為協助台灣在全球 AI 機器人浪潮中搶佔領先角色，鴻海科技集團與 TechOrange 科技報橘日前（10/31）於「HHTD 鴻海科技日」聯合舉辦「台灣 AI 機器人產業開發大會」，共同探討具身智能機器人的工業場域應用、安全可信的機器人發展、代理式 AI 與人機協作，以及台灣在 AI 時代的新經濟定位與 2027 年 AI 機器人的技術突破契機。
鴻海科技集團 C 事業群總經理李光曜在開場致詞中拋出核心提問：「當 AI 技術持續突破，我們如何將技術上的可能，轉化為產業真正用得上的能力？」技術要創造價值，必須從真實需求出發，無論是解決高度重複性作業、降低環境風險、回應流程需求，或是透過人機協作提升工作價值，唯有先將問題定義清楚，才能產生可衡量的成果。李光曜進一步提出推動 AI 機器人發展的三大重點：
首先，應用端與開發端必須更早展開合作，在實際場域中驗證效益、於運作中持續改善，才能加快技術落地的速度。第二，建立系統整合能力，將運算、感測技術與既有設備及現行作業流程緊密結合。第三，透過生態系合作創造台灣產業機會，台灣在資通訊、半導體、精密製造與供應鏈協調具備深厚基礎，面對 AI 機器人浪潮，更應將既有優勢串接，從關鍵零組件到軟體平台共同拓展新價值。「每一個來自現場的提問，都可能成為下一次技術突破、應用的起點，」李光曜表示，「鴻海將結合深厚的製造經驗持續推動場域驗證、加速應用落地，讓好的技術加速走向對的地方。」
科技報橘社長戴季全在致詞中表示，隨著 AI 技術快速演進，外界經常探討 AI 是否會取代人類工作，但更值得關注的趨勢是 AI 正在形成「AI Labor（AI 勞動力）」，延伸至實體世界便是機器人的注入與發展，成為現在企業共同關心的趨勢。
從機器人產線實證到全球規格制定，台灣如何搶攻 AI 機器人「世界盃」？
如何讓 AI 機器人真正走進工廠、穩定執行任務？鴻海科技集團機器人事業處總經理郭柳宗在「具身智能機器人在工業場域的應用」專題演講中指出，工業場景更講求精密製造、高成功率與實際成本效益，目前鴻海已攜手 NVIDIA ，將導入VLA （Vision-Language-Action）模型與強化學習的具身智能機器人，實際應用於美國休士頓 GPU 伺服器量產線上。機器人成功克服高難度的軟性排線組裝工站，該製程不僅需精細撥開排線並視覺對位，還得施加 4 公斤的力道按壓插緊，過去人工操作極易引發手部工傷，傳統自動化設備也難以勝任，透過 NVIDIA Isaac Sim™ 數位孿生與 AI 持續訓練，組裝成功率已從初期的八成大幅躍升至達到 97% 至 99%的量產標準。
郭柳宗強調，鴻海龐大的工廠製造現場能讓機器人邊作業邊累積稀缺的工業數據，藉由啟動「數據飛輪」加速技術成熟，真正實現 AI 工業機器人的落地量產。
當 AI 機器人從單點實證邁向規模化部署，挑戰也從模型與操作能力，延伸至跨企業協作、場域整合與產業標準。華碩電腦人形機器人事業部總經理王恆聰強調，機器人的核心價值在於解決實際痛點，產業必須由單一硬體思維轉向「以場域與用戶為中心」的整體解決方案。他主張將機器人基礎能力「平台化」，再依醫療或商業等特定場域彈性擴充差異化功能；台灣業者應由能快速落地且客戶願意買單的場景切入，降低跨廠商軟硬體整合門檻，以實現規模化。
Google Cloud AI 解決方案資深協理李浩賓則認為，台灣的優勢不只有硬體製造，更有工廠老師傅、護理師等專業人員累積的實務經驗。若能將這些 Know-how 轉化為產業知識庫，便有機會在全球機器人共同架構與標準制定上掌握更多話語權，進一步成為國際信任的實體 AI 系統整合樞紐。
郭柳宗在主題座談的最後指出，過去台灣廠商依照歐美客戶制定的規格代工、彼此競爭，打的是「台灣盃」。如今全球機器人產業規格尚未定型，加上國際市場對非紅供應鏈的需求增加，台灣更有機會整合供應鏈、共同定義標準，從彼此競爭走向合作，爭取 AI 機器人「世界盃」的主導權。
迎接 AI Robot 的 GPT 時刻：從安全可信到規模化掌握產業新契機
「我們真的需要機器人，但需要的是安全的機器人，」工研院副院長胡竹生指出，隨著高齡化與勞動力減少，到了 2075 年，機器人將從「想要」轉變為社會運作的迫切「需要」。機器人走入實體場域的關鍵，在於建立涵蓋感知、決策與控制三個層面的安全防護，並在底層硬體與控制系統建立獨立的安全機制，確保人類能透過緊急停止機制中止危險動作。關於 AI 機器人何時能大規模普及，胡竹生認為首先仍須克服成本與部署門檻。台灣具備 IC 設計與製造優勢，有機會發展適合機器人端運行的低功耗運算技術，並借鏡半導體產業的標準化經驗，降低不同場域的整合成本。
台灣微軟資深策略業務發展總監章恩齊從企業營運的視角分析，「AI Agent 絕對不只是一個泡沫或聊天工具，而是針對企業營運（Business Operation）能真實產生價值的關鍵。」未來的機器人並非單機運作，而是採取「端雲混合架構」。邊緣裝置負責即時且低延遲的感測反應，遇到多變與複雜情境時，則透過 AI Agent 智慧排程調度雲端的大型模型協同運算。在落地場景上，企業不必派人每天口頭交辦工作，而是將機器人直接串接 ERP、生產製造與供應鏈系統，由中央大腦統一派工調度。
章恩齊強調企業應將機器人視為高彈性的企業資源（Enterprise Resource），審慎衡量投資報酬率（ROI），釐清何時由機器人提高產能、何時由真人發揮靈活性，並由人類擔任最終監督者以建立協作信任。
NVIDIA 資深解決方案架構協理康勝閔形容，「機器人就像是我們的左右手一樣。」AI Agent 已能調度機器人在真實世界中完成搬運、組裝等任務，隨著任務日益複雜，在代理式 AI 規模擴展（Agentic Scaling）的趨勢下，從早期的 AI 發展到實體、多代理 AI，所需運算力有將近 1 萬倍的成長；從傳統語言模式到 AI Agent，Token 需求增加 5 到 30 倍。為此，NVIDIA 正與鴻海合作打造更高效率的 AI 系統，目標是降低 AI 應用成本，並加快服務回應速度。
當安全標準、企業治理與算力基礎逐步到位，AI Robot 的 GPT 時刻究竟何時會到來？NVIDIA 資深解決方案架構師劉冠良在座談中指出，從代理式 AI 的角度來看，實體 AI 的「GPT 時刻」其實已經開始。AI Agent 能串接知識與工具，讓開發者不必精通 3D 模擬或運動規劃等底層技術，也能投入機器人應用開發。台灣擁有從 AI 伺服器、機器人運算平台到製造場域的產業垂直整合優勢，未來更有機會結合功能安全（Functional Safety）驗證能力，從硬體供應商走向全球機器人解決方案與安全驗證的重要基地。
對台灣而言，關鍵不只是發揮半導體與精密製造優勢，更要串聯場域驗證、系統整合與生態系合作，將實務經驗轉化為國際共通標準，從全球硬體供應者，進一步成為實體 AI 產業的規格制定者。
