2026年消費電子展上,輝達執行長黃仁勳再次以他標誌性的皮衣造型站上舞台,宣告「實體AI的ChatGPT時刻已經到來」。這次他帶來的不只是更強大的運算平台,更推出了專為自動駕駛設計的模型,並且大舉開源多款機器人相關的基礎模型。從自駕車到家用機器人,從工業製造到智慧家電,輝達正試圖把AI從虛擬世界的對話框,推向能夠真實行動的實體空間。這個願景聽起來令人興奮,但特斯拉執行長馬斯克的一句話,卻道出了產業內心的疑慮「達到99%很容易,但長尾問題超級難」。
黃仁勳口中的「實體AI」(Physical AI),指的是那些能在真實世界中感知、理解、推理並採取行動的AI系統。不同於ChatGPT這類純軟體的語言模型,實體AI必須面對複雜多變的現實環境。一台掃地機器人要能爬樓梯,一輛自駕車要能應付突發狀況,一個工業機器人要能精準操作,這些都需要AI不只會「想」,還要會「做」。輝達的策略很清楚,透過強大的運算平台、開源的基礎模型,以及完整的模擬工具,打造一個讓實體AI快速發展的生態系。這個策略和當年透過輝達平台建立深度學習生態系的邏輯如出一轍,只是這次的戰場從GPU運算延伸到了機器人與自動駕駛。
自駕模型的推出,展現了輝達在自動駕駛領域的企圖心。這個模型最大的特色是加入了「思維鏈」推理能力,讓自駕車不只能執行動作,還能說明它為什麼這樣做。輝達相信推理能力可以幫助系統應對訓練資料中沒見過的場景,也就是所謂的「長尾問題」。這個想法很有吸引力,畢竟現實世界的複雜度遠超過任何訓練資料集,如果AI能夠推理,或許就能在陌生情境中做出合理判斷。
除了自駕車,消費電子展上最引人注目的可能是各式各樣的機器人產品。從能爬樓梯的掃地機器人,到配備視覺辨識的割草機器人,再到能折衣服的家用機器人,實體AI的應用場景正在快速擴張。這些產品的共通點,都是要在複雜的真實環境中完成任務,而不是在受控的工廠產線上重複固定動作。輝達透過開源模型,試圖降低機器人開發的門檻,讓更多開發者能夠參與。這個策略如果成功,可能會加速整個產業的發展,就像當年開源軟體推動了網路產業的爆發一樣。
台灣在這波實體AI浪潮中,其實握有不少關鍵籌碼。台積電的先進製程是AI平台的核心支撐,從3奈米到2奈米,每一代運算能力的躍升都離不開台灣的製造實力。更值得注意的是,台灣在散熱、封裝、記憶體等周邊產業鏈的深厚基礎,正好對應了實體AI對硬體整合的高度需求。
不過我們也要務實看待這些技術的成熟度,展場上的示範是在理想環境下進行,真實世界的複雜度要高得多。一台能在展場爬樓梯的掃地機器人,能否應對各種住家樓梯設計?一個能在模擬環境中完美運作的自駕系統,能否處理台灣街頭的機車萬頭攢動與違規停車?都需要時間驗證。更關鍵的是,實體AI涉及安全問題,一個語言模型說錯話頂多造成困擾,一台自駕車或機器人出錯可能傷及性命。
回到最核心的問題,實體AI真的到了「ChatGPT時刻」了嗎?ChatGPT之所以引爆全球關注,是因為它讓普通人第一次感受到AI的驚人能力,而且使用門檻極低,只要會打字就能體驗。實體AI要達到同樣的效果,需要讓普通消費者能夠放心把家務交給機器人,或是坐進自駕車放開方向盤。這個「信任的跨越」非常困難,多數人對於把身家性命交給AI仍然保持懷疑。黃仁勳的宣言更像是一個願景,而不是對現狀的描述。但願景也有其價值,它能凝聚產業的共識,吸引更多資源投入,最終推動技術的進步。
實體AI的時代或許真的正在來臨,但這個過程不會像ChatGPT那樣迅速。從技術展示到真正普及,中間還有無數的挑戰要克服。畢竟要讓機器在真實世界中可靠地工作,確實比讓它們在網路上聊天要困難得多,台灣要做的就是把握這波機會,建立起在實體AI時代軟硬整合的實力和能力。