Forrester 於 2026 年 4 月發布 Physical AI 研究,重點不是把 AI 等同於人形機器人,而是辨識能在實體世界運作的四項能力:建模與模擬、感知、推理,以及透過機器或控制系統採取行動。機器人與自動駕駛載具可以是載體,但不是 Physical AI 的唯一形式。
Forrester 的 2026 新興技術公告把 Physical AI 與機器人列為中期技術:潛在效益需要約二至五年發展,短期仍受整合、規模化、安全、資料與人才挑戰限制。因此,企業不應只因展會熱度或設備外形決定投資,也不應把趨勢預測寫成已實現的產業成果。
對台灣製造業而言,較穩健的起點是選擇邊界清楚且可回復的場景,例如設備異常偵測、特定工序品檢或受控區域搬運。試點前先確認感測器與設備資料是否可取得、延遲與品質是否足夠、錯誤動作由誰負責,以及既有 MES、ERP 或控制系統能否安全介接。
驗收不能只看模型準確率。企業還應同時追蹤誤判與漏判、人工接管率、停機時間、安全事件與近失事件、單次任務成本、週期時間及可回復時間;涉及機台控制、人員或產品品質時,須設定最小權限、人工核准、停止條件與手動備援。
凱渥以『您企業營運的CIO』角度,建議用場景價值、資料與介面、安全責任、營運指標與退場機制五個欄位評估 Physical AI;先在受控範圍建立基準與試點,達標後再擴大。這是依第一方研究整理的實作檢查表,不代表特定客戶成果、固定時程或投資回報承諾。
第一方來源:Forrester,〈Forrester’s Top 10 Emerging Technologies For 2026: AI Is No Longer Confined To Digital Workflows〉,2026-04-15,https://www.forrester.com/press-newsroom/forresters-top-10-emerging-technologies-for-2026/;Paul Miller,〈Physical AI Matters More Than Humanoid Robots〉,2026-04-17,https://www.forrester.com/blogs/physical-ai-matters-more-than-humanoid-robots/。本文於 2026-08-26 重新查核。