實體 AI 進入落地期 機器人「身體」成新戰場：半導體、記憶體與感測器扮演要角
Celine
AI 從雲端走向真實世界 「實體 AI」成下一波科技焦點
人工智慧（AI）快速滲透日常生活，發展也逐漸從單純問答、內容生成，進一步走向能夠感知環境、分析資訊並採取行動的「實體 AI（Physical AI）」。相較於過去主要存在於資料中心、手機及 PC 中的 AI，實體 AI 必須透過機器人、無人載具等實體設備與真實世界互動，因此對運算、能源效率及感測技術提出更高要求。
目前常見的送餐機器人雖然能透過攝影機、光達（LiDAR）及超音波感測器辨識環境，但多半仍依照預先設定的演算法運作，與能自主學習、判斷及解決問題的 AI 機器人仍存在差距。如何讓機器同時具備「AI 的大腦」與「能行動的身體」，成為實體 AI 發展的重要課題。
高效能 AI 晶片與低功耗成兩難 記憶體需求同步升溫
實體 AI 最大的挑戰之一，在於「越聰明、越耗電」。要提升 AI 模型的判斷能力，需要更高效能的半導體，但運算能力提升也意味著功耗增加，對依靠電池運作的機器人而言，將直接壓縮續航時間。
因此，AI 晶片、能源管理、機器人本體設計及智慧感測器必須同步升級。例如自主移動機器人（AMR）與人形機器人若能共用部分軟硬體平台，可降低開發時間與成本。
以英特爾（Intel）為例，透過 Core Ultra 處理器、FPGA 及 OpenVINO 邊緣 AI 平台，支援製造、物流、醫療及零售等領域的機器人開發。由於採用熟悉的 x86 架構，也可降低企業導入新開發環境的門檻。
AI 不能只靠雲端 DRAM、NAND 成邊緣運算重要支撐
對需要即時反應的機器人而言，將所有資料送往雲端再回傳結果，可能增加延遲及通訊依賴。因此，越來越多 AI 運算必須直接在機器人本體，也就是「邊緣端」完成。
這也使高速度、高可靠度的 DRAM 及 NAND 需求受到重視。尤其機器人需要同時處理影像、聲音、位置及環境資訊，大量資料必須即時儲存與運算，記憶體的重要性因此進一步提升。
從 CPU、GPU 競賽走向感測器競賽 「智慧感測」成新關鍵
實體 AI 另一項核心技術是感測器。過去 AI 競爭多集中在 CPU、GPU 運算能力，但對機器人而言，即使運算能力再強，如果無法精準取得周遭環境資訊，也難以做出正確判斷。
目前感測技術涵蓋動作、磁場、壓力及聲音等不同類型，某種程度上相當於賦予機器「視覺、聽覺與觸覺」。更進一步的智慧感測技術，甚至能在感測器內部直接進行資料分析與 AI 推論，完成手勢辨識、異常偵測等工作，降低後端運算負擔。
從自駕技術延伸至機器人 半導體供應鏈迎新商機
由於機器人與汽車同樣涉及感測、運動控制、運算及安全管理，部分自動駕駛技術也開始延伸至實體 AI 領域。瑞薩電子推出的 365 平台，即涵蓋晶片、電路、PCB 設計到軟體開發，可協助開發者整合馬達控制、資料處理、電源管理及通訊介面。
產業調查也顯示，實體 AI 距離大規模導入並不遙遠。針對全球大型企業的調查指出，約 40％受訪企業預期在 2030 年前打造人機協作的工作環境；另有 40％認為技術與人才不足是導入瓶頸，55％則認為安全疑慮造成導入延遲。
實體 AI 應用擴及機器人、無人機與航太 半導體成核心基礎
隨著 AI 從雲端進入實體世界，應用範圍不再局限於人形機器人，也可能延伸至工業機器人、無人機、國防及航太等領域。未來競爭除了 AI 模型本身，也將轉向「運算＋記憶體＋感測器＋能源管理＋運動控制」的整體系統能力。
從智慧型手機、PC 到自動駕駛車，AI 應用正尋找下一個成長場景，而實體 AI 讓半導體產業有機會從「AI 大腦」進一步延伸至「AI 身體」，也將成為未來機器人產業與半導體供應鏈的重要發展方向。
