達明CEO：過去不信機器人能訓練 現在技術演進超乎預期

陳尚昊今天表示，兩年前業界仍不相信機器人能夠透過大量訓練取代傳統數學與物理模型，但隨著Physical AI快速發展，相關技術演進速度已超出市場預期。（圖取自輝達直播）

〔記者方韋傑／台北報導〕隨著人工智慧（AI）從數位世界走向實體世界，機器人產業也正迎來技術典範轉移。達明機器人（4585）執行長陳尚昊今天表示，兩年前業界仍不相信機器人能夠透過大量訓練取代傳統數學與物理模型，但隨著Physical AI（實體AI）快速發展，相關技術演進速度已超出市場預期。

陳尚昊今天在輝達GTC Taipei會前節目指出，過去生成式AI（Generative AI）主要活躍於數位空間，無論是感知（Perception）、生成式AI或大型語言模型（LLM）訓練，大多可在個人電腦或伺服器環境完成。然而當AI跨入實體世界後，面臨的挑戰明顯不同。

他表示，雖然目前已可透過模擬環境（Simulation）進行訓練，但從虛擬世界到真實世界之間仍存在所謂的「Sim to Real Gap（虛實落差）」，最終仍需回到真實環境進行驗證與調整，因此Physical AI的技術門檻遠高於純數位AI。

陳尚昊坦言，自己過去專攻控制理論（Control Theory），從運動學（Kinematics）到動力學（Dynamics），一直認為機器人運作主要仰賴數學模型與物理法則。然而近年AI快速崛起，讓產業逐漸從傳統Model-Based架構，轉向結合資料驅動（Data-driven）的新模式。

「兩年前我們其實都不相信，機器人可以透過Training，而不是透過數學跟Physics來達成。」陳尚昊說，但隨著輝達（NVIDIA）等業者推動數位孿生（Digital Twin）與資料生成技術，產業開始看見新的可能性。

他表示，若能透過虛擬世界大量生成訓練資料，並持續縮小Sim to Real Gap，未來機器人部署將變得更加容易，也能加速Physical AI落地。達明目前已累積大量工廠場域資料，未來將持續結合真實環境與數位孿生技術，提升機器人在實際應用場景中的學習效率。

談及台灣在Physical AI時代的角色，陳尚昊認為，台灣最大的優勢在於完整產業基礎建設（Infrastructure）。從晶片設計、半導體製造，到伺服器與運算平台，均具備全球領先地位，加上擁有豐富的製造場域，可提供大量真實應用情境作為訓練基礎。

此外，台灣也具備從晶片、馬達、減速機（Gearbox）到系統整合的完整機器人供應鏈。陳尚昊表示，除了提供零組件給全球市場外，未來也期待台灣能孕育更多像達明機器人一樣的解決方案供應商（Solution Provider），進一步提升台灣在全球機器人產業鏈中的地位。