有別於現今全球資本市場對於實體Physical AI應用的焦點，往往僅集中於兩足/人形機器人發展，卻忽略其仍無法因應開放場域的複雜需求。反觀四足/仿生的人型機器人，則可以相對簡單的設計、低成本與多功能性，在初期支撐起機器人廠商營收。
尤其是在環境相對封閉、工序簡單且標準化程度高的場景，通常具備固定操作流程與明確的判斷標準。包含在高風險作業場域，為了減少意外及人員暴露、滿足安全PoC法規與環安衛（EHS）標準的石化廠、危險倉儲、變電站，傳統自動化技術難以擴展；或是強調設備點檢ROI與安全平衡等能源設施，須結合SCADA/MES介面，人型機器人始可望逐步取代部分人工作業並真正獲利。
例如在台灣的傳產石化業龍頭台塑公司，不僅自2018年便全力投入AI應用，推動產銷優化與組織變革。一開始就強調石化業對於數位分身（Digital twin）的概念與NVIDIA、鴻海不同，因為產品都在管線裡流動，所以更著重於能否預測、控制現場產線的操作條件，以確保品質與成份無虞。而不像後者，較重視如何彈性規劃機器人在廠內的動線是否順暢。
從當時全力導入AI應用開始，便明確定義於主要推動：產銷優化、降低成本、智慧保養、工安環保及品質確保的5大方向，在電子材料部成立AI技術專責單位；並且從各事業部挑選優秀人員，前往人工智慧學校受訓。雖然目前各面向所著重的技術未必全然相同，仍希望達到AI應用遍地開花的目標，截至2026年7月共完成392案，達成年效益15.8億元。
台塑公司電子材料部雲端運算專案組長莊棨鈞指出，例如在降低成本面向，便要求利用製程最佳化以節能、增產，建立製程模擬的理論模型，評估潛在的效益；並結合品質預測AI模型與控制器，得到最佳操作建議值；串聯既有的DCS控制系統，達到自動控制的目的。在工安環保面向，則藉此建立特定物件的影像辨識模型，辨識異常的事件並推播，達到預警目的。
台塑公司自2018年便全力投入AI應用，推動產銷優化與組織變革。（source：台塑）
|
FormosaGPT平台先行 擴大AI轉型成效
直到2023年順應生成式AI問世後，由董事長郭文筆直接要求電子部與保養中心的資深同仁超過1年合作時間，才開發出適用於智慧保養領域的智識管理平台「FormosaGPT」。且隨著執行的專案越來越多，電子部也開始將功能相似的專案整合成一個系統，推出了Nocode AI建模平台、AI模型部署維護平台、Nocode BI數據分析平台等，縮短後續專案導入時間。
但在此過程中，台塑也發覺要能真正將生成式AI的技術融匯於工作中並不容易，因此希望能經由包括在Computex、AI Wave參展的過程中，協助其他公司加速導入電子圍籬等系統；同時接受其他領域的使用者回饋，能夠使該系統更完整，協同台灣產業成長。
台塑公司自2018年全力投入AI應用，推動產銷優化與組織變革。（攝影：陳念舜）
|
整合雲地端資源 落實智慧巡檢
例如台塑於現場的巡檢載具與感測設備，負責的是「把現場變成資料」；雲端專案組投入FormosaGPT這類生成式AI平台，則是讓各單位把自己的專業知識接上來的共通底座，負責將「把資料和文件變成任何人問得到的回答」，兩者屬於上下游關係。
畢竟過去一位資深工安人員每天能夠走到的巡檢點有限，但現在每位現場人員手上都有一件能提前示警的AI，可扮演輔助查核與提醒的角色，最終的責任判定仍然在人。而且台塑開發機器人巡檢系統的核心概念，也不只是單純採購一台機器人來執行巡檢，而是以「市售硬體＋自主開發軟體」的方式整合，建立具備彈性的開放式機器人巡檢平台。
該架構只將機器人本體視為執行巡檢任務的載具，再透過自行開發的資料蒐集、影像辨識及後端管理等軟體，依照不同工廠及設備的需求進行整合與擴充。既避免未來系統功能完全綁定在單一機器人設備或供應商，也有利於後續導入不同品牌或型式的機器人。
除了當2025年初啟動開發機器人巡檢系統時，台塑經過評估產品成熟度、取得時程、場域驗證效率，以及後續二次開發的可行性後，決定先採用市場上可以取得、且具備相對完整功能的產品來進行實際場域驗證，加速應用落地。
未來若台製機器人或工研院研發的產品，在性能、成本、穩定性、資安及維護服務等方面達到實際場域的需求，當然不排除導入使用，以降低對單一設備供應商的依賴，同時提升整體系統的自主性、資安可控性及供應鏈韌性。
聚焦AI核心應用 兼顧機器狗資安
台塑公司電子材料部研究開發組研發資工師蔡翔智表示，早期率先投入巡檢應用的機器狗，主要是為了解決工業環境中的「人力負荷」與「非友善環境」，而且傳統透過固定式攝影機辨識影像，在戰情室監控已無法滿足現有需求。還須結合機器狗的靈活移動能力與AI智慧大腦，發展自動化安全巡檢系統，輔助人工巡檢，具備以下功能：
1. 全地形載具平台：採用市售四足機器人，克服階梯、管路等非平整地形；與輪型機器人，並負責廣域廠房的高效巡視，依現場地形建置方案。
2. 整合多種感測器，搭載攝影機與熱影像模組，進行定點拍攝與溫度監測。
3. 自研AI辨識系統，包含儀表數值讀數、開關狀態、燈號顏色、零件瑕疵檢測及轉動件異常辨識。
