人工智慧（AI）推波助瀾下，機器人也備受矚目。近期不論是全球首富馬斯克、台積電董事長魏哲家，熱門討論議題都離不開機器人。大家都很好奇，為什麼要發展人形機器人？AI與機器人又有什麼關係？最大的門檻是什麼？又有哪些觀察指標？
「目前機器人都還在工廠裡面，但大家希望機器人從工廠裡面走出來。」第一金全球AI機器人及自動化產業基金經理人張銀成直言，以前的機器人，工作場景是要特別去為它量身訂做的，產線可能不是人可以進去的；如此一來，前期的投入金額就比較高。
但其實很多工作、生活場景，可能在辦公室、居家，很難說為了一個機器人，去特別改造。張銀成說，「那就用一個跟我們長得差不多的機器人，去我們可以走路走到的地方、拿東西可以拿到的地方，這就是為什麼要做人形的原因。」現在對人形機器人的期待，不是說像傳統機器人可以把車子舉起來，而是一些繁重或專業的事，可以請它去做。兩者訴求有很大的不同。
AI機器人的三個重大元素
人形機器人可以模仿人類的各種動作，這一部分是相對容易的，畢竟機器人已經發展很久，從協作機器人開始，機器人小型化就一直在走。在硬體的部分，其實門檻並沒有那麼大，最大的還是在於智慧的部分。
「也就是所謂的AI機器人。」張銀成解釋，需要傳統機器人工作的時候，必須給予很明確的指令，要前進幾公尺幾公分、夾爪需要往下幾公分，要夾多重的東西？但AI機器人必須很聰明，告訴它去把地上掃一掃，它就可以知道地上是指哪邊？哪些污垢就要去找相對應的清理工具。「這就是一連串所謂智慧的展現，與AI最有關聯的。」
如果再把AI展開來看，AI最主要的三個重大元素，第一需要有大量的資料，第二需要處理這些資料就需要有算力，第三當然需要很聰明的模型。
張銀成指出，這當中最大的門檻，是資料的取得。不同於ChatGPT，所需要的文字或是影像，網路上有一大堆；但機器人所需要的，是與周遭環境3D場景互動的這些資料，就很少很少了。
也就是說，在把AI這個技術，要從所謂的虛擬軟體世界，帶到實體世界的時候，很大的門檻就是在資料的取得。目前走得最快、而且最有機會可以當作是AI機器人發展前景觀察指標的，就是特斯拉的自動駕駛發展進度。
「可以把電動車想成，就是一個四個輪子的機器人，而且它又更簡單一點，因為車子只有在平面上開，還不會飛起來。」為什麼要觀察特斯拉的自動駕駛呢？放遠全球，目前可以幫自動駕駛去大規模收集資料的，走在最前面最多的就是特斯拉。所有車主，邊開車邊幫特斯拉收集資料。
張銀成觀察，即使特斯拉自動駕駛已經有長遠的進步，但距離真正理想中的、所謂全自動駕駛，還有一段時間。何況今天還沒有哪一家公司，包括特斯拉，有大規模的機器人部署在各式各樣的場景，來幫忙收集資料。「國內外對於AI人形機器人有很大的憧憬與想像，的確發展是非常快，也很有前景，但需要給它多一點時間。」
至於有哪些觀察指標？剛才提到，AI有三個重大的支柱，包括它的算力、資料以及演算法。第一個最基礎的當然是算力，基本上，目前全世界特別在AI訓練這方面，90%以上都是用輝達（NVIDIA） GPU，所以NVIDIA的資料中心營收數字就是一個很重要的指標，往後幾年還是會保持非常領先、很難看得到車尾燈。
第二點，因為NVIDIA GPU不是一般人或一般企業可以負擔的，一張H100就要3萬美元，如果要建個一萬張集群的就要3億美元，10萬張就30億美元，一般會用租賃的方式，特別是對一些中小企業來說，可能就跟所謂的雲計算公司直接租賃這些算力，像微軟的Azure，或者是Amazon AWS，或者是Google Cloud。所以，另外一個重要的指標，就是前幾大的這些雲計算公司、公用雲服務公司，雲服務業務的營收也是重要的觀察指標。
基礎模型發展速度趨緩，各式應用崛起
長期觀察美國市場，張銀成認為，目前畢竟需要大量的算力、資料，以及頂尖的科學家和工程師去設計優化模型，一般來說大概都要10億、20億美元以上營收的公司，比較有機會去做這些事情。
此外，畢竟AI這兩個字母已經很夯，很多公司就算本身業務可能跟AI差了十萬八千里，但就會想要把公司名稱或產品或營收掛上AI，還是必須要仔細檢視是否真的在發展AI，或者只是硬扯上邊。
比較具體的，可能還是在偏向軟體，或是可能看起來是一個硬體產品，但它實質上是做軟體的；例如機器視覺的檢測，或許是一個鏡頭，或是一個聲音，但它其實就是收集資料，然後用AI去做判斷，這種也會有機會受惠。
張銀成指出，基礎模型進步的速度不會像三、五年前那麼快，但是，會從研發端走向應用端，也是在商品化這個階段會投入更多的心力。以前可能更會著重在上游，包括半導體製造、晶片設計，目前可能要慢慢的往中下游去走，例如像資料庫，或者感測器，以及各式各樣的應用了。
「現在不管機器人有沒有營收貢獻度，大家一定會開始積極投入，縱使對公司有明顯營收或獲利貢獻，還需要一段很長的時間才能展現，但初期投入還是會有相當的前景。」張銀成認為，在AI應用，包括自動駕駛，落地實現的速度會比之前更快，其他還有影像、語音處理，以及教育、醫藥等；或市場較小但可以更快落地的影視娛樂、遊戲領域。
延伸閱讀：