Physical AI正在改寫製造業的遊戲規則，機器的學習速度是關鍵
前言：
Amazon Web Services（AWS）台灣解決方案架構部副總經理謝世衡
當AI不再侷限於資料處理，而是走入實體現場，製造業將開始一場新的革命。
製造業的AI革命已經來臨，從需求預測到品質檢測，我們看到製造業者積極部署生成式AI與Agentic AI解決方案，AI驅動的機器人系統，正以驚人的速度從試驗階段邁入企業級量產。過去需要數個月校正的需求預測系統，如今能在數週內自主優化；在單一生產線訓練的品質檢測模型，也能在一夜之間推廣至所有廠區使用。
AI創新的機會廣闊，但製造業的野心已經不只是「AI能對資料做什麼」，而是進一步邁向「AI能在實體世界中做什麼」，也就是透過提升生產、組裝與製造流程的效率，將AI的效益延伸到更多生產環節。
Physical AI並非現有AI發展的線性延伸，而是一個全新的分支
Physical AI是能在實體空間與人類共同感知、推理、學習與行動的智慧機器人系統。Physical AI之所以具有變革性，在於它超越單一的自動化應用，能進一步創造網路效應——每一台機器人遇到新情境、解決新問題或適應意外變數時所產生的智慧，都能讓其他機器變得更加聰明。
連接的機器越多，整個系統進化的速度就越快。這正在重新定義卓越製造的標準：不再單純以產出或效率衡量，而是取決於一座工廠的學習速度。
我們很容易只將Physical AI視為現有AI能力的自然演進。好像只要把優化供應鏈、檢測零件的模型，稍做工程調整，就能讓它在真實世界中運作。然而，這樣的假設是錯誤的。Physical AI雖然建立在既有的製造資料基礎上，卻需要一個全新的資料層，我們稱為「具身化（embodied）」的三維互動資料，用來記錄機器人在即時操作過程中「看到什麼」、「感受到什麼」、「做了什麼」，而這個資料層目前尚未大規模存在。
最初的大型語言模型是在網路上訓練而成，資料來自數十億個已經數位化的網頁、免費可用的文本。然而，要訓練一台機器人從材料箱中抓取零件、在擁擠的通道中導航，或以毫米級精度組裝元件，需要的是「大規模擷取的具身操作資料」，也就是同步記錄機器人在真實物理互動中的感知、施力與動作。而這種特定的資料層，沒有像網際網路那樣大規模的文本可以運用。
目前，這類資料稀少且採集成本高昂，模擬訓練情境的效果也有限。即使零件在模擬中與現實中只有微小差異，機器人學到的一切，例如該伸多遠、該握多緊、該如何定位，都會產生偏差。這種誤差隨著執行數千個任務逐漸擴大，問題就會非常明顯。
因此，打造Physical AI需要全新且重要的能力：新的模型架構、新的訓練方法、新的資料管道（data pipeline），同時善用既有的製造資料基礎作為關鍵輸入。這種具身操作資料，必須從每一次互動、每一項任務、每一個環境逐步建立。
改變一切的回饋循環
談論Physical AI時，人們常聚焦於機器能做什麼，像是舉起、導航、組裝、遞送。然而，真正能帶來變革的部分，不在於動作本身，而是在於動作之後發生的事。在真實世界運作的Physical AI機器人，會持續產生大量資料。這些資料回流至雲端後，發揮三種作用：優化軟體使機器人能力更好、為產品的下一代設計提供決策參考、幫助塑造下一代機器人的硬體與設計。正是這樣的機制，讓Physical AI不是固定不變的工具，而是會隨時間持續進化的系統。
舉例來說，一台在生產線上遇到新情境的機器人產生資料，經過雲端處理後，能提升其他國家每一台機器人的表現。來自真實環境的表現資料，能反過來驅動工程決策、流程優化與產品設計。網路中每增加一台機器人，就多一個資料來源，能讓系統中所有機器同時學習、受益。最初的一百台機器人學習速度緩慢；一千台機器人學習速度會加快；一百萬台機器人的學習速度，將是任何孤立系統都望塵莫及的。
