在人工智慧快速演化的歷程中，從雲端模型、語言演算法的崛起，到如今能在真實世界中感知、判斷、行動的實體智慧機器，我們正見證一場關乎「存在形式」的重大變革。從智慧手機與穿戴裝置的興起，智慧家庭與智慧交通的產業革命，到無人機從消費者玩具、拍攝工具變成物流平台、國防工業，AI 不再只是程式語言中的參數與數據，而是具備「眼睛」、「耳朵」、「手腳」的智慧系統，開始介入現實生活中的每一個場景。
這場變革的核心，就是所謂的 Physical AI——讓 AI 具備「行動力」與「存在感」。
來矽谷五年半，我發現這裡正經歷這場產業變革，無論是近期的 Google I/O 發表會，或是 RoboTaxi 上路，都讓我感觸很深。而 TGA 三年來投資的九個新創與兩個基金，也都是布局在實體人工智慧的場域之中。台灣的企業與投資人，又有哪些機會與挑戰？一、從雲端 AI 到邊緣智慧：技術演進的順序與內在邏輯
過去十餘年，人工智慧的進展主要來自於三個技術層面的突破：一是雲端運算帶來的龐大資料儲存與模型訓練能力；二是深度學習架構如 Transformer 與多層神經網路的大規模應用；三是語言模型與生成式 AI 在自然語言處理、圖像生成上的突破。然而，這些都仍屬於「螢幕內的 AI」。即使我們能用 ChatGPT 對話、用 Midjourney 畫圖、用 Copilot 寫程式，它們的本質仍是文字與符號的運算。
直到近年來感測器、小型晶片、電池模組與機電整合技術的成熟，AI 才終於開始從雲端走向邊緣，從程式碼轉為物理裝置，進入人類生活的空間、時間與行動軌跡中。
Physical AI 的核心：感測 → 推論 → 執行的閉環架構
要讓 AI 成為「可行動的智慧系統」，必須同時具備三項能力：第一是感知，也就是能夠「看見」與「聽見」環境（例如攝影鏡頭、語音模組、毫米波雷達、IMU 感測器）；第二是推論，代表 AI 模型必須能在裝置端（邊緣）即時做出決策（需仰賴專用晶片如 TPU、ASIC、FPGA 等）；第三是執行，即將這些決策轉化為實際動作（例如馬達控制、致動元件、機構模組等）。這種「感測→推論→執行」的閉環架構，正是所有 Physical AI 系統的共通骨架，無論是自駕車、協作機器人、智慧眼鏡或醫療穿戴裝置，皆需建立這套實體運作邏輯。
關鍵技術組件與台灣的工程優勢
在這條技術鏈上，台灣正處於極為關鍵的位置。舉例來說，感測器領域涵蓋了 CMOS 感光元件、ToF 深度攝影、壓力與溫溼度模組等，皆為台灣供應鏈的長項。再者，低功耗邊緣 SoC（如 ARM 架構晶片、AI 加速器）、高效能馬達控制模組、封裝測試與模組整合能力，都是台灣硬體工程的重要優勢。若能將這些能力結合國際市場的場域驗證與平台導入機會，台灣便有機會從「製造夥伴」升級為「智慧裝置解決方案共同設計者」，與全球新創公司共構 Physical AI 的產業未來。
小結：從軟體定義到世界互動：AI 正邁向新時代的基礎建設
我們正從「軟體定義一切」（Software-defined Everything）走向「AI 實體參與一切」（AI-embedded Everything）的時代。未來的 AI 將不是存在於網頁介面或雲端指令，而是成為每一台機器、每一個空間、每一段行動中智慧的源頭與執行者。Physical AI 的真正意義在於它能「接觸世界」，這代表我們對人機互動、智慧服務、產業模式與生活場景的所有想像，將從此全面升級。而誰能理解這場演進的邏輯、組裝出正確的技術組合、並找到實際應用場域，誰就能主導下一個科技十年的潮流。
二、穿戴裝置的交叉火力：科技巨頭如何爭奪 Physical AI 的起跑點
2025 年 Google I/O 發表會，不只是一次產品更新，更是一場科技巨頭競逐「實體 AI 入口」的總動員。從 Beam XR 智慧眼鏡、Project Astra 智慧代理，到整合 Gemini 模型的 Android 系統，我們見證了 AI 不再只是藏身於雲端伺服器與搜尋引擎，而是正在走向我們的臉上、耳朵裡與家中每個角落。穿戴裝置，將成為 Physical AI 的第一入口，而這場競爭，早已不只是一場硬體之戰，而是平台、生態與使用者黏著力的全面較勁。
