理法則的限制： 智慧機器人必須在有限的電池續航力和散熱空間內高效運行，對算力和功耗都是極限挑戰。

儘管挑戰重重，各國仍積極投入資源，因為實體 AI 將重塑移動產業、填補勞動力缺口，並提升供應鏈效率。

台灣的潛在優勢與策略

台灣在發展實體 AI 方面具備以下潛在優勢：

1. 工業元宇宙的造物主： 台灣擁有豐富的「場域數據」，可建立高附加價值的「數位雙生」模型，讓全球客戶在虛擬世界中進行建廠測試。
2. 邊緣 AI 的軟硬整合平台： 台灣應發揮 IC 設計強項，開發專屬實體 AI 的系統晶片，定義智慧機器人的「小腦」與「反射神經」。
3. 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，可成立專注特定垂直領域的 AI 應用公司。
4. 關鍵智慧組件的標準定義者： 台灣應推展具備即時推論能力的智慧組件，如智慧夾爪、AI 關節模組和感測融合模組。

台灣要從硬體製造者晉升為「智慧碩造者」，需整合物理、遊戲設計和傳統工藝等多元人才，並吸引全球 AI 客戶來台「留學」，共同打造實體 AI 生態系。

This is a simplified version of the page. Some interactive features are only available in the full version.
本頁為精簡版，部分互動功能僅限完整版使用。
👉 View Full Version | 前往完整版內容