近期市場的關注，主要仍集中在資金輪動的方向，以及台積電能否維持多頭結構。
從本期台積電法說會釋出的資訊來看，AI 成長趨勢依舊明確且強勁。我也依據最新年報與法說會內容，推算出 2026 年台積電的合理股價區間，以及對應的大盤位置（文章內容：台積電的價值重估）。目前我除了一邊觀察AI 的需求成長與發展進程，同時也一邊觀察機器人的產業發展。
目前， AI 正在從數位世界，走向實體世界。
4 月 14 日，我參加了 2026 Taiwan AI Robots Festival – AI 機器人產業論壇。在論壇中，我關注的重點在於 Physical AI（具身智能）是否開始形成產業鏈，以及 AI 落地應用的進程，是否已進入可商業化階段。畢竟當 AI 成長趨勢已經確立，未來投資的關鍵，就在於何時落地、誰先受惠。
以下，整理本次論壇的幾個重點，並延伸至我對產業與投資的觀察。
World Model：Physical AI 的新門檻
論壇剛開始，NVIDIA 台灣新創生態系暨機器人開發者關係負責人李昇達提到，未來 Physical AI 的核心標準，將建立在 World Model（世界模型）之上。
過去的 AI，多數建立在網路規模資料之上，也就是文字、圖片、影片等數位世界的資訊。但當 AI 要進入真實世界，就會出現實際情境複雜且不可控、現實世界資料取得成本極高、甚至訓練資料無法像網路資料一樣無限擴張等挑戰。因此，Physical AI 的發展，必須依賴不同的資料結構。
從這次展示的架構來看，資料來源大致分為三層：
第一層：Internet Scale Data（網路資料）： 作為基礎認知能力
第二層：Synthetic Data（合成資料）：透過模擬環境生成，用來補足現實資料不足
第三層：In-robot Data（機器人實際運作資料）：真實世界回饋，用來持續修正模型
而 NVIDIA 所提出的解法，是透過 Cosmos 平台，建立一個能同時處理「世界理解」與「世界生成」的基礎模型。
World Model 的本質，也象徵著 AI 演進的下一個進程，它不再僅限於被動地理解資訊，更進化為具備「感知、模擬、預測」循環能力的系統，透過對物理規律與世界運行的深度擬真，AI 能在虛擬模型中預演未來，進而推導出最佳行動方案，實現從「靜態理解」到「動態決策」的質變。
關鍵觀察：
產業競爭的風向正在發生根本性的轉變，AI 的競爭門檻已由單純的「模型參數」轉向深層的「數據與模擬能力」。在 Physical AI 的浪潮下，領先者的關鍵優勢不再僅是算力的堆疊，而是能否建構高品質的數位孿生環境，並有效整合真實世界的回饋數據，這場競賽已進入「數據閉環、模擬擬真、真實場景」三位一體的整體競爭模式。
以投資的視角來看，未來會受惠的，不會只有 AI 晶片，同時包含模擬平台、工業自動化、感測與機器視覺、以及機器人整合系統，都會開始進入同一條產業主線。
NVIDIA 的這段演講看似技術更新，實則是對產業規則的重新定義，預示 World Model 將成為未來 AI 的底層基礎設施，在 Physical AI 的發展過程中，誰能掌握像 Cosmos 的模擬技術，誰就有能力進入下一階段，未來的競爭門檻，取決於誰能更精準地模擬世界並預測未來。
AI Factory：AI 開始進入「生產系統」階段
從鴻海在論壇中展示的 AI Factory 架構來看，產業已經開始進入「從模擬到實際部署」的系統化階段， AI Factory 的落地，並非單點技術導入，而是完整的工程與營運系統，這些能力如何真正落地並規模化，核心流程可以分為四個階段：
- 幾何基礎（Geometry Foundation）： AI 的起點不是模型，而是現實世界的結構，透過將工廠設備、產線與空間 1:1 數位化，建立結構化的數位分身，將現實世界「標準化」為可計算的資料。
- 模擬驗證（Simulation）： 在任何自動化部署前，先在虛擬環境中完成機器人動線與生產流程的驗證，透過模擬來大幅降低錯誤成本。
- 資料整合（Data Integration）： 進入實體工廠後，將 IoT 設備、MES 與產線即時資訊整合，形成統一資料層。
- AI 驅動營運（AI-Powered Operations）： 最後為 AI Agent 的決策輔助與排程優化。最關鍵的為形成「閉環優化」：資料驅動決策，決策產生回饋，回饋再優化模型。
關鍵觀察：
產業轉折點：AI 已經從「外部工具」，變成「生產系統的一部分」， 過去企業用 AI 是為了做預測或輔助分析與決策，但在 AI Factory 模式下，AI 是直接參與營運本身。
而模擬能力也成為了新的競爭門檻，現在所有的自動化部署與優化，都必須先經過虛擬驗證，缺乏模擬能力的企業，將無法實現真正的規模化。