眼鏡不是配件，是 AI 助理的載具
Google 在 I/O 中正式釋出 Beam XR 智慧眼鏡與 Project Astra 實驗影片，宣告 Gemini 模型將不僅存在於文字對話，而是進入「可見、可聽、可互動」的現場智慧代理階段。這代表眼鏡不只是攝影機或投影設備，而是具備語音回應、視覺辨識、記憶情境等能力的智慧載具。與此同時，Meta 與 Ray-Ban 合作推出強調影音即時分享的智慧眼鏡，Apple 則專注於 Vision Pro 的沉浸式計算與高階創作體驗。三者策略各異，但共同點是：穿戴裝置將取代螢幕，成為 AI 與人類互動的第一界面。
智慧家庭的下一步：從語音喚醒到主動理解
除了眼鏡之外，Google 也將 Gemini 模型全面整合進 Android、Chrome、Gmail、Maps 等應用當中，使得智慧助理不再只是「等你下指令」，而是能「預判需求、主動協助」。這與 Amazon Alexa、Apple Siri、Samsung Bixby 所代表的傳統語音助手路線形成差異。真正的競爭焦點，已經從「裝置支援的範圍」，轉變為「AI 理解人類意圖的深度」。
這也影響了智慧家庭的設計邏輯：未來的家庭裝置（如音響、空調、照明、健康監控器）將不只支援語音，而是結合感測資料（溫度、光照、聲音、生理數據）進行多模態推論，成為真正理解家庭場景的 AI 伴侶。例如你剛回家、心跳偏快，AI 音箱可能會自動播放輕音樂、調暗燈光、甚至提醒你補充水分或進行深呼吸。
AI 為平台與生態系之戰開啟新戰線
穿戴裝置與智慧家庭並不只是「產品多了一個感測器」，而是整個平台戰略的延伸。誰能建立以 AI 為核心的裝置生態圈，誰就能掌握下一代用戶入口。例如 Google 把 Gemini 模型深度嵌入 Android 系統，意味著每一支手機、每一副眼鏡都成為 AI 的延伸體；Apple 雖然目前語音能力較弱，但藉由 Vision Pro 搶佔高階內容創作與 AR 運算的灘頭堡；Meta 則試圖從社交與影像出發，打造輕量化智慧穿戴的日常使用習慣。
這些策略背後的共識是：穿戴與智慧家庭，是 AI 離開「雲端」進入「人端」的橋梁。
小結：穿戴裝置是 AI 與人類共存的試金石
從手機螢幕到眼鏡鏡片，從被動等待指令到主動理解行為，人工智慧不只越來越貼近我們的身體與腦袋，它也正逐步「具現化」（Embodied）。穿戴裝置不只是下一個裝置潮流，更是測試 AI 能否貼近人類、與生活融合的試金石。
而這樣的試金石，也預示著未來五年內會出現三個新挑戰：
1. 使用者信任：AI 是否能在不侵犯隱私下提供協助？
2. 能源效率：可穿戴裝置的 AI 模型如何在低耗電條件下運作？
3. 人機互動界面設計：從螢幕、語音到眼神與動作，怎麼設計才不打擾？
這些問題，將不只影響 Google、Apple、Meta，也會決定整個 Physical AI 產業的興衰走向。
三、RoboTaxi 與智慧交通：當 AI 開始駕駛、決策與調度城市
當 Tesla 宣布在奧斯汀啟動 RoboTaxi 試營運，與此同時 Waymo 的無人車隊也擴展至紐約與洛杉磯，智慧交通這個 AI 實體化的第一戰場，已不再是實驗室裡的模型展示，而是真正奔馳在街頭的商業競技場。Robotaxi 不只是自駕車的下一步，它是 Physical AI 首次在「人類空間」中與社會互動的試煉，也將徹底改變我們對於交通、城市運作與車輛產業的理解。
Tesla vs. Waymo：兩種路線的交鋒
Tesla 與 Waymo 所代表的自駕車策略，幾乎是兩條完全不同的路線：
- Waymo 採用多感測器融合（LiDAR、雷達、攝影機），依賴高精度地圖與政策合作，強調安全與穩健擴張；
