AI 正在『長出身體』：2026 具身智慧大爆發，從 Figure、Tesla Optimus 到倫敦機器人計程車，看懂 AI 走出螢幕的這一年

過去三年，我們談 AI 幾乎都圍著同一件事打轉：又有哪個模型更聰明、分數更高、更會寫程式。但 2026 年的下半場，AI 圈最熱的話題悄悄換了跑道——大家開始問的不是「模型有多會聊天」，而是「AI 什麼時候能真的動手做事」。從矽谷到上海，資金、人才、供應鏈正一起湧向同一個方向：讓 AI 長出身體，走出螢幕，進入真實世界。這個領域有個越來越常聽到的名字——具身智慧（Embodied AI），或者更直白的說法：實體 AI（Physical AI）。

Photo by Andy Kelly on Unsplash

具身智慧到底是什麼？

過去我們熟悉的 AI，是活在雲端、透過對話框跟你互動的「大腦」。你打字問問題，它回你文字、圖片或程式碼，但它本身沒有「身體」，也感受不到真實世界的重量、摩擦與意外。

具身智慧要補的，正是這塊。它把大型模型的推理能力，接到會移動、會抓握、會感測環境的實體載具上——可能是人形機器人、倉儲搬運車，也可能是一台會自己開的車。關鍵差別在於：純軟體的 AI 錯了就重跑一次，但具身 AI 一旦動作，就會真的撞到東西、真的把貨放錯位置。要在物理世界穩定運作，難度比純聊天高上好幾個量級，這也是為什麼它遲遲難以突破。而 2026 年，這道牆開始鬆動了。

為什麼是現在爆發？

三股力量剛好在同一時間到位。

第一是錢。資本正以驚人的速度湧入。根據產業統計，機器人領域的創投募資在 2023 到 2025 年間成長超過三倍，年度規模來到約 407 億美元；其中光是人形機器人新創，2025 年就吸走約 43 億美元，整個機器人新創領域則超過 85 億美元。國家隊也下場——中國宣布了規模高達 1,380 億美元的國家級創投基金，投向 AI、機器人及相關產業。軟銀集團的孫正義更直言，他認為下一家「兆美元等級」的公司，會從實體 AI 與機器人領域誕生。

第二是模型能力終於跟上。過去機器人得靠工程師一行一行寫死動作邏輯，現在則能交給大型神經網路自己學。以估值已衝上 390 億美元、成為成長最快的人形機器人公司 Figure AI 為例，它在 2026 年 1 月推出的 Helix 02 系統，用一個約 1,000 萬參數的神經網路，取代了過去約 10.9 萬行手工撰寫的 C++ 平衡控制程式碼。效果差多少？Figure 在 BMW 產線的第一個應用花了整整 12 個月部署，但第二個付費客戶的案子，只用了 30 天。這種「學一次、換場快」的能力，正是具身智慧開始能規模化的訊號。

第三是資料飛輪成形。模型要變強需要資料，而具身 AI 最珍貴的資料，來自真實世界的操作經驗——這正是接下來的競爭核心。

Photo by Homa Appliances on Unsplash

現況：三條戰線同時開打

如果把目光拉到 2026 年的實際進展，會發現具身智慧不是單一產品，而是在三條戰線上同時推進。

戰線一：人形機器人進工廠。除了前面提到的 Figure AI，特斯拉也押上重注——Optimus 相關的 2026 年資本支出承諾高達 200 億美元，涵蓋製造與運算基礎建設。不過現實仍有骨感的一面：截至七月中，Optimus 在 Fremont 廠的量產尚未正式啟動，特斯拉自己的指引落在七月底到八月。中國這邊，普渡科技（Pudu Robotics）在 2026 世界人工智能大會（WAIC）上發表「一腦多形（One Brain, Multiple Embodiments）」架構，並推出工業級半人形機器人 PUDU D7，載重上看 14 公斤、作業高度達 2 公尺，直接切入物料搬運與倉儲物流。

