2026 年北美台灣科技年會在美國矽谷登場，今年大會以「連結創新與人才」為主題，深入探討人工智慧（AI）技術如何進入實體世界與產業營運。與會專家與政府代表針對實體人工智慧（Physical AI）、代理人人工智慧（Agentic AI）及算力部署等議題進行研討，並提出台美兩地在人才流動與新創合作上的具體方向。
台美深化科技鏈結 聚焦 Physical AI 與產業結合
在今年第五屆的年會中，中華民國副總統蕭美琴透過預錄影片表示，台灣正積極推動 AI 新十大建設，並藉由海外人才攬勝與新創擴展相關計畫，擴大台美之間的技術交流。工研院董事長吳政忠指出，AI 的發展歷程正在從生成式模型逐步轉轉向 Agentic AI 與 Physical AI。回顧過去發展，矽谷的創新設計與台灣精密的製造整合能力曾共同構築科技生態；在新一波 AI 趨勢下，台灣在半導體與伺服器硬體的優勢，能進一步連結美國的 AI 軟體研發與創投資源。
實體 AI 面臨延遲與安全挑戰 預估 2027 年後逐步普及
安謀（Arm）副總裁曾志光於會中分析，在全球經濟規模中，實體經濟領域如製造、農業、醫療及能源等佔比過半，但目前運算技術在這些實體領域的滲透率依然有限。隨著勞動力短缺問題持續，智慧機器進入製造廠區與倉儲等場域已成趨勢。然而，Physical AI 在實際部署時必須克服系統延遲、硬體重量與領域專業知識（Domain Knowledge）三大障礙。例如在數位環境中延遲毫秒僅影響回應速度，但在自動駕駛或醫療手術等實體場域，毫秒級的延遲可能引發安全事故。因此，特定場域的智慧機器預計要到 2027 至 2028 年才會陸續落地，並在 2029 年後邁向大規模普及。
企業導入 AI 核心營運偏低 本地端部署需求漸增
除了實體設備的結合，企業內部營運的 AI 轉型亦面臨瓶頸。群聯電子技術長林緯提出數據說明，目前雖然高達 76% 的企業已在內部使用 AI 工具，但真正將其融入核心商業營運的企業僅占 14%，而實際部署 AI 代理人（AI Agent）的比例更低至 3.66%。企業最關心的議題集中在資料隱私保護、建置成本以及模型輸出的可靠性。為了維護資料安全，越來越多企業選擇建立內部專屬的 AI 系統，而非單純購買伺服器與載入大型語言模型（LLM），這同時帶動了資料整合與軟硬體部署平台的發展需求。
這代表什麼
對於台灣科技產業與中小企業而言，AI 的發展焦點已從「線上軟體對話」轉移至「實體設備運作」與「企業核心流程管理」。台灣在晶片製造、硬體組裝與電子零件供應鏈佔據全球關鍵地位，Physical AI 的興起將創造對高算力晶片、感測元件及嵌入式系統的龐大需求。然而，實體場域對系統可靠度的要求遠高於軟體測試，台灣廠商必須強化軟硬體整合能力，並針對不同垂直產業進行客製化開發。同時，企業在導入 AI 時不應只停留在輕度輔助工具，需解決資料安全與內部系統串接問題，才能真正將技術轉化為商業競爭力。
背景補充
實體人工智慧（Physical AI）是指將 AI 演算法與具備物理軀體的裝置相結合，使機器能透過感測器理解實體世界，並透過機械結構執行動作，典型應用包含自駕車、工業機器人與智慧照護設備。另一方面，代理人人工智慧（Agentic AI）與 AI 代理人（AI Agent）則強調系統具備自主規劃、推論與執行多步驟任務的能力，不再只是被動回答問題。隨著台灣推動 AI 新十大建設，政府透過各項專案打造雙向攬才機制，企圖鏈結矽谷的新創資本與技術開發經驗，協助台灣企業從硬體製造端向軟硬體整合的創新應用轉型。
常見問題
什麼是 Physical AI？與一般 AI 有何不同？
Physical AI（實體人工智慧）是指將 AI 演算法結合機械軀體與感測器，使其能在真實物理世界中感知、判斷並執行動作，例如自駕車或工業機器人；一般 AI 則多半停留在數位軟體或文字對話介面。
為何多數企業尚未將 AI 導入核心營運？
企業在推動核心營運 AI 化時，主要面臨資料隱私安全、建置成本過高以及系統輸出可靠性不足等疑慮，且缺乏完善的資料串接與模型管理機制。
Physical AI 預計何時能看到大規模應用？
業界專家預估，由於需克服延遲、硬體規格與領域知識等技術挑戰，Physical AI 將在 2027 到 2028 年先於特定垂直場域落地，並於 2029 年前後邁向擴大規模部署。