HHTD25／黃仁勳之子開講！曝機器人最大瓶頸　鴻海要負責最困難部分

財經中心／師瑞德報導

鴻海科技日（HHTD25）今（21）日登場，活動邁入第6年，鴻海以 AI、智慧製造與機器人為主軸串起兩天議程；今年論壇也邀來 NVIDIA 機器人相關團隊助陣，輝達執行長黃仁勳之子黃勝斌受邀於現場分享，成為開幕日焦點之一。

機器人產業會很大，但舊方法走到極限

黃勝斌表示，下一階段的機器人不會只待在工廠，「它們會進到產業、醫院、家裡，無所不在」，甚至會形塑人類未來與世界互動的方式。他強調，過去自動化之所以有限，是因為機器人只能做「人類說得清楚、寫得進流程」的事──不論是傳統程式化控制，或示教式帶著機器人從 A 點到 B 點，都把效能推到一個天花板；而現在，是把 AI 智慧真正塞進實體系統的時間點。

Physical AI 的三段式：建模、模擬、部署

談到技術路線，黃勝斌強調 Physical AI 機器人需要一套「三段式」架構：第一段是建立基礎模型與智能；第二段是在物理精準的模擬環境中訓練機器人、讓它在虛擬世界大量試錯與學技能；第三段則是把訓練好的智慧下放到真實硬體上，進入現場執行任務。他指出，這三段必須串成閉環，才能讓機器人從「能動」走向「能做事、做得準、還能規模化」。

最大卡關是資料　實體世界沒那麼好學

黃勝斌直言，Physical AI 最大的硬仗不是算力，而是「資料」。他說，語言模型有網路文字與人類歷史當訓練素材，但實體 AI 缺乏足夠的互動數據，例如：手要怎麼碰、要出多少力、物體被拿起來會怎麼反應，這些資料過去幾乎不存在。結果就是，機器人缺少一套能在複雜環境完成任務的「原子技能庫」，而建立這套基礎能力，必須先把真實世界的資料生出來。

模擬要把20年壓成幾小時　工廠要變資料工廠

黃勝斌強調，智慧製造不是簡單的搬運或 pick-and-place，而是高精度組裝、製程安全、良率與效率都要到位的「硬級任務」。若每個機器人都得像人類一樣花20年學習才上線，那產業根本等不起；因此必須靠模擬平台與機器人學習框架，把長時間的學習壓縮到可被複製的短時間訓練。同時，真實工廠也要扮演「資料工廠」，先蒐集、再用模擬放大與增強多樣性，讓機器人具備跨場景、跨產線的通用技能。

合作不是選項，是必要　鴻海扛最難場域

黃勝斌表示，NVIDIA 作為平台公司不可能獨力解題，機器人要落地製造現場，牽涉末端執行器、致動器、系統整合、模擬與部署等一整套生態系，因此必須與夥伴共創。他強調，和鴻海合作的價值在於：工業製造是最難、也最關鍵的實戰場景，網路上找不到工廠製程的細節資料，唯有在產線裡一起建立資料、一起訓練，Physical AI 才可能真正進到下一階段。