生成式AI近年快速發展，下一階段如何從數位世界走進真實環境？由清華大學桃竹苗校友會主辦、TVBS協辦的「當今機器人發展與台灣產業的機會」論壇，清華大學動力機械工程學系清華講座教授張禎元受邀分享。張禎元長期投入機電整合、機器人、控制與智慧製造研究，並具產業研發經歷；他指出，高齡化、缺工與供應鏈在地化需求，正提高機器人導入的重要性，而AI也正從Digital AI走向能與實體世界互動的Physical AI。
從雲端走向邊緣 機器人即時運算成關鍵
張禎元表示，過去幾年AI多集中在數位資訊處理，但Physical AI面對的是真實世界中的設備差異、負載與環境變化。機器人除了要感知、判斷與規劃，還必須把結果轉成實際動作，並根據執行結果持續回饋。
他以人體運作比喻，AI推理像是「大腦」，但機器人在真實環境中還需要類似小腦、神經系統與身體的協作，因此Physical AI不能只有推理，還必須具備接近反射層級的即時反應能力。
張禎元會後受訪時進一步指出，Physical AI需要在設備端處理大量感測資訊，過去相關運算多送往電腦或伺服器處理，如今則可將晶片直接配置在裝置上，讓影像、觸覺與動作資訊在設備端即時運算，不必全部送往雲端。以相機為例，機器人可以直接辨識物體，再依結果做出後續動作，縮短感知到控制之間的反應時間。
台灣零組件不缺 關鍵在系統整合
談到台灣機會，張禎元指出，台灣在AI晶片、工業電腦、機器視覺、感測器、馬達、驅動器及精密機械等領域已有相當基礎，「台灣基本上都有」，真正的挑戰是如何把不同技術整合成能在真實場域穩定運作的完整系統。
他也提到，Physical AI進入實體世界後，除了效能，設備品質與供應鏈「Trust」同樣重要。零組件若存在過大差異，後端控制也難以完全補償，張禎元認為，台灣既有的製造與品質控制能力，也可能成為Physical AI發展的條件之一。
在人才培育方面，他指出，機器人開發本身就是不同工程專業的整合，從裝置、軟體到通訊缺一不可。透過清大DIT Robotics等學生團隊實作與競賽，讓學生把課堂理論直接放進系統驗證，也是在培養下一代工程人才所需要的「一邊學、一邊做」的實作力。
