亚马逊(AMZN-US)旗下AWS今(20)日指出，制造业的AI革命已经来临，从需求预测到品质检测，制造业者正积极部署生成式AI与Agentic AI解决方案，AI驱动的机器人系统正以惊人的速度从试验阶段迈入企业级量产。当AI不再局限于资料处理，而是走入实体现场，制造业将开始一场新的革命。

Amazon Web Services (AWS)台湾解决方案架构部副总经理谢世衡表示，过去需要数个月校正的需求预测系统，如今能在数周内自主优化；在单一生产线训练的品质检测模型，也能在一夜之间推广至所有厂区使用。

AI创新的机会广阔，但制造业的野心已经不只是「AI能对资料做什么」，而是进一步迈向「AI能在实体世界中做什么」，也就是透过提升生产、组装与制造流程的效率，将AI的效益延伸到更多生产环节。

Physical AI并非现有AI发展的线性延伸，而是一个全新的分支

Physical AI是能在实体空间与人类共同感知、推理、学习与行动的智慧机器人系统。Physical AI之所以具有变革性，在于它超越单一的自动化应用，能进一步创造网路效应，每一台机器人遇到新情境、解决新问题或适应意外变数时所产生的智慧，都能让其他机器变得更加聪明。

连接的机器越多，整个系统进化的速度就越快。这正在重新定义卓越制造的标准：不再单纯以产出或效率衡量，而是取决于一座工厂的学习速度。

AWS认为，人们很容易只将Physical AI视为现有AI能力的自然演进。好像只要把优化供应链、检测零件的模型，稍做工程调整，就能让它在真实世界中运作。然而，这样的假设是错误的。

Physical AI虽然建立在既有的制造资料基础上，却需要一个全新的资料层，公司称为「具身化(embodied)」的三维互动资料，用来记录机器人在即时操作过程中「看到什么」、「感受到什么」、「做了什么」，而这个资料层目前尚未大规模存在。

最初的大型语言模型是在网路上训练而成，资料来自数十亿个已经数位化的网页、免费可用的文本。然而，要训练一台机器人从材料箱中抓取零件、在拥挤的通道中导航，或以毫米级精度组装元件，需要的是「大规模撷取的具身操作资料」，也就是同步记录机器人在真实物理互动中的感知、施力与动作。而这种特定的资料层，没有像网际网路那样大规模的文本可以运用。

目前，这类资料稀少且采集成本高昂，模拟训练情境的效果也有限。即使零件在模拟中与现实中只有微小差异，机器人学到的一切，例如该伸多远、该握多紧、该如何定位，都会产生偏差。这种误差随着执行数千个任务逐渐扩大，问题就会非常明显。

因此，打造Physical AI需要全新且重要的能力：新的模型架构、新的训练方法、新的资料管道(data pipeline)，同时善用既有的制造资料基础作为关键输入。这种具身操作资料，必须从每一次互动、每一项任务、每一个环境逐步建立。

改变一切的回馈循环

谈论Physical AI时，人们常聚焦于机器能做什么，像是举起、导航、组装、递送。然而，真正能带来变革的部分，不在于动作本身，而是在于动作之后发生的事。在真实世界运作的Physical AI机器人，会持续产生大量资料。这些资料回流至云端后，发挥三种作用：优化软体使机器人能力更好、为产品的下一代设计提供决策参考、帮助塑造下一代机器人的硬体与设计。正是这样的机制，让Physical AI不是固定不变的工具，而是会随时间持续进化的系统。

举例来说，一台在生产线上遇到新情境的机器人产生资料，经过云端处理后，能提升其他国家每一台机器人的表现。来自真实环境的表现资料，能反过来驱动工程决策、流程优化与产品设计。网路中每增加一台机器人，就多一个资料来源，能让系统中所有机器同时学习、受益。最初的一百台机器人学习速度缓慢；一千台机器人学习速度会加快；一百万台机器人的学习速度，将是任何孤立系统都望尘莫及的。

这正是透过云端连接的Physical AI所释放的复利效应。工厂能够持续、自动地改善，随着网路中的机器数量增加，改善速度也随之加快。

台湾实践：云边协同降低Physical AI导入门槛

Physical AI透过云端连接与训练的优势，已在台湾产业中逐步落地。威刚(3260-TW)集团子公司威刚智联(ADATA AI)致力于智慧机器人与工业AI系统整合，他们便是采用AWS云端服务，推出「云边协同驱动虚实整合之跨界平台」。透过运行于AWS云端，将真实环境反向建构为高精度的数位孪生(Digital Twins)场景，让自主导航机器人(AMR)能在云端环境中进行大规模的模拟训练，再无缝部署至边缘装置。借由这套「零基础设施改造」的部署流程，不仅省下90%的环境重建时间，机器控制的训练精准度更提升20倍，展现云端模拟训练相较传统实体部署的效率优势。

从另一个角度来说，ADATA AI这套云边协同架构大幅降低导入Physical AI的门槛。过去企业往往要投入高昂的伺服器建置与机房维护成本，才能进行大规模的机器人训练与优化。透过AWS云端环境，企业无需自建基础设施，即可在云端安全地执行复杂的模拟训练。显著降低导入成本后，团队就能将资源聚焦于创新应用的整合上。

未来工厂已经在学习

认知型机器人、云端规模的AI基础设施、真实世界验证环境，这些要素都在为新一轮工业革命创造条件。这场新工业革命的核心，在于能从物理世界中学习、根据遇到的情境自我改善，并将改善结果即时共享至全球机器人车队(fleet)的机器系统。

数十年来，制造业的优势建立在严谨的标准、流程纪律、供应链效率与资本投入。Physical AI带来一个全新的面向：企业学习与适应的速度。接入云端大规模智慧运算的工厂，将不只会生产，而是在每一个任务与事件中持续改善。这种不断累积的学习能力，将成为衡量营运表现的新标准。

工厂一直是学习、演进与创新的场所。不过长期以来，改善的速度受限于人类将新知识传播至整个工作团队的速度。Physical AI将打破这个限制，创造出一个持续循环，让人类专业与机器智慧相互强化，系统即时撷取并处理资料。一个厂区的创新，能在瞬间部署至全球各地，这种改善速度是几年前完全难以想像的。

Physical AI的时代才正要开始，而胜负的关键，不在于哪家企业拥有最先进的机器人，而在于谁能学习得最快。对台湾制造业而言，这既是挑战，也是后发先至的契机。当学习速度成为新的竞争力指标，率先建立云边合作能力、同步学习系统的企业，将在下一轮工业革命中占据领先的位置。