【重點整理】
1.自動化產業發展階段：從早期固定動作的自動化，逐步發展至具備柔性協作的Cobalt協作機器人與雙臂機器人，未來預期朝向更高柔性的多臂及人形機器人。
2.Cobot協作機器人：具備安全性，可在人機共享空間協作，顯著提升自動化組裝與檢測的應用範疇。
3.工業機器人歷史：1961年起初為簡易搬運，1973年KUKA推出固定軸設計，隨後發展出六軸機器人，成為汽車等製造業的標準化產品。
4.AMR與AGV：傳統移動式機器人通常受限於固定路徑，難以因應高變動性產線需求。
5.Humanoid自由度問題：人形機器人因自由度高，需仰賴模仿性學習演算法與大量場景數據進行訓練，訓練成本較高。
6.IoT數據整合：藉由物聯網技術將各類機器人數據匯聚管理，實現基礎自動化管理與跨場域資料連通。
7.低程式碼機器人編程平臺：簡化機器人應用開發流程，降低使用門檻，提高產線柔性與複用性。
8.虛擬仿真技術：透過仿真工廠及Omniverse應用，加速新產品導入與自動化系統整合，提升設計效率。
9.Physical AI：定義為AI與機器人軟硬體的垂直整合，包括仿真、控制、硬體設計及軟體一致性，區別於單純AI+Robotics的分離式系統。
10.自動化密集到AI密集：製造業從經驗導向的自動化密集，逐漸轉型為以算力、算法和機器人柔性為核心的AI密集生產模式。
11.三層Physical AI等級：分為Level 1固定操作、Level 2彈性協作、Level 3複雜多模態自主操作，對應不同自動化與智能化需求。
12.人機協作與群體智能：強調Human Machine Interface編程入口、機器人間協作以及雲端與邊緣協同架構。
13.模仿性學習：機器人訓練依賴大量場景數據，以模仿人類操作達成泛化能力。
14.算力與AI工廠：利用超級大腦與AI工廠支持仿真、機器人控制及數據平臺建設，推動產業升級。
15.CAPX複用率：機器人的柔性設計提高產線設備投資的複用率，相較於傳統專用自動化設備更具成本效益。
16.標準化模型與任務拆解：建立工序標準模型、動作庫及典型場景，以支持多樣化製造需求與生產彈性。
17.產業生態系統：強調與自動化、數字化、智能化供應鏈夥伴協作，共同推動機器人技術落地。
【內容整理】
【自動化產業演進脈絡】
講者解析自動化及機器人產業從最初固定運動的自動化設備，逐步發展到可協作且具柔性的Cobalt型協作機器人以及雙臂結構。隨著工廠內組裝環節愈趨複雜，尤其小零件組裝對靈活性要求極高，人力仍在許多電子廠扮演重要角色。因應穩定性、可靠性及成本壓力，大量生產場景逐漸轉向具備智能、視覺與觸覺的新世代工業機器人，以降低對人工的依賴並提升產能。
【工業機器人歷史與Cobot崛起】
工業機器人的發展歷程由1961年首款簡易搬運型開始，1973年KUKA推出兩軸設計，之後六軸成為主流。隨著需求擴大，協作型Cobot在2008年問世，打破原有安全柵欄限制，使得機器人在產線上可直接與操作員協作。這一技術突破促使機器人在檢測、分揀等細緻環節獲得更廣泛應用。
【Humanoid訓練挑戰及模仿性學習】
人形機器人雖具高度自由度，但傳統演算法難以處理其複雜運動，因此現今多採用模仿性學習，需要大量真實場景數據。企業普遍投入大規模數據收集工廠，由人類操作並記錄sensor資訊，以供機器人模仿並泛化至不同工作任務。此過程雖耗時費力，但在固定工廠場景下能加速智能落地。
【IoT平臺與低程式碼編程趨勢】
物聯網技術成為機器人整合管理的基礎，講者強調建置IoT平臺以連接所有設備數據。透過平臺化、低程式碼編程工具（如Intrinsic合作案），即便非專業工程師也能快速部署機器人於生產現場，有效降低導入門檻並提升柔性生產能力。
【虛擬仿真與AI驅動自動化】
虛擬仿真技術在汽車、化工廠已廣泛應用，有助於產品導入和工廠設計優化。結合AI模型（如YOLO），視覺引導物品識別和抓取變得極為簡單。隨著硬體和編程平臺成熟，視覺功能成為標配，大幅降低對專業視覺工程師的需求。這一變革促使鴻海加速智能機器人技術進入各生產場域。
【柔性製造與CAPX複用率提升】
傳統automation設備僅能執行單一任務，而機器人則因柔性設計可跨產品、跨產線重複利用，顯著提高設備投資效益（CAPX複用率）。但大量自動化導入同時對速度、穩定性及系統集成提出更高挑戰。鴻海積極佈局於智慧交通、家庭照顧、商業服務等新興應用領域，期望拓展全球市場版圖。
【Physical AI系統理念】
講者闡述Physical AI是AI與機器人軟硬體的垂直整合體系，包括仿真、控制以及一體化硬體設計，不同於傳統AI+Robotics分離架構。Physical AI能提升設計一致性及應用靈活度，是鴻海科技日主推主題。透過AI factory和Omniverse算力平臺支援，大幅增強工廠智能與自主決策能力。
【人機協作、群體智能與雲端架構】
未來工業場景強調Human Machine Interface編程入口便捷性，以及多臺機器人在同場域協作的群體智能。數據供給（Data Pipeline）、多感知深度學習（如VLA）、邊緣及雲端分布式運算架構成為核心技術，使操作彈性和執行效率同步提升。
【三層Physical AI分級模型】
鴻海提出Physical AI三層級劃分：Level 1為固定且簡單操作，追求穩定快速；Level 2為具彈性協作能力，包括雙爪視覺引導及利空調整，可取代部分人工；Level 3則具備AI智能調度、多模態感知及自主決策能力，可適應多場景並自主完成複雜任務。各級需建立相應模型庫和典型工序拆解。
【產業生態系統與未來規劃】
鴻海強調建立完整合作生態，包括ABB、Yaskawa、Epson等國際自動化夥伴，以及NVIDIA等算力支持廠商，共同推動控制基礎、場景模型和AI平臺建設。未來將逐步跨越從單點到整線再至整體升級階段，並針對典型場景建立標準模型和任務拆解流程，以支撐多樣化製造需求，推進Physical AI於全球電子製造和電動車產業落地。
