機器人規格尚未定型,台廠如何搶得話語權?鴻海、華碩、Google 談場域新機會

兩台不同品牌的機器人在一家醫療業者的走道上卡住,因為彼此不會溝通。這是 Google Cloud AI 解決方案資深協理李浩賓於 10/31,在「台灣在 AI 時代的新經濟定位」座談中分享的海外案例。這場座談屬於 2026 鴻海科技日週六場的「台灣 AI 機器人產業開發大會」(由鴻海科技集團與《科技報橘》合辦),由科技報橘社長戴季全主持,與談的還有鴻海科技集團機器人事業處總經理郭柳宗,以及華碩電腦實體 AI 解決方案-人形機器人事業部總經理王恆聰。

戴季全在座談後段拋出一個對比:PC 產業發展時,美國客戶開出規格,台廠照規格生產,比的是良率、速度與規模;如今機器人的規格,似乎得靠台灣自己定義。沒有客戶先把規格開好,台廠該從哪裡切入,又要怎麼把機器人複製到更多場域?

先攻數千條 SMT 線這類「共通場域」:鴻海為何認為量起來,供應鏈才會跟上?

郭柳宗回答戴季全的第一個提問時直言,台灣的機器人供應鏈「還不見得那麼的成熟」;他提到,如同鴻海董事長劉揚偉前一天所說,鴻海集團希望在垂直整合上有所貢獻。他也看到機會:美國基於政治因素,逐漸要求機器人零組件不能來自紅色供應鏈;而過去製造業因為成本便宜移往中國,如果自動化機器人有機會在工業場景落地,他認為製造業也有機會慢慢移回台灣。戴季全補充,過去製造業往勞動成本低的地區移動,但人的薪資會越來越高;機器人則相反,折舊攤提會隨著使用越來越低,模型與技能也會越來越成熟。

戴季全接著問,鴻海如何從工廠需求決定開發方向。郭柳宗指出,工廠的工位與任務五花八門,如果挑的是共通性很低的工位,訓練完之後「可能只解決了這一個工站的任務而已」。他表示,鴻海有數千條 SMT(表面黏著技術,Surface Mount Technology)電子組裝產線,產線加上 SMT 倉庫的任務「極其類似」,只要在一兩個場域把這類共通任務訓練好,機器人就能大量部署;部署後,現場機器人實際工作的資料還能再回饋到訓練中,「這個才會造成我真正實際的效益」。

郭柳宗透露,鴻海現階段已挑出幾個共通性大的場域,「一個一個在攻克當中」。被問到明年最迫切想做的事,他說:「如果沒有經濟規模,很多事都是空談。」他指出,目前機器人的量由中國領先,台灣還在後面追;他相信,只要台灣把量追上,供應鏈就會跟著過來。

客戶要的是整套方案:華碩做「技能包」、Google 提「三個標準+兩個客製」,降低複製成本

製造端以量求規模,服務端的難題則在於複製。戴季全問王恆聰,除了機器人本體的硬體製造,台灣在應用服務與解決方案上還有哪些機會。王恆聰以華碩在醫院場域的經驗指出,客戶「不是只是需要一個機器人,而是他是需要一個能夠解決問題的方案」:病人從掛號、門診、住院、衛教到出院後的居家照護,流程都要串起來,單靠一台機器人做不到。因此華碩發展的是平台,智慧指揮中樞(Maestro)除了協調多台機器人,也要串接 AI Agent(AI 代理,能自主執行任務的 AI 程式)與醫院的資訊平台。王恆聰認為,未來「機器人的價值不是在硬體」,有可能在於它能解決多少問題,產業也會從以硬體為中心,逐漸轉向以任務、場域與服務為中心。

談到規模化,王恆聰說,第一個場域只能證明技術能力,要到第二、第三甚至第四個場域,才算可以複製;但醫療場域常是單點式導入,到下一個單點又要重做,「老實講這個成本你就降不下去」。他的解法是把帶路、導覽、拿取物品等基本能力平台化,串接醫院資訊系統這類場域特殊需求,則做成像擴充包一樣的「技能包」放在雲端,機器人進入新場域時下載使用,再與基礎能力堆疊。

Google 則從系統之間的溝通切入。李浩賓說明,開頭那家海外醫療業客戶因為每年採購、預算不同,先後買了 A 牌掃地機器人和 B 牌配藥機器人,結果兩台「卡在走道打架」。他認為,規模化可以掌握「三個標準跟兩個客製」。三個標準是協定(protocol),讓地端資料上雲、讓機器人彼此溝通;彈性,同一個 Agent、同一個任務能搭在大型或小型機器人上;以及資安,用同一套標準追蹤 Agent 與機器人的身分。兩個客製則是產業別與人機介面(UI)。

戴季全問李浩賓,實際場域的需求會對 AI 模型平台與機器人系統提出哪些新要求。李浩賓歸納為「從虛擬的設計的訓練,到大小腦的分工,跟事後的稽核」。第一步是虛擬訓練,他以 Google 的世界模型(World Model)Genie 4 為例,形容它「懂得重力跟摩擦力」等物理特性,機器人上線前可以先在虛擬環境中訓練上萬次。他也開玩笑說,機器人如果在工廠撞壞治具,「不是機器人要寫檢討報告,是工程師要寫檢討報告」。

其次是大小模型分工:實體 AI(Physical AI)常需要很小的模型、很快的反應,「不是一定要用最大的模型來處理最小的事情」,因此大、小模型與離線模型會混合使用。最後是事後稽核,李浩賓表示,所有 Agent 不論在雲端或地端做的事,「都必須要能夠被追蹤」,每個 Agent、每台機器人上的大腦都會有一個 ID,處理流程都要能追溯。

不再打「台灣盃」:台廠如何用場域與產業知識爭取話語權?

規模化之外,機器人產業還牽涉分工。郭柳宗指出,過去台廠在客戶定好的規格下拚命競爭,「大家打的可能不是世界盃,是台灣盃」;但在機器人產業,目前還沒有歐美廠商居於領先地位,台灣廠商若能摒棄這種成見,針對某些領域一起合作攻克,「是有可能有機會」,但這是「知易行難」,可能需要政府單位或工研院這類專家領頭。

王恆聰也指出,機器人相當複雜,「大概沒有一家公司能夠從頭做到尾」,連一個關節都可能由兩三家廠商合作。他認為,現在該想的是「如何降低這個合作的 gap」,從中找出標準;而標準要回到場域的實際需求,否則各家機器人廠各自開規格,供應鏈也會很頭痛。

李浩賓則從國際視角看台灣的機會。根據 Google 台灣官方部落格,台灣是 Google 在總部以外最大的 AI 基礎建設硬體研發中心;李浩賓認為,有了聰明的大腦與好的機器人硬體,還需要場域,而這正是台灣先天具備、卻較少被提到的優勢。他指出,台灣有嚴苛的半導體、精密製造與醫療場域,可以共同制定機器人在測試、研發與評判上的標準。

座談最後,李浩賓也建議,把老師傅、護理師與作業員的經驗知識標準化,建立產業知識庫,「讓我們有這個話語權」,在機器人標準的共同制定上占有一席之地。

被問到現在最迫切的事,王恆聰認為是選擇戰場:客戶無法接受單價、對服務需求也不急迫的場域,不適合優先投入。戴季全以折毛巾、折衣服為例,追問是否該挑自己擅長的場域;王恆聰回應,ROI 算出來之後,最終還是要看客戶買不買單:「只要客戶不買單,你機器人做得再好都沒有用」。

*圖片來源:《TechOrange》拍攝