超越生成式AI：實體AI開啟亞太工業智慧化新階段

實體AI透過感測器蒐集環境資訊，結合AI模型、邊緣運算與自主決策能力，使機器與智慧系統能理解周遭環境並自主運作。對製造、物流、能源、交通運輸及關鍵基礎設施等產業而言，下一波AI競爭力將不只是提升軟體能力，而是能否將智慧真正轉化為自主行動。AVNET

過去幾年，人工智慧（AI）的發展幾乎由生成式AI重新定義。大型語言模型、多模態AI與AI助理工具正改變企業處理資訊、優化流程與提升決策的方式。然而，AI的下一階段發展將不再侷限於數位世界。企業開始思考另一個更具產業影響力的課題：如何讓AI在真實世界中感知環境、做出判斷並自主採取行動。

這正是「實體AI（Physical AI）」受到高度關注的原因。實體AI透過感測器蒐集環境資訊，結合AI模型、邊緣運算與自主決策能力，使機器與智慧系統能理解周遭環境並自主運作。對製造、物流、能源、交通運輸及關鍵基礎設施等產業而言，下一波AI競爭力將不只是提升軟體能力，而是能否將智慧真正轉化為自主行動。

結合機器人、邊緣運算與智慧感知能力的AI系統，正協助企業打造更安全、更高效率且更具韌性的營運模式。

傳統工業自動化的侷限

儘管工業領域多年來持續推動自動化，現代工廠、物流中心與產業設施每天產生大量營運資料，但許多關鍵作業仍高度依賴人工介入。設備巡檢、異常偵測以及安全與法規監控，往往仍仰賴人員執行。隨著營運規模持續擴大與流程日趨複雜，企業面臨的挑戰已不再是資料不足，而是能否將資料快速轉化為具行動價值的洞察。

實體AI提供了不同的解決方向。相較於定期巡檢與事後處理，智慧系統可持續監測環境、辨識異常、評估風險，並即時提供決策資訊。這不只是提升自動化程度，更是推動工業營運朝向更具適應性與韌性的方向發展。

智慧正加速走向邊緣端

推動實體AI發展的重要因素之一，是邊緣運算技術的成熟。雖然雲端仍是AI模型訓練與大規模資料分析的重要基礎，但工廠、倉儲、港口及交通系統等許多工業場景，都需要在資料產生的位置附近完成分析與決策，以滿足毫秒等級的即時反應需求。

因此，企業關注的焦點正從模型能力延伸至AI如何在真實環境中可靠運作。邊緣AI能降低延遲、提升可靠度並支援即時決策，對於工業應用尤為重要。然而，這並不代表邊緣運算將取代雲端。未來更可能採取雲端與邊緣協同模式：雲端負責模型開發與資料處理，邊緣端負責即時推理與現場決策，形成分散式智慧架構。

HPC與邊緣AI必須同步演進

實體AI的興起，也讓高效能運算（HPC）扮演更重要的角色。電腦視覺、自主導航、多模態AI與生成式AI等應用，都需要龐大的運算資源進行訓練與最佳化，因此HPC仍是推動AI創新的核心基礎。

然而，模型開發只是AI生命週期的一部分。當AI進入實際應用環境後，功耗、散熱、可靠度與低延遲同樣重要。HPC提供模型訓練能力，邊緣運算則負責將智慧部署至現場，創造即時且實際的營運價值。未來能整合HPC與邊緣AI的企業，將更有機會將AI從概念驗證推進至大規模商業化部署。

實體AI時代凸顯生態系合作的重要性

隨著AI系統日益複雜，成功部署不再只是單一技術的問題。從半導體、嵌入式運算、機器人技術，到感測器、連網技術、軟體平台與系統整合能力，都必須共同協作。因此，企業愈來愈重視能夠串聯不同技術與產業夥伴的解決方案供應者，而非單純採購個別元件。

在此趨勢下，能夠整合運算平台、嵌入式技術、感測能力與產業應用需求的生態系夥伴，正成為推動實體 AI商業化落地的重要力量。Avnet與Weston Robot的合作正是Physical AI從概念驗證走向實際部署的代表案例。

雙方結合先進運算平台、嵌入式AI技術與自主機器人能力，打造智慧巡檢平台，整合智慧感知、邊緣AI推理與自主導航技術，支援持續監測與即時分析，協助工業場域提升安全性、營運可視性與基礎設施韌性。

更重要的是，這項合作反映了一項更廣泛的產業趨勢：AI的價值將不再僅以模型規模或運算效能衡量，而在於能否安全、可靠且具成本效益地部署於真實世界。隨著亞太企業加速推進智慧製造、物流自動化與關鍵基礎設施數位化，實體AI將成為提升營運韌性與競爭力的重要基礎。

生成式AI改變了企業處理資訊的方式。下一階段的AI，將改變機器理解並與真實世界互動的方式。而這場轉型，正在亞太地區加速展開。

如果生成式AI改變的是企業如何取得與運用知識，那麼Physical AI改變的，將是企業如何透過智慧系統直接影響現場營運。