- Tesla 則完全捨棄 LiDAR，使用純視覺系統（Tesla Vision）與神經網路進行訓練，主打以巨量數據與 OTA 模型優化進行快速部署。
這兩種模式的差異，不僅反映技術哲學，也代表兩種擴張邏輯：Tesla 選擇「用戶先行 + 模型自訓」，讓每一台車都是資料來源；Waymo 則選擇「政策先行 + 安全保障」，進行點對點的深度合作。兩者的碰撞不只是商業競爭，更是對「AI 如何實體落地」的兩種路線辯證。
交通業的重構：從人力平台到 AI 網路
Robotaxi 的出現，並不只是取代司機，更是交通運營邏輯的根本轉變。Uber 與 Lyft 在過去十年創造出「人力平台調度」的共享經濟奇蹟，但當 AI 能自行調度、自行駕駛時，平台的核心價值也將被重新定義。
在這個新的交通系統裡，我們將看到以下趨勢：
1. 營運車輛變成資產單元：車不再是私人物品，而是收入生成的智能節點；
2. AI 調度成為交通大腦：未來城市將不再依賴人類派車，而是交由 AI 調配車流、路線與時間；
3. 交通政策重新設計：從上路權、保險制度到城市收費方式，都需重新因應無人營運與平台化模式。
這代表一個全新的問題浮現：未來我們需要多少駕照？汽車保險還有意義嗎？共享車隊會不會壟斷交通主權？這些都是 Physical AI 在交通領域中的制度挑戰。
AI 驅動的交通革命，將重塑電動車產業邏輯
值得注意的是，Robotaxi 的發展不只是「自駕技術」的突破，也正重構整個電動車產業的設計邏輯。傳統車廠設計車輛，是為了「駕駛者」與「擁有者」；而未來 Robotaxi 車輛，則需要考量「乘客體驗」、「耐用維修」、「高頻率使用」與「遠端控制升級」的需求。
這將產生以下幾個產業變化：
- 車輛設計趨向模組化與維修友善；
- 零組件將整合 AI 模型、感測模組與電力系統；
- OTA（Over-the-Air）成為核心價值；
- 車廠不再只賣車，而是經營「營運型資產」。
在這樣的場景下，Tesla 有望建立「自駕 + 車主共營 + OTA 模型迭代」的閉環網絡；而 Waymo 則聚焦於「政府／企業合作 + 專屬平台」的穩健商模。
小結：交通是 Physical AI 最好的壓力測試場域
交通領域是最具挑戰、也最具指標性的 Physical AI 試煉場。這裡同時需要高強度感測、高頻次推論、毫秒等級反應，還得面對龐大的政策、道德與法律系統。Tesla 和 Waymo 走在不同路線，卻共同揭示一個未來：AI 不再只是說話的模型，而是有能力在真實世界中「決策」與「執行」的智慧代理。
若這場自駕革命最終成功，我們將看到的不只是城市交通的轉變，更是整個人類與機器共存邏輯的重新建構。而這，正是 Physical AI 所要解決的終極問題——人類與 AI 如何共享世界的控制權與責任？
四、台灣的角色與 TGA 策略：從模組強國走向 AI 實體合作的戰略夥伴
在全球進入 Physical AI 時代的當下，關鍵問題是：哪些國家或地區，能在「感測、運算、行動、整合」的價值鏈中，占有關鍵一席之地？對台灣而言，這是一次從「全球代工者」邁向「技術共同設計者」的轉型契機。台灣擁有世界級的感測模組、封裝製程與邊緣晶片設計能力，如果能與矽谷、波士頓等創新場域形成高互補性的合作關係，台灣便能在 Physical AI 的產業浪潮中扮演不可取代的角色。
一、台灣的優勢：從感測器到模組整合的技術縱深
Physical AI 的技術基礎並非單一模型或演算法，而是由視覺、語音、動作等多感知器所組成，搭配邊緣推論晶片（Edge AI）、致動元件（Actuator）與 OTA 升級系統所構成的閉環架構。
台灣在這條技術鏈上具備以下強項：
- 感測器製造：包括 CMOS 影像感測器、ToF、IMU、溫濕度模組等；
- 邊緣運算晶片：低功耗 SoC、ASIC、FPGA 等台系設計公司具備全球供應能力；