這正是透過雲端連接的Physical AI所釋放的複利效應。工廠能夠持續、自動地改善，隨著網路中的機器數量增加，改善速度也隨之加快。
台灣實踐：雲邊協同降低Physical AI導入門檻
Physical AI透過雲端連接與訓練的優勢，已在台灣產業中逐步落地。威剛集團子公司威剛智聯（ADATA AI）致力於智慧機器人與工業AI系統整合，他們便是採用AWS雲端服務，推出「雲邊協同驅動虛實整合之跨界平台」。透過運行於AWS雲端，將真實環境反向建構為高精度的數位孿生（Digital Twins）場景，讓自主導航機器人（AMR）能在雲端環境中進行大規模的模擬訓練，再無縫部署至邊緣裝置。藉由這套「零基礎設施改造」的部署流程，不僅省下90%的環境重建時間，機器控制的訓練精準度更提升20倍，展現雲端模擬訓練相較傳統實體部署的效率優勢。
從另一個角度來說，ADATA AI這套雲邊協同架構大幅降低導入Physical AI的門檻。過去企業往往要投入高昂的伺服器建置與機房維護成本，才能進行大規模的機器人訓練與優化。透過AWS雲端環境，企業無需自建基礎設施，即可在雲端安全地執行複雜的模擬訓練。顯著降低導入成本後，團隊就能將資源聚焦於創新應用的整合上。
未來工廠已經在學習
認知型機器人、雲端規模的AI基礎設施、真實世界驗證環境，這些要素都在為新一輪工業革命創造條件。這場新工業革命的核心，在於能從物理世界中學習、根據遇到的情境自我改善，並將改善結果即時共享至全球機器人車隊（fleet）的機器系統。
數十年來，製造業的優勢建立在嚴謹的標準、流程紀律、供應鏈效率與資本投入。Physical AI帶來一個全新的面向：企業學習與適應的速度。接入雲端大規模智慧運算的工廠，將不只會生產，而是在每一個任務與事件中持續改善。這種不斷累積的學習能力，將成為衡量營運表現的新標準。
工廠一直是學習、演進與創新的場所。不過長期以來，改善的速度受限於人類將新知識傳播至整個工作團隊的速度。Physical AI將打破這個限制，創造出一個持續循環，讓人類專業與機器智慧相互強化，系統即時擷取並處理資料。一個廠區的創新，能在瞬間部署至全球各地，這種改善速度是幾年前完全難以想像的。
Physical AI的時代才正要開始，而勝負的關鍵，不在於哪家企業擁有最先進的機器人，而在於誰能學習得最快。對台灣製造業而言，這既是挑戰，也是後發先至的契機。當學習速度成為新的競爭力指標，率先建立雲邊合作能力、同步學習系統的企業，將在下一輪工業革命中佔據領先的位置。
本文由謝世衡潤譯。謝世衡目前就職於Amazon Web Services（AWS），擔任台灣解決方案架構部副總經理。其致力於為客戶提供良好的雲端運算體驗，並曾成功協助多家大型企業導入雲端運算技術。擁有超過十八年的資訊科技產業經驗，曾擔任其他外商公司雲端架構師、行銷科技公司技術顧問，以及新創公司營運長等職務。除了雲端運算、數據平台和生成式人工智慧等技術領域，也對半導體雲端應用、零售科技、軟體服務和企業IT營運等領域具有廣泛的知識和經驗。
關於Amazon Web Services
Amazon Web Services始終以客戶至上、加速創新、卓越營運和長期主義為準則。近二十年來，AWS透過推動雲端運算和生成式AI的普及，讓各行各業、不同規模的組織都能便捷地使用這些技術，進而發展成為歷史上成長最快的企業科技服務商之一。全球數百萬客戶都信賴AWS，借助AWS加速創新，推動業務轉型並塑造未來。憑藉業界領先的AI能力和覆蓋全球的基礎設施布局，AWS還助力開發者將創意轉化為現實。欲了解更多關於AWS的資訊，請至：aws.amazon.com。
