AI 機器人為何卡在落地？華碩機器人暨智慧應用總經理王恒聰揭規模化的三個決勝點
專訪：戴季全
撰稿：李昀蔚
過去一年，從 Agentic AI 到 Robotic AI ，技術發展飛快成長，市場討論的焦點也從「機器人做不做得出來」，轉向「機器人可以做什麼」，以及可以如何加速商業化與規模化的進程。
本集《全新一週》，邀請到智慧機器人應用 SIG（Special Interest Group）召集人、華碩機器人暨智慧應用總經理王恒聰，深入剖析 AI 機器人產業現況，他也強調現在的決勝點已非單純的硬體製造，而在於能否解決「人力短缺」的剛需，並成功從概念驗證（POC）跨越到規模化應用。
機器人卡關的是從 POC 走到規模化的過程
「機器人這東西其實相對複雜，不管從軟體、硬體再到 AI ，甚至法規、資安到落地，橫跨的產業其實相當多，」王恒聰分享，最初成立 SIG 的宗旨，就是希望從零組件廠商到系統，以及場域運用、驗證測試、產業落地再到最後的資安，可以有一個跨領域的工作小組，讓 POC 的案子能夠走向規模化。
王恒聰觀察，目前台灣多數機器人應用場域，仍停留在「點狀應用」。例如一個醫學中心可能同時導入 3 到 5 家不同廠商的機器人，導致第一線醫護人員必須操作多個不同的後台，這也造成一個矛盾現象：原本導入機器人是為了節省人力，結果因為系統不互通，「人反而要花時間去照顧機器人，排解機器人的問題」，進而失去自動化的初衷。
機器人的殺手級應用，源自結構性缺工
「以現在機器人這個行業來看，有三個關鍵的因素，一個是技術，一個是成本，一個是應用場域，」王恒聰指出，近年來與過去最大的不同，在於醫療場域已開始出現機器人成為「常態」的情況，這背後最核心的驅動力，其實是共通性的人力缺乏問題。
王恒聰分析，當應用場域面臨結構性缺工，機器人便成為一種無可迴避的硬需求。另一方面，生成式 AI 與大語言模型的快速發展，也徹底改變服務型機器人的定義與期待：過去的服務型機器人多半是任務導向、以 rule-based 為核心，所有行為都必須事先規劃，一旦情境未被定義，機器人便難以妥善應對。然而，隨著多模態與視覺語言模型成熟，機器人對環境的理解與思考能力顯著提升，角色也從單純執行任務的機器，轉變為場域中的服務夥伴。
也正因為機器人同時具備實體與 AI 認知能力的提升，王恒聰認為，在這樣的背景下，智慧機器人將有機會成為 AI 落地後的關鍵載具，「機器人跟過去那些關鍵載具不一樣的點是，第一個它是實體存在的東西，第二個它是可以長期陪伴你去做這件事情的載具，長期陪伴的關鍵，就在於真的能夠長期使用，還有能不能夠把這個東西用得好、用得久、用得穩，」 王恒聰說。
台灣機器人產業的真正優勢：不是單一硬體，而是系統整合與品質
談到台灣在這一波機器人浪潮的產業機會，王恒聰指出，台灣在晶片與算力等硬體供應鏈上具備長期累積的優勢，但機器人相較於手機或電腦，多了更多需要長時間運作的動件，對安全性與品質的要求也更高，不過這也正是台灣 ICT 產業真正擅長的領域。
機器人不只是單一硬體產品，更是一個高度仰賴系統整合的工程，必須同時整合硬體製造、軟體控制與 AI 技術，才能穩定運作。正因如此，過去台灣習慣依循客戶定義好的規格進行代工與最佳化的模式，在機器人領域已不適用。
王恒聰進一步以華碩過去開發 Zenbo 機器人的經驗為例，說明如果做出一台機器人，卻不知道要用在哪裡，那麼技術再高竿也無法產生價值，「你一定要先從要解決什麼痛點，再去想應用，再去想搭配的技術跟這些成本是不是有達到甜蜜點，最後規模是不是可以被放大 ，」王恒聰強調。
「我們怎麼挑 Domain 這件事情，我覺得關鍵因素還是回到 Domain 這個應用場域的需求，」說起為什麼在眾多產業領域中，會優先選擇醫療場域深耕，王恒聰指出，醫療與長照面臨的是全球性的人力缺乏問題，是最明確且迫切的剛性需求，加上台灣擁有高密度的醫療院所與成熟流程，成為極佳的實證場域。更進一步，只要能在台灣把醫療場域做好，累積足夠的 Domain Know-how，便具備將解決方案輸出到歐美與東南亞市場的條件。
「我們現在開始，不管是醫療，甚至在長照、服務業、工廠，我覺得都是未來垂直領域去做比較好的點，」王恒聰強調，無論是在哪個場域，最終還是回到一樣的問題，就是場域應用一定要定義清楚，這才是真正能否突圍市場的關鍵。