【觀點】當 AI 烤箱認出一顆馬鈴薯：從 CES 泡沫看見 Physical AI 的真實戰場

文 / 陳柏翰(Po Chen) 精拓生技(CancerFree Biotech) 創辦人

一月的拉斯維加斯很冷，但 CES 的展場卻熱得不正常

走進家電展區，我停在一台最新的「AI 烤箱」面前。廠商熱情地展示：當我把一顆馬鈴薯放進去，內建的攝影機會辨識出「這是一顆馬鈴薯」，並在螢幕上建議食譜。說實話，當下我心裡只有一個念頭：在我把馬鈴薯放進去之前，我就已經知道它是馬鈴薯了。如果科技的演進只是為了確認顯而易見的事實，那我們恐怕正處在一個巨大的泡沫裡。

這種「為了 AI 而 AI」的疲乏感，直到我聽完 NVIDIA 黃仁勳（Jensen Huang）的演說，才有了轉折。而這個轉折，意外地將我和日本文部科學省（MEXT）的一份最新文件，以及我們正在台灣做的嘗試串連了起來。

黃仁勳的工廠：Physical AI 的燃料是「過程」

Jensen 這次談最多的不是晶片，而是 Physical AI。他展示了 Cosmos 模型，強調整個產業正在從「挖掘數據」轉向「製造數據」。未來的機器人不需要像語言模型那樣讀完全網路的文章，而是需要在數位孿生中學習重力、摩擦力，還有因果關係。

這讓我意識到那個 AI 烤箱的問題出在哪裡：它收集了靜態數據（辨識馬鈴薯），但它不懂 Physical AI 的核心——「互動與過程」。

真正的價值，在於那些稍縱即逝的「操作過程」。

在生技實驗室裡，一個資深研究員搖晃試管的手感、病理醫師在顯微鏡下看到異常細胞時那一瞬間的瞳孔縮放，這些才是 Physical AI 最渴求的訓練燃料。但這些數據現在在哪裡？它們不在網路上，它們隨著專家的動作結束就消失了。

日本的答案：找回「過程」的價值

就在我思考這個數據缺口時，日本文部科學省（MEXT）在 1 月 14 日發布了 2026 年的AI 指引AI for Science

這份文件讓我眼睛一亮。不同於許多國家還在討論防弊，日本政府直接將未來的教育核心定義為**「過程的驗證」**。指引中明確指出，未來的學生和研究者，必須具備確認 AI 生成內容真實性的能力，並且要能記錄與說明自己的思考過程。

日本敏銳地看到了這一點：在生成式 AI 讓「結果」變得廉價之後（誰都能生成漂亮的報告），「過程的紀錄與驗證」將成為人類智慧最後的堡壘。這與 Physical AI 的需求不謀而合——我們需要的不再是單薄的實驗結果，而是可被追溯、可被 AI 學習的完整過程。

台灣的機遇：HTC 與 Prometheus 的 Physical AI 實驗

這正是我們在 Prometheus Lab AI 試圖解決的問題，也是為什麼我們選擇與 HTC VIVE 合作的原因

在 CES 現場，我看遍了各種輕薄的智慧眼鏡，它們大多只能用來回訊息或看影片。但在實驗室這種高精密場景，我們需要的不是玩具，而是精準的 Physical AI 感測器。

我們利用 HTC VIVE 的高精度追蹤技術，去做一件聽起來很不性感、但極度重要的事情：「數位化人類的實驗行為」。

當病理醫師或藥物研發人員戴上眼鏡，我們不是要他去元宇宙玩遊戲。我們是透過鏡頭與感測器，把他做實驗的每一個細微動作——攪拌的速度、溫度的控制、看顯微鏡的軌跡——即時轉譯成結構化的數據。

這些數據，正是 Jensen 的 Cosmos 模型所缺失的「真實世界示範（Human Demonstrations）」；也正是日本 MEXT 指引中所要求的「可被驗證的過程紀錄」。

結語：從廚房回到實驗室

從拉斯維加斯的 AI 烤箱，到日本的教育指引，再到我們在台灣實驗室裡的 HTC 眼鏡，這條線索其實很清晰。

AI 的下一個金礦，不在於告訴消費者「這是馬鈴薯」，而在於替人類記錄下那些最專業、最難以言傳的物理操作。這是一場關於 Physical AI 數據源頭的戰爭，而台灣憑藉著強大的硬體供應鏈與靈活的軟體應用，正好站在這場新工業革命的最前線。

畢竟，要教導未來的 Physical AI 機器人如何開發新藥，我們得先學會如何把人類科學家的「手藝」，變成 AI 讀得懂的「程式碼」。