實體AI商業落地困難重重 僅3%企業廣泛整合至營運
- 莊衍松／台北
-
勤業眾信聯合會計師事務所25日發布《Physical AI加速發展的關鍵時刻》報告，內容指出，目前僅3%的企業將實體AI（Physical AI）廣泛整合至營運、5%認為已產生轉型影響，4成企業（41%）則預期三年內將面臨轉型衝擊。這段「高期待、低整合」的落差，反映出Physical AI邁向商業落地的真實處境。
台灣的AI戰場從晶片延伸到實體場域，政策與資本已就位，然而企業端的整合速度卻截然不同。勤業眾信能源、資源與工業產業負責人溫紹群指出，Physical AI的戰場已從「技術可行性」，轉向「實體場域的營運價值落地」。尤其在半導體、汽車及精密製造等高產值、高製程複雜度的場域，機器人若結合感知、AI決策與數位分身（Digital Twin）模擬，將從傳統固定設備，升級為具應變力的智慧系統。
溫紹群表示，台灣的關鍵競爭力，不在於與科技巨頭比拚模型，而是能否整合OT資料、機器人系統、邊緣AI（Edge AI）、場域驗證及治理要求，將單一應用轉化為可跨產線、跨廠區複製的解決方案。
國際機器人聯盟（IFR）《World Robotics 2025》報告顯示，台灣製造業機器人密度達每萬名員工302台，位居全球前十，遠高於亞洲平均的131台。但「採用能力」不等於「價值取得能力」。用得多，證明台灣有扎實的應用基礎，但能否進一步掌握軟硬體平台整合與解決方案輸出，是另一道重要課題。
會產生落差，主要出在整合層，Physical AI橫跨模擬平台、感測系統、機械結構到運算控制，真正的挑戰不是單項技術是否成熟，而是能否在實際產線中協同運作。
根據勤業眾信的報告，企業最大的Physical AI導入障礙以成本與資源需求（佔41%）居首，其次為難以辨識合適應用場景（佔36%）、人才與技能缺口（佔33%）、技術成熟度與資料可用性不足則佔31%。
溫紹群認為，企業缺乏的是同時理解營運現場與數據科學的跨域專業，若缺乏此類人才，Physical AI只能停在技術展示。但價值實現有其順序，企業應先從製造核心著手，改善產能、良率與設備利用率；接著將智慧決策延伸至供應鏈與端到端管理；當設備可程式化、流程標準化之後，才有條件發展「工廠即服務」（Factory as a Service，FaaS）與「營運即服務」（Operations as a Service，OaaS）。
勤業眾信科技與轉型服務副總經理白哲豪指出，Physical AI的治理關鍵，在於導入之初即劃定決策分工。讓AI專注於場景感知、任務理解與動作策略等非結構化的工作；而即時控制、功能安全與關鍵決策，則保留在確定性、可驗證、可稽核的程式邏輯控制或人員監督之下執行。
白哲豪表示，相較於企業IT系統的資料錯誤處理，Physical AI一旦失控可能直接形成環境、公共及人員安全等事故發生，因此欲導入Physical AI的產品，應從產品安全設計開始，納入新興科技風險管理制度，從產品設計初期發現風險並從根本上根除，而非事後補救。
責任編輯：蔡雨婷