4. 多模態LLM整合，經導入地端VLM模型，再將影像數據轉化為「語意理解」，分別針對如「人員倒地」、「異常煙霧偵測」等複雜情境，提供即時且精準的複判。
在機器狗巡檢的具體應用上，台塑主要是從「自主巡航、異常辨識、智慧分析、即時應變」4個面向來發展，希望逐步建立「機器人自主移動、現場感知、AI判斷，到異常事件處置」的一整套巡檢機制。讓機器人不只是取代人員走一趟巡檢路線，而是能夠真正協助現場人員發現問題，在異常發生時提供即時資訊。
「人員關懷系統」則是台塑另一項自主開發的技術，這套系統與機器人的導航技術是不同的概念，機器人的導航主要是解決「機器人自己在哪裡，以及要往哪裡走」；而人員關懷系統則是解決「人員在哪裡，以及人員是否發生異常」。
透過人員配戴定位卡，或利用手機等裝置，搭配LoRa、GPS等定位技術，掌握人員的位置資訊，當人員在工作過程中發生異常事件時，系統可以提供相關位置資訊，協助管理人員更快掌握狀況並進行處置。
台塑未來也希望機器人巡檢與人員定位可以形成互補，由機器人負責自主巡檢與環境感知，人員定位系統則負責掌握工作人員的狀態，兩者結合後，可以從單純的「設備巡檢」進一步延伸到「設備與人員安全」的整體智慧巡檢應用。
此外，要讓機器狗或機器人在複雜的工業現場真正實現自主部署，單靠「視覺」是不夠的，必須理解「真實物理世界」的運作機制，未來可透過AI代理人（AI Agent）建立理解工廠環境的物理樣貌，進行自主決策與路徑規劃，並搭配電子圍籬對現場環境需求客製化的辨識API，將工安巡檢從傳統的「單點靜態監控」，提升為全面無死角的「動態移動巡邏」。
台塑現行的「電子圍籬系統」主要以固定式攝影機為主，已具備成熟且多元的辨識功能，包含人員闖入/倒臥、PPE安全裝備檢查、火煙偵測及銹蝕檢測等，並已導入視覺語言模型（VLM）進行二次複判，能夠顯著降低誤報率，「巡檢機器狗」則提供了動態巡邏的能力。
在今年Computex展出的成果中，台塑已經成功將機器狗與電子圍籬系統進行API層級的整合，當機器狗移動至指定巡檢點時，即可直接調用電子圍籬系統的各項辨識模組與VLM複判API。
在導入機器狗的過程中，台塑也非常重視資安及資料安全的問題，除了在網路傳輸層之外，因為工業場域的機器人應用涉及設備影像、製程環境及廠區資訊，所以在系統開發過程中，台塑也持續從設備通訊、系統架構、資料傳輸及後端管理等不同面向進行評估，並已取得ISO27001及IEC62443 4-1及2-4認證，未來如果機器人巡檢的應用規模進一步擴大，台塑也會依照內部資安規範及實際應用需求，持續強化相關的資安防護機制。
最終目標是建立一套具有自主軟體能力及設備選擇彈性的機器人巡檢平台，希望未來可以逐步建立「平台不綁定單一機器人」的架構，只要機器人的通訊介面、控制能力、感測器及相關軟硬體條件符合需求，就可以納入既有的巡檢系統。
未來台塑也會依據不同的廠區、巡檢任務及資安要求，彈性選擇最適合的機器人平台，而不是限定只能使用某一個品牌。從長遠來看，台塑在設備供應鏈也一直採取開放式的態度，自今年開始，台灣陸續有工研院、四足機器人廠商發表原型機或進一步投入產品開發，台塑也持續接觸相關廠商，了解其產品成熟度、規格及實際應用能力。
未來台塑會依據不同廠區、巡檢任務及資安要求，彈性選擇最適合的機器人平台。（攝影：陳念舜）
|
結語
莊棨鈞強調，目前台塑對於智慧巡檢及AI代理人相關技術的發展方向，並不是單純把技術開發完成後，再尋找市場來推廣，而是希望先從自身的實際工業場域出發，透過真實環境持續累積經驗、驗證技術，確認哪些應用真正能夠解決現場問題，再逐步將成熟的技術與解決方案推廣到其他產業。
在這個過程中，也會把實際場域遇到的問題，反過來作為技術發展的方向，亦即「不是為了導入AI而導入AI」，而是先確認現場真正需要解決的問題，再尋找適合的AI、機器人或感測技術來解決。透過這種「場域需求帶動技術發展」的模式，會比較容易形成具有實際應用價值的解決方案。
至於未來對外推廣的方式，台塑也不會只選擇「上游OEM」或「終端使用者」其中一種，而是兩個方向都會同步進行。首先，終端使用者是非常重要的合作對象，因為只有實際使用者最清楚現場的痛點及需求，所以未來若有其他產業，希望導入智慧巡檢或AI代理人，也會優先從實際應用場景開始討論，透過共同驗證來確認實際效益。
另一方面，因為不同場域可能需要不同的機器人、攝影機、光達或其他感測設備，台塑希望建立的是一個開放式平台，而不是綁定單一品牌的封閉系統，所以也會持續與上游的機器人、感測器、視覺設備、通訊設備及AI相關軟硬體廠商合作，只要相關設備能夠符合台塑的介面及應用需求，就有機會納入整體系統。
整體而言，台塑的策略會是「場域驗證與產業合作並行」：一方面以自身場域持續累積技術與應用經驗，另一方面則開放與終端使用者及軟硬體供應商合作，當技術及應用模式逐步成熟後，再將這些經驗推廣到不同產業，形成由實際需求帶動技術發展、再由成熟技術反饋市場需求的循環，逐步建立具有延展性的智慧巡檢及AI應用生態系。
