NVIDIA、鴻海、新代、研華齊聚 AI 機器人產業論壇，共同解析 Physical AI 奇點爆發時代
「過去一條產線通常需要 30 至 40 人操作，但在導入 AI 與自動化技術後，如今僅需約 5 人即可完成。」 在近日（4/14）由 TechOrange 科技報橘、NVIDIA、鴻海科技集團共同舉辦的「AI 機器人產業論壇」中，科技報橘社長戴季全引用鴻海董事長劉揚偉日前於美國國會山莊與矽谷論壇分享的實戰數據，顯示 AI 機器人正以極快的進化速度實際在智慧工廠運作。
隨著 AI 加速跨越虛擬與現實的界線，NVIDIA、鴻海科技集團、新代科技與研華科技等機器人生態圈產業專家，也同步分享如何透過數位孿生、人形機器人與邊緣 AI 等技術，將傳統產線轉化為具備自我診斷能力與高度韌性的 AI 工廠，逐步建構具備高度生產適應力的智慧生態系。
NVIDIA Cosmos 讓機器人學習技能，應用到不同佈局的真實場景
機器人要具備智慧，資料收集與訓練是最大的瓶頸。NVIDIA 台灣新創生態系暨機器人開發者關係負責人李昇達以「World Model 如何定義 Physical AI 新標準」為題，分享訓練機器人所面臨的兩大困境。第一是數量龐大的「網路規模資料」多為故事講述或訊息分享，並非為機器人訓練錄製，難以直接應用；其次，由人類操作、需要動態擷取的實體機器人資料，常因設備與環境成本高昂難以大規模收集。
為了破解此僵局，業界提出了全新的解決方案，利用 NVIDIA Cosmos 先從網路規模資料中學習大量真實世界訊息，並結合實體機器人感官資料進行資料合成，以這樣的方式讓機器人生成多元場景與行為，將廣泛的世界訊息轉化為可供機器人深度學習的合成資料，讓機器人能夠先在模擬環境中進行訓練，並透過 Isaac 模擬平台以及 Newton 物理引擎輔助，學習物理法則，例如掌握抓取蘋果或玻璃杯的力度，在模擬環境中訓練機器人，就能在風險成本可控的狀態下反覆進行。
另外，Cosmos 平台核心價值之一在於「跨場景轉移」的能力，讓機器人學習的技能，可以被複製並應用到不同佈局的真實場景中執行，確保機器人在各種看似相近、但部分環境條件不同的場景中，依然能夠運作並完成任務，「就像讓機器人在 A 廚房學會切菜，但可以直接讓機器人轉移到 B 廚房，不用重新學習。」希望在未來協助開發者在不同的應用領域完成機器人開發，加速跨越虛擬與現實的界線。
鴻海科技集團 運用數位孿生與機器人技術建構 AI 原生工廠
鴻海科技集團機器人事業處總經理郭柳宗以「Building and Scaling AI Factories With Digital Twins and Robotics」為題，解析如何運用數位孿生與機器人技術，建構與規模化 AI 原生工廠。郭柳宗指出，鴻海目前結合數位孿生與機器人技術，在美國打造一座協助 NVIDIA 生產 GPU 伺服器的製造基地，這座 AI 工廠轉型分為四個關鍵階段。
首先是建立數位模型，也就是打造數位孿生環境，將廠房結構與各式生產設備轉化為標準的 3D 數位檔案；接著進入虛擬模擬階段，透過虛擬環境讓團隊進行熱流模擬、AGV/AMR路徑規劃與瓶頸測試，避免在真實工廠中試錯所帶來的龐大成本。
最後兩個步驟，是將實體工廠的物聯網數據、標準作業程序與製造營運管理系統全面整合，並導入 AI 分析，讓工廠具備透明度和即時反應能力、在設備故障前主動提供排解建議。透過虛實整合的 AI 工廠，讓製造流程不再僅是硬體的組裝，而是轉化為可即時調度、快速複製且具備自我診斷能力的智慧生態系，實現敏捷生產與規模化轉型。
「過去工廠用整套的自動化設備可能面臨整套報廢的命運，但人型機器人不會受到影響，」郭柳宗表示，AI 工廠導入人型機器人最大的優勢在於具備「柔性」高度生產適應力，機器人部署到產線後，只需為機器人換上合適的手部工具，並從邊緣伺服器即時下載對應工位所需的「技能模型」就能直接切換任務上工。這種高度彈性的運作機制，不僅打破了傳統自動化設備的極限，更讓智慧工廠能從容應對市場需求快速變化。
新代科技 打造從單機自動化、智慧製造機器人到 AI 智慧工廠
「人才寧願去跑外送，也不願意進入具有潛在危險的環境工作，」新代科技機器人產品經理陳大倫在這場 AI 機器人產業論壇首先點出目前製造業面臨的痛點。
為了應對勞動力短缺與傳統工廠轉型，陳大倫以「AI x 智慧製造機器人深度融合」為題，提出傳統工廠階段性升級的路徑：「讓設備從沒有自動化，到單機自動化，最後建構成一個智慧製造單元。」透過機械手臂結合感測器、視覺系統與 MES（製造執行系統），系統即可實現生產流程的自動調度與快速換線。
「過去需要耗費大量時間調教參數，透過 AI 輔助後，將過去需要花費 3 ~ 4 天的作業時間縮減至 3 ~ 4 個小時，」 陳大倫表示，結合大型語言模型後，使用者能透過無程式碼的方式，自動生成專屬生產流程與工業介面，降低使用門檻。在系統方面，AI 能根據加工設備的運作時間，動態調整機械手臂的移動速度，在維持效率的同時達到節能與減少耗損的平衡，「新代想要打造的不只是一台設備的智慧化，而是從單機智慧 、單元智慧到整廠的智慧工廠。」
研華科技 邊緣 AI 賦能 MMR ，大幅提升生產進度
研華科技智能系統事業群協理徐培修以「Edge AI 驅動工業自動化新典範」為題，首先點出製造業客戶最核心的訴求：為了應對多變的市場訂單，柔性製造與供應鏈韌性變得至關重要。
針對機器人在工廠的實際落地，徐培修指出，「台灣無塵室天花板的搬運空間已趨近飽和，越來越多具備上下料與移動能力的 MMR 開始在地面上運行。」為強化 MMR 的作業能力，研華透過優化控制器將 CPU 與 GPU 算力結合，大幅提升 MMR 的控制精準度。「假設精確度可以從 1 公分縮減到 1 毫米，從底座移動到機械手臂的整個生產進度將會全面提升，」徐培修表示，產線上邊緣控制器的即時反應速度將是決定生產品質的關鍵之一。
研華科技捕捉了製造現場從「空間飽和」轉向「地面移動」的趨勢，透過 Edge AI 強化了邊緣端的運算實力。研華將持續深耕底層硬體與控制技術，攜手全球軟硬體夥伴，共同驅動產業邁向智慧製造的願景。