Physical AI競爭正從人形機器人本體，延伸至邊緣矽與工業場域控制。處理器業者海光資訊準備推出CPU1000系列新產品，鎖定低功耗、嵌入式與邊緣運算需求，應用涵蓋機器人、機器視覺及智慧製造，意味中國AI晶片競爭開始由資料中心算力向實體世界延伸。
Physical AI與雲端AI最大的差異，在於系統不能只產生答案，而必須感知環境並即時控制設備。因此晶片除了運算效能，還必須能夠處理攝影機、LiDAR、力感測器等感測資料，並在低延遲條件下完成AI推論，再把結果傳送至伺服馬達、馬達驅動器及機器人控制器，形成從感知到行動的控制閉環。
AI從資料中心走進工廠，邊緣晶片串起機器人控制鏈。
|
另一端則是工廠開始導入真正的Physical AI。三星電子已成立晶圓廠Robot專責團隊，初期鎖定半導體設備預防維護，希望讓機器人承接部分目前仍需要工程師執行的檢查與維護作業。相關產業資訊顯示，半導體廠房的機器人應用正由既有的物料搬運逐步擴大到檢驗與維護。
晶圓廠是Physical AI極具代表性的高門檻場域。設備必須全年運轉，又有潔淨室、精密定位及高昂停機成本，因此機器人不但需要自主移動，還要整合3D 機器視覺、異常辨識、力覺控制、數位分身(（Digital Twin）與設備資料，才能安全介入製程設備。
由此形成的Physical AI供應鏈將是Edge CPU／NPU→Machine Vision／Sensor Fusion→AI Runtime→Robot Controller→Servo／Motor Driver→Industrial Equipment。無論是IPC、機器視覺、運動控制、伺服、減速器、感測器與工業網路都是台灣業者可切入環節。Physical AI下一階段競爭，將不再只是「誰能做機器人」，而是誰能讓AI可靠地控制整座工廠。
