搶攻「物理AI」商機，這5家台灣新創如何實踐黃仁勳的50兆願景？

NVIDIA執行長黃仁勳在在GTC大會中多次強調：「Physical AI（物理AI）將顛覆全球50兆美元（約新台幣1,600兆元）的產業。」這一席話代表他的願景，也成為全球AI應用的新方向。

台灣新創們，並不打算缺席這場革命。

在第172場創業小聚中，5家結合了AI與機器人的新創赫侖科技、佐翼科技、慧演智能、杰悉科技、MetAI齊聚，推出「會做事」的AI技術，為智慧工廠邁上一步。

技術失傳與人力短缺雙壓下，機器人來接手問題

要讓AI機器人在現實世界毫無摩擦地行走與運作，就要讓機器人「知道自己在哪、知道環境狀況」，這是「物理AI」的核心，也是赫侖科技和佐翼科技努力的方向。

赫侖科技創辦人羅元玠表示，在金屬加工業的產線現場，老師傅的經驗如何傳承是一個迫切解決的問題，赫侖科技的解法就是直接做出一個擁有經驗的機器人。

「有時候只需要一位老師傅的一句話，就能幫你節省2個月的研發時間。」羅元玠觀察，在傳統製造業，像是水五金、刀具的製作過程中，往往少不了研磨、拋光等流程，而這些仰賴老師傅多年經驗的技術，近期卻因為台灣傳統製造業面臨缺工而有失傳，甚至是導致工廠營運危機。

為了讓這些經驗轉為可訓練、可複製的依循，赫侖科技推出結合9組感測器的控制系統，包括2D/3D視覺、力道感測、點雷射、線雷射等，搭配自研OS控制模組與Cloud AI雲端學習平台，系統可即時產生初步路徑，經由現場人員調整後，其自動化訓練流程可縮短在一小時內完成，不僅保留老師傅經驗，更能減少大量教育時間。

羅元玠表示，目前赫侖科技推出的系統，已經能在1小時內完成機器人路徑訓練，機械手臂導入現場平均更可省下85%的教育時間。

而佐翼科技則專攻「連人都不該進去的地方」，像是桶槽、化工槽等。

「一旦操作不慎，撞到胸膛是會死掉的。」佐翼科技執行長劉峻麟指出，桶槽、化工槽等區域經常存在高壓、高溫、化學腐蝕等環境條件，當這些地方需要長時間的除鏽、清洗時，是很危險的行為。他指出，有時人員手持高壓水刀的反作用力甚至高達30至40公斤，他們所開發的AAROW爬行式機器人，正是為了讓人員迴避風險。

延伸閱讀：打造產業龍頭都買單的「蜘蛛無人車」，佐翼科技怎麼替他們清洗70公尺高的大型油桶？

佐翼科技推出以自主移動機器人（AMR）技術為基礎的爬行機器人，結合了定位系統、超音波、渦電流與AI影像辨識等感測技術與3D建模軟體，不僅能吸附在桶槽內壁移動，並搭載模組化的高壓水刀、無氣噴塗系統等工具，達到無人化作業的目標。

他補充，佐翼科技在完成多項大型工程後回顧，一般傳統施作需耗時1至2個月的工期，但改由機器人系統導入後，可縮短於2至3周內完成，除了維護人員安全，也連帶提升效率。

從AI視覺辨識切入，打造機器人的「眼睛」

除了感測外，視覺是另一個機器人常見的感知方式。

作為2022年NVIDIA Inception計畫入選新創，慧演智能打造的BailAI平台能整合雲端運算與NVIDIA邊緣裝置，讓影像辨識模型能同時部署至50條產線以上的工作站。

慧演智能執行長劉雅雯分享，當初平台初期是公司自用，但後來決定對外開放，就是希望讓企業也能自行上傳影像、標註資料、訓練模型，並快速部署至實際產線中。

目前該平台已實際應用於晶圓加工產線的瑕疵檢測場景。她說明，慧演智能的系統可辨識晶圓生產過程中的瑕疵，協助企業在品檢階段之前及早處理問題，這也是與傳統自動光學檢測（AOI）廠商最大的不同，「我們的影像辨識不是只有做在生產的品質，是包括可能生產的入庫、進料、相關的組裝站都可以去做擴展。」劉雅雯表示。

延伸閱讀：30分鐘就能導入AI，慧演智能讓NVIDIA、喬山看好的關鍵是什麼？

建廠前先建模！Digital Twin成落地前的實驗場域

然而在Physical AI真正上線之前，如果透過實體試錯來學習，那每一次測試錯誤都可能造成高額損耗與風險。

因此，「數位孿生」（Digital Twin）成為AI訓練過程中最關鍵的場域。

杰悉科技以開發3D可視化工廠中控平台為核心，結合能源管理、製造執行系統、生產排程、環控系統、SOP指令與人員動線等多種系統資料，將原本散落的資訊整合進一個單一、可操作的3D視覺化介面。杰悉科技總經理周姬吟強調，這個不是做漂亮的虛擬實境，是要變成企業的日常儀表板、決策控制室（戰情室）來使用的。

延伸閱讀：新金寶、富士康集團都愛用的系統整合新創NADI ，靠什麼技術讓管理者切換到「上帝視角」？

她解釋，在這個3D儀表系統中，當工廠出現流程異常或人員偏離作業軌跡，系統會自動觸發視覺化警示、提出即時應變資訊。其整合架構也具備模組化擴充能力，已應用於智慧工廠、智慧建築、智慧電池監控等多個實際場域，讓工廠管理者能以第三視角掌握現場。

當工廠的數據能被看見、即時反應後，下一步，就是讓AI學會如何在這樣的場域中行動，先在虛擬世界裡模擬所有動作，再帶著訓練成果進入真實工廠，而這正是MetAI想做到的願景。

MetAI持續聚焦於訓練AI如何理解場域與執行任務。「舉例來說，我不可能把機器人直接送去工廠試錯，一失誤就是幾千萬設備的風險。我們要讓AI先在模擬世界裡面學習、訓練、測試。」MetAI共同創辦人余泰萬表示。

延伸閱讀：NVIDIA、廣運都投資！AI數位孿生新創MetAI完成1.3億元募資

MetAI開發的模擬引擎可將AutoCAD的產線設計圖自動轉譯為3D環境，模擬輸送帶、自主移動機器人（AMR）行走路徑、產線配置等各種元素，並讓AI在這個虛擬空間中進行路徑推算、效率提升。

余泰萬說明，這類模擬場域讓企業可以在正式建廠前預覽設備配置效果，也讓AI以更好的品質進入實體工廠。