- 封裝與組裝能力：台灣電子業的模組化與量產迭代速度極具彈性與成本優勢；
- 跨模組整合經驗：IoT、工業自動化、車用電子領域累積豐富整機設計經驗。
這些優勢代表：台灣不只是零件提供者，更具備成為「AI 實體化合作夥伴」的底層技術力。特別是在 Edge AI 的輕量化、高效能設計與製造端的「速度 + 品質 + 彈性」三角優勢，更是全球創業者選擇與台灣合作的關鍵理由。
TGA 的佈局：投資、輔導與加速器的三位一體策略
作為連結台灣與美國科技創業生態的橋梁，Taiwan Global Angels（TGA）在過去三年中投資並輔導了十餘家深耕 Physical AI 領域的新創團隊，並強調以下三項策略支柱：
- 投資美國市場導向的跨境團隊：聚焦於已獲得初步客戶驗證、有國際擴張潛力的新創；
- 串接台灣工程實力與供應鏈夥伴：協助設計落地與模組生產，降低研發與量產風險；
- 結合產業與東西兩岸新創生態系：與 UC Berkeley、MIT、SOSV、NYEDC 等策略夥伴共建測試場域與法規導入通道。
透過這樣的三位一體模式，TGA 不僅是資本提供者，更是落地協作與全球加速的實踐夥伴。
實際案例：從智慧復健到手術機器人
TGA 所投資與輔導的團隊已展現 Physical AI 的多樣化應用潛力：
- Figur8：結合穿戴式感測器與 AI 運算，提供智慧復健與運動科學分析，是「AI in Motion」的代表性應用；
- Botrista：打造自動化飲品機器人，整合感測、液體控制與邊緣決策，是 Physical AI 在餐飲業現場的最佳範例；
- CapsoVision：膠囊內視鏡影像 AI 辨識系統，實現「高品質、低成本與風險」醫療智慧裝置；
- Ruby Robotics：打造可即時處理病理切片、判讀影像的機器人，是高階醫療影像的實體 AI 化；
- Butlr：透過體溫偵測實現各種空間的人體感測系統，從辦公室、零售現場、生產線到照護機構，都能在不侵犯隱私的情況下，以 AI 整合空調、照明或物流系統，提升能源利用、資源分配的效率。
這些團隊的共同特徵在於：結合感測技術、實體裝置、AI 模型與邊緣運算能力，在真實世界中執行特定任務。此外，TGA 也投資兩個聚焦於感測與機器智慧的美國基金，並持續於矽谷、鳳凰城、紐約與西雅圖等地深度佈局。
台灣在晶片設計、感測模組、封裝組裝與低功耗 SoC 上具備全球競爭力，是美國新創團隊尋求硬體落地的最佳合作夥伴。TGA 也推動三位一體的策略模式：「投資 + 輔導 + 加速器合作」，為雙邊創業者建立技術與場域的橋梁。
未來展望：台灣的全球位置與泛太平洋科技合作新格局
隨著美國進行再工業化與技術主權戰略重組，第一島鏈（台灣、日本、韓國）與美國西岸的合作將成為「泛太平洋科技聯盟」。台灣在此新格局中，應思考以下三個方向：
- 建立美國場域據點：透過加速器、測試床與醫療機構合作，獲取實際數據與客戶；
- 導入系統設計思維：從零件供應者升級為模組共同開發與整機設計的合作夥伴；
- 發展雙用技術與國防應用：自動化、AI 晶片、能源控制等領域皆為未來焦點。
Physical AI 的浪潮，並非只是科技業的一次換代，而是從「數位世界」到「實體生活」的整體延伸。台灣若能在技術供應、工程整合與市場實證三方面同步佈局，將不只是這場革命的參與者，更可能是主導者之一。
結語：AI 的未來，不只是「生成」，更是「行動」與「協作」
未來十年，最具影響力的 AI，不會只是能寫文章、畫圖，而是能在實體世界中與人協作、與環境互動，進而完成任務的智慧體。這就是 Physical AI。
這場革命的本質，在於：AI 是否能落地，是否能為人類完成真實任務。
而台灣，正站在這個新時代的黃金交會點。如果我們能發揮模組化製造、快速迭代與全球供應鏈的優勢，結合美國的市場驗證與創業人才，就有機會共同引領 AI in the Real World 的全球浪潮。
