人形機器人近年成為科技產業焦點，但真正的關鍵不是會不會走路、跳舞，而是何時能產生實際經濟效益。
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，邀請達明機器人視覺應用事業處處長黃鐘賢分享產業觀察。黃鐘賢曾任職工研院，後加入達明機器人早期團隊，長期投入機器視覺與AI相關技術開發。他在會中表示，Physical AI正把AI從數位世界帶進實體環境，讓機器人逐步具備理解環境並採取行動的能力。
人形機器人先進入工廠
黃鐘賢指出，人形機器人不會立即進入一般生活，初期最可能先從環境相對結構化、可控的製造業開始。當技術與成本逐步成熟，再延伸到物流、餐旅、醫療等服務場域；對產業而言，只有真正產生經濟輸出，才會帶動後續投資與規模化。
他表示，現階段機器人要學會一項工作，多仍仰賴工程師進行程式設計，也使市場規模受到工程人力限制。若AI能讓機器人理解周遭環境，再透過自然語言或示教完成任務，將有機會降低程式設計門檻。他並在演講中展示AI Agent概念，讓機器人先理解環境中的物體與位置，再將自然語言指令轉換成可執行的機器人動作。
台灣優勢不只零組件 更在系統整合
談到全球競爭，黃鐘賢觀察，美國的優勢主要在AI晶片與模型，中國具備大量製造能力，日本則長期累積精密關節及關鍵零組件技術。台灣若單看個別項目未必占優勢，但半導體、精密機械、製造場域與工程人才集中，反而有利於不同技術快速整合、測試與修正。
以達明實際案例為例，傳統機械手臂主要負責從A點移動到B點，加入機器視覺後，則能在取料前確認位置、辨識物件，完成動作後再檢查結果。黃鐘賢表示，達明透過整合機器視覺、定位、檢測與機械手臂，降低不同設備與供應商之間的工程整合成本，也縮短現場部署時間。
此外，他也談到數位孿生的應用。業者可先在數位環境中模擬機械手臂可達範圍、生產節拍及操作流程，在實際設備上線前先進行驗證；產線若有新的最佳化構想，也能先在虛擬環境測試，再決定是否停線調整。
黃鐘賢指出，隨著AI應用走向實體世界，工程人才需要擴大知識範圍，「要學習的其實是跨領域的知識」。未來工程人才除了具備本身專業，也要理解不同技術如何組合，才能把AI真正轉化成能在工廠及生活場域運作的解決方案。
