隨著生成式AI技術逐漸成熟，AI已由協助內容生成進一步走向實體世界應用。某國際科技大廠近年積極推動Physical AI（實體人工智慧），結合大型語言模型、電腦視覺、數位孿生、機器人及邊緣運算，使AI不僅能理解文字與影像，更能感知環境、規劃行動並控制設備。
Physical AI的核心概念是在虛擬環境中先建立數位孿生模型，透過大量模擬完成AI訓練，再部署至實際工廠、物流中心、醫院、建築或公共設施。此方式可降低測試成本，縮短導入時間，同時提升安全性。
在製造業，可應用於智慧巡檢、設備異常預警、品質檢測及協作機器人；物流業可應用於自主搬運車（AMR）及倉儲調度；醫療院所可協助物資配送；建築管理可整合AI攝影機、感測器與能源管理系統，提升營運效率。
根據官方新聞稿，物理人工智慧（Physical AI）的發展已從單純的技術概念延伸至機器人訓練、虛擬驗證及實際製造場域。透過世界模型、機器人模擬框架及通用型機器人AI模型等技術，協助開發業者在虛擬環境中產生訓練資料、測試動作策略，再逐步導入實體設備。此類技術的重點，在於提升機器人面對不同物件與環境時的感知、判斷及操作適應能力。
在工業機器人方面，整合相關技術，運用具物理特性的數位孿生環境進行機器人作業及產線的虛擬驗證。上述企業的全球機器人安裝基數合計超過200萬台，但此數字代表既有安裝規模，並非Physical AI新增部署數量。部分業者也將Jetson運算模組整合至控制器，支援設備端即時AI推論。
在亞洲製造業案例方面，某國際科技業者指出，某人工智慧技術業者正與大型電子製造業者合作，將通用型機器人智慧應用於高階運算晶片相關產線的高精度組裝作業，協助雙臂機器人學習複雜的製造任務。另一方面，某模擬技術業者透過物理模擬引擎的開發與校準，協助大型電子製造業者的組裝機器人在虛擬環境中練習精細的線纜操作。兩項案例呈現物理人工智慧（Physical AI）在電子組裝領域的具體合作方向，惟目前尚缺乏可核實的良率、產能或成本改善數據。
在倉儲物流方面，某國際物流設備業者攜手科技及顧問服務業者，共同推進自主倉儲解決方案，運用數位孿生與物理人工智慧（Physical AI）技術，建立具物理特性的虛擬倉庫模型，供工程團隊訓練及測試自主堆高機車隊，並應用於大型物流業者相關場域。相較於直接在實際倉庫反覆測試，虛擬驗證有助於事先檢查行駛路徑、設備互動及作業流程；惟實際改善幅度仍須以後續公開驗證結果為準。
此外，物理人工智慧（Physical AI）技術亦朝向降低中小型企業導入門檻發展。某科技業者正整合工業機器人與數位孿生模擬技術，目標是協助製造業者在減少程式撰寫需求的情況下，快速建立機器人作業流程。對於製程變化頻繁或缺乏專職機器人程式人員的企業，此類工具具有應用潛力，惟仍須評估現場作業安全、設備相容性、資料品質及實際操作條件。
由於Physical AI可搭配IoT、5G、Edge AI與雲端平台，因此，並不限於大型工廠，而是可逐步導入各類產業，協助企業降低人力負擔、提升安全性與決策效率。
結語：
Physical AI正逐步成為智慧化發展的重要方向。從精密組裝、線纜操作、國際機器人廠商的虛擬驗證，以及自主倉儲方案可看出，AI正逐步從辨識與分析延伸至機器人的動作學習和現場操作。透過AI、數位孿生與智慧設備整合，企業有機會改善複雜任務的自動化能力；然而，部分合作仍處於訓練、驗證或部署階段，實際效益仍需透過場域數據確認。未來製造業可優先從高重複性、高風險或人力負擔較重的作業評估導入，並兼顧安全與系統整合需求。