研華攜手偲倢助力數位攣生應用 驅動Physical AI加速零售自動化

研華攜手偲倢科技與NVIDIA生態系夥伴，共同推動NVIDIA Omniverse機器人應用落地，透過軟硬整合與場域模擬技術，加速智慧化轉型。研華

當生成式AI邁入成熟階段，產業焦點也開始轉向更具挑戰性的Physical AI（物理 AI）—也就是讓AI真正走進實體場域，與人類協作、完成各項複雜任務。面對此趨勢，研華攜手偲倢科技與NVIDIA生態系夥伴，共同推動NVIDIA Omniverse機器人應用落地，透過軟硬整合與場域模擬技術，加速智慧化轉型。

在零售場域，這意味著AI不僅要理解環境，還需能在多變的實體空間中執行任務，如補貨、理貨與商品管理。針對這一挑戰，偲倢科技客戶有利康智慧零售服務機器人展現了Physical AI在實務應用中的可能性，透過NVIDIA Omniverse軟體模擬真實零售場景，讓機器人得以在其中進行訓練，再回到實體門市執行補貨與理貨等工作，不僅能回應零售業長期面臨的缺工壓力，更揭示AI正從「理解世界」走向「參與世界」的產業新階段。

從戰情室儀表板到Physical AI：數位分身的價值轉折

「數位分身技術是實踐實體AI的關鍵，但這個概念其實已經提出很多年了。」有利康總經理鄧子平指出，早期的數位分身應用以戰情室儀表板為主，僅方便管理者即時掌握設備或場域狀態，並未真正參與任務執行，其價值僅停留在可視化層次。

真正的價值轉折，發生在AI與物理模擬能力逐步成熟之後，尤其NVIDIA Omniverse平台推出後，讓數位分身應用得以從Real to Simulator走向Simulator to Real—機器人可以先在虛擬世界中進行大量模擬訓練，學習如何執行任務及應對各種狀況，再將訓練成果部署至真實場域，一改過去只能依賴工程師撰寫規則與手動調校的開發模式。

鄧子平認為，傳統rule-based的做法不僅成本高、開發周期長且不易擴充，使機器人只能處理相對單純的任務；而NVIDIA Omniverse所建構的虛實整合環境，則讓機器人得以在此反覆訓練、提高執行任務的能力，才能承擔具高度不確定性與複雜度的工作，為工業與零售等場域的自動化開啟全新的發展可能。

為何零售業是Physical AI的最佳試煉場？

以零售業自動化為例，缺工是近年零售業面臨的最大壓力之一，尤其在部分地區或部分營業時段，如：夜班，即便業者提高薪資，也難以補足人力，自動化成為克服缺工挑戰的最優解。

然而，現今的零售自動化多集中在前端，透過顧客自助結帳的方式，降低交易流程中的人力需求，至於補貨、理貨、過期品下架等後端作業，仍高度仰賴人工執行，而有利康所開發的智慧零售服務機器人，正是針對此一痛點而生。

鄧子平表示，零售門市本身就是一個高度多樣且充滿變動性的環境，店內商品不僅數量龐大，尺寸、材質與包裝型態各異，且經常隨促銷與季節更佚而調整。若以傳統rule-based方式訓練機器人拿取與放置商品，工程師勢必得為每一類商品建立對應的規則與動作邏輯，不僅開發周期冗長、成本高，也難以兼顧精準與未來擴充性。

為此，有利康選擇NVIDIA Omniverse作為主要開發平台。NVIDIA Omniverse以USD（Universal Scene Description）為基礎，能建構高度貼近真實世界的虛擬環境，讓機器人在其中進行數萬或數億次的取放與定位訓練。

此外，平台亦可設定更完整且細緻的物理參數，包括尺寸、重量、表面摩擦力與材質特性等，即便面對洋芋片、麵包等使用柔性材質包裝的商品，NVIDIA Omniverse仍能精準模擬其物理特性，使機器人得以在虛擬環境中反覆優化抓取策略，確保進入真實場域後，仍能維持穩定且可靠的操作表現。

從軟體模擬到硬體選型  確保機器人在真實世界的運作穩定性

然而，從虛擬場景走向真實門市，並非單純將模型下載至機器人即可完成。偲倢科技Innovation Team Leader林榮輝指出，真正的挑戰在於如何縮短虛擬與實體之間的落差，讓訓練成果能夠穩定轉化為現場可執行的動作。

首先，虛擬場景必須高度貼近真實環境，包括貨架高度、商品擺放密度、光源變化與動線規劃等細節，都會影響機器人的辨識與抓取判斷。若虛擬模型與實際場域存在偏差，即使AI訓練次數再多，也可能在現場出現誤判或操作失誤。因此，在導入過程中，團隊需不斷比對實際門市狀況，調整參數與場景設定，建立更精準的對應關係。

其次，團隊亦需進行大量環境測試，並與門市人員密切溝通，盤點真實營運中可能出現的各種情境，例如：動線臨時被其他物品遮擋、商品擺放位置改變等，並在虛擬場景中進行模擬測試，瞭解機器人的反應與決策邏輯是否恰當，以確保其在實際運作時仍能維持正常運作。

除了場景建構與環境測試之外，硬體同樣是影響機器人穩定運作的關鍵因素。零售場域講求營運不中斷，一旦系統頻繁停機或需要人工介入排除異常，不僅影響效率，也會削弱導入自動化的價值。因此，在設計整體解決方案時，必須同步考量硬體的運算效能與長時間運作穩定性，並為後續規模化部署預作準備。

研華以完整產品線與穩定性  打造Physical AI的關鍵運算基礎

研華作為NVIDIA Elite Partner認證夥伴，在GPU伺服器與邊緣運算領域擁有完整產品線與整合經驗，為有利康後續專案提供穩定的運算基礎。

舉例來說，研華的塔式GPU伺服器SKY-602E3具備彈性擴充與高效能運算能力，且體積相當輕巧，適合部署在零售門市等中小型場域；而最新推出的NVIDIA MGX架構GPU伺服器SKY-622G4，可搭載NVIDIA RTX PRO 6000 Blackwell Max-Q工作站版本高階顯示卡，支援各類AI與高效能運算需求，同時亦適用於基於NVIDIA Omniverse的Physical AI模擬應用。

林榮輝坦言，在過去專案中，偲倢曾經採用不同品牌的硬體設備，卻屢屢遇到系統不穩定或突然停機的情況，導致客戶第一時間質疑軟體系統的穩定性，團隊必須投入大量時間排查問題來源。

這樣的經驗讓偲倢在後續規劃專案時，更加重視硬體品牌的穩定度與技術支援能力，也因此與研華展開長期且緊密的技術合作。以本次智慧零售服務機器人應用為例，偲倢已著手評估導入研華GPU伺服器的可行性，並進行實際測試。

對此，鄧子平亦認為，選擇具工規設計與完整技術支援體系的硬體品牌，有助於降低整合風險與後續維運成本。因此，在未來新專案中，研華將成為優先納入評估的硬體合作夥伴，為智慧機器人應用建立更標準化、可複製的運算基礎。

展望未來，有利康將持續精進智慧零售服務機器人的能力，並逐步拓展至更多具高度人力需求的場域，如手搖飲門市、清潔作業與長照機構等。研華也將深化與偲倢及有利康的合作，提供可以長時間穩定運行的硬體與技術支援，加速Physical AI在各類場域的實際落地，為自動化應用開啟更具韌性與效率的未來。