「把人力拿去做更有效的使用，而不是讓 AI 把這些人力取代掉，透過 AI 的協助可以讓人力去做更有價值的工作，」鴻海科技集團智慧製造平台處長郭錦斌在近日（4/28）由 TechOrange 科技報橘舉辦的「AI 智慧大工廠論壇台南場」，表示 AI 的初衷是讓人力發揮更大的價值，而非取代人類。
從 CNC 到醫療產業，破解場域三大難題
郭錦斌首先歸納出目前工業與醫療場域面臨的三大難題。首先是 CNC 車間的勞動力轉型挑戰，由於 CNC 機台數量龐大且工序繁複，長時間高強度的重複性作業導致缺工問題日益嚴重。引用天下雜誌的報導，「以鴻海深圳廠為例，原本需由 80 多位人力操作的產線，現計畫透過機器人取代 8 至 9 成的人力，藉此實現產線 24 小時不間斷運行的最高效益。」
其次是 HHTD25 AI 智慧醫療生態圈論壇提到，護理產業的資源瓶頸，根據國際護理協會 2025 年的調查數據，全球護理人力缺口高達 590 萬人，其中超過 40% 的精力都消耗在重複性的護理工作與物資搬運上，壓縮高品質醫療照護的空間。
最後則是手機精密組裝領域的技術瓶頸，過去單純依靠人工組裝容易遭遇物理限制，而傳統機器手臂在面對螺絲孔被管線遮擋，或產線需頻繁切換產品型號等情境時，需要耗費極高的人工成本進行測試與調校。
鴻海與 NVIDIA 聯手破解 Physical AI 瓶頸
「機器人已進駐工廠，但目前還不夠聰明，」郭錦斌指出，儘管各產業已逐步導入機器人協作，但現階段「智力」仍顯不足，需依賴大量人力示教，同時面對 Physical AI 數據稀缺、場域適應成本高、懂 AI 的複合人才稀缺以及如何符合安全合規等現實挑戰。
為破解數據瓶頸，並讓機器人真正具備大腦，鴻海與 NVIDIA 透過數位孿生及遙操數據採集技術建構虛擬練功場。首先將實體場域掃描匯入 NVIDIA Omniverse 進行 3D 建模，並於 Isaac Sim 仿真環境中進行模擬，讓機器人在零風險環境下利用 GR00T VLA 模型進行強化學習，接著最關鍵的一步在於透過 GR00T Teleop 將人類遙控操作的經驗轉換為訓練數據，透過工程師進行「遙操」示範，教導機器人如何避開障礙物、抓取特殊形狀的物件，將人類的經驗轉換為機器的訓練數據。最後當這些機器人在虛擬環境中經歷試錯與優化後，才會透過 OTA 技術同步部署至實體的工廠設備上，協助製造業者在精密組裝換線調校上，讓原本耗時 3 個月的過程，降低至 2~3 週，提升 OEE 整體設備效率。
隨著技術逐步落地，鴻海進一步將 Physical AI 的應用歸納為三個進化等級。初級應用聚焦於「簡單且固定」的場景，例如自走車（AGV）或自動上下料系統，透過 AI 自動排程與路徑優化，穩定提升15 %~20 % 的作業效率。中階應用則是強調「簡單但具彈性」，例如手機側邊按鍵的精密組裝或是醫療手術室中的刷手機器人，此階段重點在於整合視覺感知與力回饋技術。最高等級則是「複雜且高度彈性」的應用，如人形機器人或雙臂柔性組裝機器人，不僅有多模態的理解能力與自主決策力，以適應多變的工作環境，實現真正的智慧生產。
然而，Physical AI 在落地真實場域時仍面臨四大挑戰。首先是數據稀缺性，需要仰賴遙操技術採集訓練資料；其次是場域適應成本極高，由於各工廠或醫院都具備物理約束與安全規範，導致模型難以跨場景使用；第三是複合型人才短缺，業界缺乏精通產業知識與 AI 技術的複合型專家；最後，安全合規問題亦必須納入核心考量。
為破解上述僵局，郭錦斌表示，「需要有一個企業共用的平台，讓所有的 Physical AI 在平台上共同作業，所以我們建造了一個生成式 AI 共性架構 —— 智慧製造創世紀平台。」從定義真實產線需求，再由 Genesis 系統以標準化工具 Agent 打造客製化 AI Agent，隨後即可將 AI Agent 部署到應用場域 ，再透過營運中累積的經驗或更多不同的場景，將採集的數據 Token 化，進一步回饋至模型進行持續訓練與優化，最後形成一個應用解決方案的開發、部署、運營完整閉環。
「Physical AI 不只是一台機器人，是整個場域的智慧化升級，」郭錦斌表示，鴻海提供的這套機制讓機器人不僅會執行指令，更學會自主思考與拆解任務步驟，實現生產效率的持續進化。
