AI 開始長出身體了：2026 成了人形機器人『量產元年』，Figure 進駐 BMW、NVIDIA 丟出 Cosmos 3，機器人正從實驗室走進工廠

過去三年，AI 的舞台幾乎都在螢幕裡：它會寫程式、會畫圖、會跟你聊天，但你伸手永遠碰不到它。2026 年，這件事開始改變。這一年被不少產業觀察者稱為「實體 AI（Physical AI）」的爆發元年——AI 不再只活在對話框，而是被裝進一具會走路、會伸手、會判斷的身體，走進工廠、倉庫，甚至準備走進家裡。

什麼是「實體 AI」？跟過去的機器人有什麼不一樣

先講清楚一個常被搞混的概念。傳統的工業機器人其實一點都不新，汽車廠裡的機械手臂已經揮舞了幾十年。但那些機器人是「寫死」的：工程師花好幾週，一格一格地教它某個固定動作，換一條產線、換一個零件，就得整套重來。它不理解自己在做什麼，只是精準地重複。

實體 AI 想解決的正是這個死穴。它把電腦視覺、語言理解、空間感知和肢體控制整合進同一套系統，讓機器人能「看懂」眼前的場景、「聽懂」人給的指令，然後自己決定手該怎麼動。更關鍵的是，新一代系統開始具備「舉一反三」的能力——遇到從沒碰過的任務，能借用先前學過的知識與現場線索去推敲，而不是當機停擺。這一步，才是機器人從「自動化工具」邁向「通用勞動力」的分水嶺。

Photo by Franck V. on Unsplash

為什麼是現在？三條曲線同時到位

技術突破很少是單點的，通常是好幾條曲線剛好在同一年交會。2026 年的實體 AI 就是這樣。

第一條是「大腦」。生成式 AI 這兩年累積的推理與多模態能力，終於外溢到機器人身上。NVIDIA 在今年推出了 Cosmos 3，號稱是第一個把「合成世界生成、視覺推理、動作預測」統合在單一架構裡的開源世界基礎模型（World Foundation Model）；搭配專為人形機器人打造的 Isaac GR00T 系列視覺—語言—動作（VLA）模型，等於給了開發者一套現成的機器人「共用大腦」。過去每家公司都要從零訓練，現在可以站在基礎模型的肩膀上。

第二條是「感官與身體」。感測器更靈敏、致動器更省電、運算單元更小巧，讓機器人能把運算搬到自己身上即時決策，而不是事事回傳雲端。第三條則是「成本」。硬體規模化把價格壓了下來——中國宇樹科技（Unitree）的 G1 人形機器人起價只要約 1.6 萬美元，把原本動輒數十萬美元的門檻砍掉一個量級，這對整個市場的普及速度影響巨大。

Photo by Sufyan on Unsplash

發展現況：已經在工廠裡上工，不是展場樣品

今年最值得注意的變化，是這些機器人開始「真的在賺鐘點費」，而不只是在 CES 展場走秀。

目前商業化最前面的是 Figure AI。它的 40 台 Figure 03 機器人已經部署在 BMW 全球最大的組裝廠實際上線，據報導以每台約每小時 25 美元的方式計費運作；而它的自家產線 BotQ 據稱已經能每 90 分鐘就生產出一台新機器人。這代表機器人不只是「被使用」，連「製造機器人」這件事本身都開始工業化。

其他玩家則各走各的路線。特斯拉的 Optimus 目前主要部署在自家工廠內部，但更多是為了蒐集訓練資料，外部商用尚未正式開賣；波士頓動力（Boston Dynamics）的 Atlas 傳出將開始出貨給現代汽車（Hyundai）在美國喬治亞州的廠區；宇樹則靠低價策略在亞洲市場鋪量。整體來看，2026 年是「試點與小量部署」，真正大規模的商業化門檻，多數分析認為要到 2027、2028 年才會跨過。

對產業與一般人的影響

短期內，衝擊最直接的是製造、物流、倉儲這些「結構化、重複性高、又缺工」的場域。這些工作環境相對單純、動作模式明確，正是現階段機器人最擅長的地帶；加上先進國家普遍缺工、缺工又推高人力成本，企業導入的誘因很強。

但要冷靜看待的是，人形機器人不會在一夜之間取代誰。現階段它們仍然貴、仍然需要人來維護與校正、在非結構化的真實環境（例如你家亂七八糟的客廳）裡仍會頻繁出錯。與其說是「取代人類」，2026 年更貼切的描述是「機器人第一次成為可被計價的勞動力選項」——企業開始能把它跟人力放在同一張成本試算表上比較，這個心理與制度上的轉變，比任何單一款機器人都更有意義。

Photo by Igor Omilaev on Unsplash

幾點觀察與提醒

第一，真正的門檻不在「會走路」，而在「泛化能力」。能在展場後空翻的機器人很吸睛，但工廠要的是「換個零件、換條產線也不用重教」的可靠度。誰家的基礎模型能讓機器人面對陌生任務時成功率更高，誰就握有長期主導權——這也是為什麼 NVIDIA 選擇把世界基礎模型開源，想搶的是整個生態系的「作業系統」位置，而不是單賣一台機器人。

第二，「量產元年」是起點不是終點。歷史上很多技術都經歷過「Demo 驚豔、落地緩慢」的落差期，人形機器人大概率也會有一段。看熱鬧的人容易被影片帶著走，真正該追蹤的是三個硬指標：實際部署的台數、單位小時的運作成本，以及機器人在陌生任務上的成功率。這三條數字往上走，趨勢才是真的。

第三，對台灣來說這其實是個機會。從感測器、致動器、精密機構到散熱與電源模組，人形機器人的供應鏈跟台灣既有的製造強項高度重疊。當「大腦」逐漸標準化、開源化，價值就會往「身體」——也就是硬體與整合——移動。這是一個值得長期關注、也可能重新洗牌的產業賽道。

AI 花了三年學會思考，接下來三年，它要學著行動。2026 年也許還稱不上機器人的「iPhone 時刻」，但它確實是那個「AI 第一次伸出手，碰到真實世界」的轉捩點。接下來值得盯緊的，是它把手伸得多穩、多遠。