AI 與機械人的前沿發展（吳壽冠）
本文作者吳壽冠先生(Ivan Ng)，為數據及人工智能素養協會(DALA)資深創會會員兼Lively Impact創辦人及行政總裁，亦同時是AI研究人員，為《EJTech》撰寫專欄。
近年來，人工智慧（AI）的發展突飛猛進，從感知型人工智能（Perception AI）協助我們進行不同的自動化識別，再進化到生成式人工智能（Generative AI），為我們生成不同的文章、圖像、以至視頻，大幅度提升了我們的工作效率；而近期的發展焦點，則是代理型人工智慧（Agentic AI），讓 AI 不僅能執行預設任務，還能作出推理，動態調整策略、整合多模態數據，並與環境互動。至於下一個發展重點，很多業內人仕皆應為是實體人工智慧（Physical AI），把人工智能加入一個「身軀」（Embodiment），融入我們生活及工作各個環節，進一步改變人類生活與產業運作模式。
在探討下一個階段發展重點實體人工智慧（Physical AI）之前，讓我們回顧一下目前機械人的發展情況。
在探討下一個階段發展重點實體人工智慧（Physical AI）之前，讓我們回顧一下目前機械人的發展情況。
傳統機械人的發展及應用
傳統機器人自20世紀中葉問世以來，主要應用於工業自動化領域，如汽車製造、電子組裝等高精度、重複性任務。其核心特徵為固定程式邏輯與封閉式系統，雖具備高效穩定性，但缺乏環境適應能力。隨著技術演進，協作型機器人（Cobots）和感測器的引入，使其逐步擴展至醫療手術、物流倉儲等場景，但仍面臨彈性不足與高成本等限制。
近年來，傳統機器人正透過整合AI感知技術、大言語模型推理技術實現升級。自從2025年中國春節晚會宇樹（UNITREE）機械人亮相之後，AI 機械人的前景十分可觀，規模化生產局面正在加快形成。
具備感知的AI機械人
目前具備感智的AI機械人的應用已經十分廣泛，根據技術應用場景與功能，可分為以下幾類：
- 工業AI機械人（Industrial Robots）：用於製造業，如焊接、組裝、搬運等，強調精準與效率。 這些機械人結合了人工智慧與自動化技術，能夠以極高的精準度和穩定性完成複雜的任務，大幅提升生產效率，同時減少人為錯誤帶來的損失。除了基本的重複性操作，現代工業AI機械人還具備自我學習和適應能力，能根據生產需求的變化進行動態調整，實現更靈活的生產模式。
- 服務型AI機械人（Service Robots）：應用於醫療、物流、家庭服務等領域，如手術機械人、送餐機械人。 例如，手術機械人在醫療中以極高精準度協助完成複雜手術，降低風險並促進康復；送餐或配送機械人在物流中提升效率，確保物品快速送達；清潔和陪護機械人在家庭中減輕家務負擔，提供情感陪伴和安全監控功能。憑藉智能交互和高度自動化，服務型機械人正改善生活品質，並推動醫療健康和物流效率的提升。
- 自主移動AI機械人（Autonomous Mobile Robots, AMR）：結合環境感知、路徑規劃與智能導航技術，能在動態環境中自主移動，廣泛應用於倉儲管理與無人配送。在倉儲中，AMR可自主搬運貨物、分揀包裹，優化物流流程並降低人力成本；在無人配送中，通過精確導航與避障技術，安全高效地完成最後一公里配送。
在香港政府應用中，有不少優秀的用例。例如是土木工程拓展署的地空協同隧道自動檢測系統。這個系統被應用於T2主幹路及茶果嶺隧道工程項目， 地空協同隧道自動檢測系統，結合人工智能、多機械人系統及光學雷達基準標記定位技術， 自動進行隧道內部結構如防火板、搪瓷面板及行車路面的缺損檢測工作，可減省整體檢測成本和時間。
另外，曾榮獲創科界最富盛名的愛迪生獎，香港生產力局與本地企業聯手研發的高空機械人「攀影蜘蛛」，是用於檢查燈柱生鏽情況的的高空工作機械人。「攀影蜘蛛」可提高檢測準確度、效率及安全性，減低高空作業成本。
在商業用例方面，則有無吊船對高樓外牆進行檢測的高空檢測機械人，室内噴漆機械人，倉庫巡邏機械人等。不止香港，在中國大陸，還有更多實踐用例，譬如外賣無人機， 智能消防救援機械狗，滅火無人機，電網工地巡檢機械狗等等。
具備感知及推理的代理式AI機械人
代理式人工智能（Agentic AI）與傳統 AI 不同，具備了推理與適應性、多模態能力、工具與數據整合這三個獨特關鍵能力。這三個能力的組合，不僅能分解複雜問題，分析情境因素，動態調整任務優先級；並結合語言、視覺與聽覺，處理不同來源與格式的數據；還能主動查詢資庫、使用外部工具，甚至上網搜尋資訊。例如，中國的AI代理Manus、OpenAI GPT-4o或 Google 的 Gemini 已展現出類似能力，能理解用戶需求並執行跨平台任務。
「Agentic AI」的這幾個能力，讓人們開始暢想：是否能AI 機械人能做到更多自主任務甚至在某些危險場景下替代人類自動處理任務？於是實體人工智慧（Physical AI）概念被發掘出來，並成為了下一階段的發展方向。實體人工智慧（Physical AI）的發展目的，是讓 AI 系統能真正理解並與實體世界互動。例如人機協作，讓工廠中的機械人與工人無縫配合； 又例如自主機械人，能在未知環境中導航並完成任務。
根據這兩個方向，以下實體人工智慧（Physical AI）可能會獲得快速發展：
- 家用仿人機械人（Humanoid at Home）：仿人機械人將逐漸進入家庭，協助日常家務、陪伴長者或兒童，甚至成為家庭成員的一部分。
- 大型語言模型 + 機器人（LLM + Robot）：透過自然語言指令，人們可以直接「告訴」機械人執行任務，例如：「請整理房間」或「幫我準備晚餐」，讓機器人更直覺地服務人類。
而這幾個方向的背後，除了綜合Agentic AI的能力，還需要依托合成數據（Synthetic Data）的發展。合成數據是由電腦模擬或演算法生成的標註資訊，可作為真實世界數據的替代品，加速AI訓練，並解決隱私與數據稀缺問題。
未來展望
展望未來，實體人工智慧（Physical AI）將進一步發展，AI和機械人的發展將朝著更智能化和自主化的方向邁進，並實現更多的應用場景，這些進步將改變我們的工作和生活方式，並為各個行業帶來新的商機。未來的可能性無限，值得我們持續關注與探索。
更多吳壽冠文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