從投資的角度來看，除了基礎需求的Ai晶片，受惠的領域會層層擴散，除了市場已經熟悉的 AI 伺服器與 GPU 外，會在往下擴散到工業電腦、自動化設備與感測元件，以及最關鍵的模擬平台與數位孿生軟體，都將成為不可或缺的基礎設施。
從 AI Factory 可明確看出 AI 開始吃進企業的資本支出，市場目前聚焦在被動元件與 GPU 的供需失衡，而下一階段就會看到 AI 如何徹底吃掉並重塑整個製造業。
AI 在製造業的真正落地點
目前談到AI製造，會讓人直覺想到「整廠自動化」或「人形機器人」，但新代科技分享的「AI 與智慧製造融合」中，說明 AI 在製造業的落地並非生產人形機器人，而是從現實底層作改變。
目前製造現場面臨到的問題，依舊是缺工、客製化高、整合成本昂貴。要解決這些問題，AI 的切入點不是在最上層的硬體外殼，而是在控制器與機台層。
AI 導入的三個實質進程
AI 正在將製造業從「設備自動化」推向「決策自動化」，AI導入發展的過程有：
- 降低門檻： 透過 LLM（大語言模型）簡化程式撰寫，減少人工調機與試錯成本。
- 精度優化： 將 AI 模型植入運動控制，直接提升機台的運作效率與節奏。
- 智慧運維： 建立自我診斷系統，實現生產過程的即時監控與資源最佳化。
除了技術升級外，製造業從「設備自動化」，走向「決策自動化」，製造業的底層控制權也開始進行重新分配，掌握控制器與數據，就能掌握未來智慧工廠的主導權。
目前市場對機器人產業輪廓的理解還很模糊，若將產業鏈分為三層，可看出資產配置的長期護城河：
- 底層核心（真正關鍵）：CNC 控制器、運動控制、工業 AI。
這是 AI 下達指令給硬體的橋樑。沒有控制器，AI 只是紙上談兵。這類企業（如新代、上銀、亞德客-KY）擁有極高的競爭門檻。 - 中層整合（規模擴張）：系統整合（SI）與製造服務（如鴻海）。
雖然具備成長性，但由於客製化程度高且毛利較薄，競爭重點在於規模效應而非技術溢價。 - 頂層敘事（市場熱度）：人形機器人。
目前多屬題材炒作。受限於成本過高與商業模式不明確，短期內難以看到實質的投報率（ROI）。
台股受惠分級
台股的受惠程度可以分為三個等級：
第一級：核心受惠（長期主線）
- 控制與傳動： 新代 (7750)、上銀 (2049)、亞德客-KY (1590)。控制器是 AI 到實體動作的唯一路徑，因此利潤最高。
- 邊緣運算（Edge AI）： 研華 (2395)、樺漢 (6414)。工廠需要即時決策，運算力必然留在終端。
- 感測與視覺： 大立光 (3008)、所羅門 (2359)。視覺系統是 AI 在工廠的眼睛，是所有自動化的前提。
第二級：波段受惠
- 機器人零組件： 直得 (1597)、鈞興-KY (4571)。雖然需求會成長，但因同質性高容易有價格競爭問題。
- 大型代工： 鴻海 (2317)。優勢在於整合能力，但毛利率提升幅度相對受限。
第三級：題材炒作
- 純人形機器人概念股： 多數個股因受限於成本應用場景的限制，目前僅具備題材價值，缺乏成熟的商業落地場景，因此這類股票容易被炒作，但不具備長期持有的基本面支撐。
未來三年的機會不在機器人本體的生產，而在於控制器、運動控制、及工業 AI的結合。
市場現在關注的是「機器人」，但從投資角度來看，做機器人不一定賺最多，整合系統毛利有限，掌握控制器、運動控制與工業AI的，才是真正處在產業核心的位置。
AI 機器人產業正進入「系統化競爭」
由研華科技在「Edge AI 驅動工業自動化新典範」的分享內容中，顯示了產業的轉變，AI 不再只是雲端運算，而是開始往邊緣端遞移，並直接進入設備與控制系統中，形成感知、決策、與控制的全鏈條整合。
從投資角度看價值鏈的三個結構：
- 感知： 鏡頭、感測器門檻正在快速下降，競爭最為激烈。
- 決策： 多數屬於軟體端開發，台股實質參與深度有限。
- 控制： 這是目前的重點。 因為 AI 最終必須轉化為「物理動作」，所有的高階 AI 都要靠電機、馬達與控制器來落實。
未來的工廠控制器將不再是傳統的 PLC，而是工業電腦與 AI 模型的「AI整合平台」，控制器正在 PC 化與 AI 化。
工業控制架構正朝著開放式的 ROS2 系統與 Edge AI 發展，產業規則的控制權從「封閉設備商」（如西門子、三菱）轉向「開放平台商」。
機器人產業的競爭，進入整體系統架構的競爭，核心價值在於「控制與整合能力」，工業電腦與控制平台廠，也從過去的配角，逐漸走向產業核心。
未來的工廠，不只是自動化，而是由 AI 驅動的「即時決策系統」，投資的關鍵不在做機器人的公司，而是掌握機器人控制權的產業，也就是控制器與邊緣運算平台。當工業控制從封閉轉向開放，台灣的工業電腦與控制器廠商就有機會重新定義全球地位。