戰線二：機器人計程車上路。Uber 與英國 AI 公司 Wayve 宣布，將在數月內於倫敦推出當地首個商用 robotaxi 服務，使用搭載 Wayve 自駕技術的 Ford Mustang Mach-E；Waymo 的倫敦營運也進入自駕軟體實際接管市區街道駕駛的新階段。自駕車，本質上就是「輪子上的具身智慧」。

Photo by Timo Wielink on Unsplash

戰線三：會操作電腦的軟體 Agent。具身不一定要有金屬身體。Meta 推出的 Muse Spark 1.1 能夠獨立操作電腦——自己上網搜尋、填表單、在不同 App 之間切換，還配上 100 萬 token 的超長上下文。它把 AI 從「只會給你建議的聊天機器人」，往前推到「會替你把事情做完的數位員工」。這其實是具身智慧的另一種形態：身體是你的作業系統與瀏覽器。

真正的勝負，藏在「資料飛輪」裡

把這些拼圖放在一起看，會發現一件事：這場競賽比的早就不只是「誰的模型分數高」。真正的護城河，是模型、機器人本體、部署環境、專屬資料這四者能不能串成一個持續轉動的閉環。

特斯拉的邏輯最典型：它的工廠本身就是訓練場。每一台在 Gigafactory 裡跑的 Optimus，哪怕只是做最簡單的搬運，都在以競爭對手拿不到的規模，蒐集真實工業場景的資料。資料越多、模型越準、機器人越好用、就能部署到越多場域、再蒐集更多資料——這就是「資料飛輪」。誰能先讓飛輪轉起來，誰就可能贏者全拿。

但這條路也不是沒有暗礁。供應鏈就是一個殘酷的現實：有分析指出，如果 Optimus 第二代要完全繞開中國供應商，其物料成本可能從約 4.6 萬美元一路飆到 13.1 萬美元——接近三倍。這提醒我們，具身智慧不只是演算法的競賽，更是製造、成本與地緣政治交織的硬仗。

對產業與一般人的影響

對製造、物流、零售這些高度依賴人力操作的產業來說，具身智慧代表的是一種全新的「產能來源」——但它的導入不會是一夜之間全面換人，而更可能像 Figure 在 BMW 的案例那樣，從單一、明確、重複性高的工序開始，逐步擴大。這對台灣以中小型製造業為骨幹的產業結構來說，值得提早關注：不是急著買機器人，而是先想清楚自家哪些流程「最適合被標準化」，因為能被標準化的環節，往往就是未來最容易被自動化接手的地方。

對一般工作者而言，會操作電腦的軟體 Agent 影響可能來得更快、更近。當 AI 能自己開瀏覽器、填表、跨系統搬資料，那些日常裡「機械性、規則明確」的文書工作，將率先被重新定義。這不必然是壞事——它也可能把人從瑣事裡解放出來，去做更需要判斷與創造的部分。

一點個人觀點

坦白說，看多了 AI 圈的宣傳，我對「明年家家戶戶都有機器人管家」這種說法是保留的。從 Optimus 量產一再延後、供應鏈成本翻倍這些細節就看得出來，實體世界比投影片殘酷得多，deadline 到了機器手臂不會因為你融資成功就自己聽話。

但我也不覺得這是泡沫。差別在於：這一次，資金、模型能力與真實部署案例是同時到位的，而且已經有像 Figure「30 天完成第二個客戶」這種能被驗證的效率躍升。它或許不會像某些人喊的那麼快，但方向幾乎確定——AI 正在從「一個很會聊天的大腦」，慢慢長出手、長出腳、學會在真實世界裡動起來。

對我們這些做數位工具的人來說，這件事的意義很清楚：軟體與實體的界線正在模糊。今天你在螢幕上優化的每一個流程、每一份標準化的資料，未來都可能成為某個「會動的 AI」接手時的養分。與其被動等待，不如現在就把自家的流程、資料整理清楚——因為當具身智慧真正走進你的產業那天，準備好的人，永遠跑得比較前面。