為什麼物理人工智慧正成為製造業的下一個競爭優勢

MIT Technology Review·23 天前

製造業正從單純的自動化轉向能在現實世界中感知、推理與行動的物理人工智慧，透過微軟與 NVIDIA 的合作，協助企業在兼顧安全與信任的前提下實現規模化生產。

幾十年來，製造商一直追求自動化以提高效率、降低成本並穩定營運。這種方法帶來了顯著的收益，但現在已經不夠了。

當今的製造業領導者面臨著不同的挑戰：如何在勞動力限制、日益增加的複雜性以及在不犧牲安全、品質或信任的情況下加快創新壓力的背景下實現增長。轉型的下一個階段將不再由孤立的 AI 工具或單個機器人來定義，而是由能夠在物理世界中可靠運行的智慧來定義。

這就是物理 AI（Physical AI）——能夠在現實世界中感知、推理和行動的智慧——標誌著決定性轉變的地方。這也是為什麼微軟（Microsoft）與 NVIDIA 正在合作，幫助製造商從實驗階段邁向工業規模的生產階段。

大多數早期的 AI 採用集中在狹隘的優化：自動化任務、提高利用率和削減成本。雖然很有價值，但該階段通常會產生新的摩擦，包括技能差距、治理疑慮以及對長期影響的不確定性。此外，應用案例雖然豐富，但缺乏戰略性。

工業前沿代表了一種不同的方法。前沿製造商不再詢問機器可以取代多少工作，而是詢問 AI 如何擴展人類能力、加速創新並解鎖新型價值，同時保持可靠和可控。

在各行各業中，成功進入這一前沿階段的公司都有兩個不可妥協的要素：

沒有智慧，AI 就會變得平庸。沒有信任，採用就會停滯。

製造業在這一轉變中處於獨特的核心地位。

AI 不再侷限於規劃或分析。它正在進入物理執行領域：協調機器、適應現實世界的變異性，並在工廠車間與人類並肩工作。機器人技術、自主系統和 AI 代理（AI agents）現在必須在動態環境中進行感知、推理和行動。

這種轉變暴露了一個關鍵差距。傳統自動化擅長重複，但在適應性方面表現不佳。人類員工帶來判斷力和背景資訊，但受限於規模。物理 AI 通過實現「人類領導、AI 運行」的系統來彌補這一差距，在這種系統中，由人類設定意圖，而智慧系統則負責執行、學習並隨時間改進。人類對於規模化的成功至關重要。

物理 AI 無法通過單點解決方案來實現。它需要代理驅動、企業級的開發、部署和營運工具鏈與工作流，將模擬、數據、AI 模型、機器人技術和治理連接成一個連貫的系統。

NVIDIA 正在構建使物理 AI 成為可能的 AI 基礎設施，包括加速運算、開放模型、模擬庫以及機器人框架和藍圖，使生態系統能夠構建可在物理世界中感知、推理、規劃和採取行動的自主機器人系統。微軟則以雲端和數據平台對此進行補充，旨在安全地、大規模地在整個企業中運行物理 AI。

微軟與 NVIDIA 攜手合作，使製造商能夠超越試點階段，邁向生產就緒的物理 AI 系統。這些系統可以在涵蓋產品生命週期、工廠營運和供應鏈的異質環境中進行開發、測試、部署和持續改進。

在工業前沿，AI 不是一個獨立的系統，而是一個數位隊友。

當 AI 代理植基於正確的營運數據、嵌入人類工作流並受到端到端治理時，它們可以協助完成以下任務：

例如，製造商開始使用以模擬為基礎的 AI 代理，在將生產變更部署到工廠車間之前先進行虛擬評估，在加速決策的同時降低風險。

至關重要的是，前沿製造商在設計這些系統時讓人類保持控制權。AI 負責執行、監控和建議，而人類則提供意圖、監督和判斷。這種平衡使組織能夠在不失去信心或控制的情況下加快行動速度。

隨著物理 AI 系統規模的擴大，信任成為限制因素。

製造商必須確保 AI 系統是安全、可觀察的，並且在政策範圍內運行，特別是當它們影響安全關鍵或任務關鍵型流程時。治理不能是事後才考慮的事情；它必須被設計到平台本身之中。

這就是為什麼前沿製造商將信任視為首要需求，將創新與可見性、合規性和問責制相結合。只有這樣，物理 AI 才能從充滿前景的演示轉向全企業範圍的部署。

AI 代理、機器人技術、模擬和即時數據的融合標誌著製造業的一個轉折點。曾經的實驗性技術正在轉變為營運實務。曾經孤立的環節正在變得互聯。

在 NVIDIA GTC 2026 上，微軟和 NVIDIA 將展示這種協作如何支持製造商今天即可部署並在明天負責任地擴展的物理 AI 系統。從模擬驅動的開發到現實世界的執行，重點是幫助製造商充滿信心跨越工業前沿。

對於製造業領導者來說，問題不再是物理 AI 是否會重塑營運，而是他們能多快地以負責任、大規模且從一開始就建立信任的方式採用它。

此內容由微軟製作。並非由《麻省理工科技評論》（MIT Technology Review）編輯人員撰寫。