當工廠開始「思考」：物理AI能否重塑製造業秩序？

一條生產線上，沒有人下達指令，機器卻已開始自行調整。這不是科幻小說的場景，而是 Microsoft 與 NVIDIA 正在向全球製造業推銷的未來。

2026年3月，兩家美國科技巨頭在 NVIDIA GTC 2026 上聯合展示「物理AI」（Physical AI）系統——一種能在真實物理環境中感知、推理並採取行動的人工智慧架構。這不是又一個效率優化工具，而是一套試圖重新定義人與機器分工的工業系統。對於深度嵌入全球製造業供應鏈的華人世界而言，這個消息值得認真審視。

自動化的下一步，不只是「更快的機器」

過去幾十年，製造業的自動化邏輯很簡單：把重複性工作交給機器，降低成本，穩定品質。這個邏輯確實奏效了。

但它正在碰壁。

今天的製造現場面對的挑戰，遠比「重複作業」複雜得多。供應鏈的不確定性、需求的快速波動、勞動力的結構性短缺，以及「更快創新、更高品質、更低風險」的多重壓力同時存在。傳統自動化擅長在穩定環境中重複執行，卻難以應對動態變化。

物理AI試圖填補這個缺口。它讓AI系統能夠感知工廠的真實狀態——機台運轉、材料變化、環境波動——即時做出判斷，並自主執行調整。人類設定目標與意圖，AI負責執行、學習與優化。這是一種新的人機協作模式，而非單純的人力替代。

NVIDIA 提供底層算力基礎設施、模擬庫與機器人框架；Microsoft 則提供企業級雲端平台與數據治理能力。兩者結合，目標是讓製造商從「試點實驗」跨越到「規模化生產部署」。

為什麼這對亞洲製造業是個關鍵時刻

全球製造業的重心，很大程度上仍在亞洲。台灣的半導體與精密製造、東南亞的組裝產業、香港作為供應鏈樞紐的角色——這些都將直接受到物理AI普及的影響。

廣告

廣告合作

[email protected]

廣告

以台灣為例，台積電、鴻海 等企業早已在探索AI輔助製造的可能性。物理AI的成熟，可能加速這些企業在自動化層面的投資決策。但這也帶來一個更深層的問題：當核心AI基礎設施由美國企業主導，亞洲製造商在技術棧上的自主性將如何保障？

在地緣政治緊張的背景下，這個問題尤為敏感。NVIDIA 的晶片出口管制問題近年來持續發酵，中國大陸的製造企業在取得最先進AI算力方面已面臨限制。物理AI的普及，可能進一步拉大中國大陸製造業與其他地區在技術能力上的差距——或者，也可能倒逼中國加速本土替代方案的開發。

華為、寒武紀 等中國AI晶片企業，以及工業機器人領域的本土廠商，正面臨一個雙重壓力：既要在技術上追趕，又要在政策環境收緊的情況下維持競爭力。

「信任」才是真正的門檻

Microsoft與NVIDIA在發表內容中反覆強調一個詞：信任（Trust）。

這不是行銷語言。在工廠環境中部署能夠自主行動的AI系統，意味著這些系統將影響安全關鍵流程——一個判斷錯誤可能導致設備損壞、工傷事故，甚至更嚴重的後果。因此，AI系統必須是可觀測的、可審計的、符合法規的。治理框架不能是事後補貼，必須從設計之初就內建其中。

對於亞洲製造商而言，「信任」還有另一層含義：這套系統的數據流向哪裡？工廠的生產數據、工藝參數、供應鏈資訊，是否會在雲端平台上被第三方存取？數據主權的問題，在不同監管環境下的答案可能截然不同。

台灣、新加坡、日本等地的製造商，在採用美國科技平台時，通常有較為成熟的法律框架可以依循。但對於在東南亞運營的中小型製造商，或是在數據跨境流動規範尚不明確的市場中運作的企業，這些問題仍是懸而未決的挑戰。

人的角色：被取代，還是被賦能？

兩家公司都強調，物理AI的設計原則是「人類主導、AI執行」。人設定意圖，AI負責執行與優化，人保留最終判斷與監督權。

這個表述在技術層面是清晰的。但在社會層面，它的意義更為複雜。

製造業是全球數億人的就業基礎，在東南亞、南亞及部分東亞地區尤為如此。物理AI的規模化，即便不是直接取代工人，也將深刻改變對技能的需求。能夠與AI協作、理解系統邏輯、進行例外處理的工人，將比純粹執行重複任務的工人更具價值。這意味著職業培訓體系、教育政策，乃至社會安全網，都需要同步調整。

問題不在於技術本身是否「友善」，而在於轉型的速度是否給了社會足夠的適應時間。