實體 AI 投資者指出，亞洲的製造業與半導體能力可能成為機器人公司邁向商業化部署的優勢，同時也認為取得真實世界訓練數據是一大障礙。

重點摘要

  • 投資者在舊金山的一場高峰會上討論了台灣、日本及東南亞的機會。
  • 工廠數據可能難以取得，因為製造商可能不願分享專有資訊。
  • Startup Island TAIWAN Silicon Valley Hub 正在籌辦更多產業對話及投資者聚會。

實體 AI 從模擬邁向生產

在 SF Tech Week 期間舉行的 Silicon to Scale: A Physical AI Summit 上，投資者與產業高層討論了在真實環境中部署智慧機器所面臨的挑戰。活動吸引逾 170 位投資者、產業領袖及創辦人參與，並介紹五家台灣新創公司：Morale AI、MetAI、Jmem Tek、Neuroshine 及 APMIC。

一場企業座談探討了模擬與真實世界部署之間的落差，以及擴大規模所需的運算、邊緣及能源基礎設施。

亞洲製造業能提供哪些助力

花旗 AI 基礎設施總監 Jeff Tao 指出，東南亞（包括馬來西亞）的半導體封裝與測試業務，是可支援新興技術的現有能力。他也表示，企業可結合亞洲的製造優勢與美國市場的機會；當地高昂的勞動成本為工業自動化創造了發展空間。

Open Network Lab Fund 的 Yusa Kosuke 表示，日本具備不同的優勢：生產環境經常變動，要求機器人適應不同任務與操作條件。Startup Island TAIWAN Silicon Valley Hub 負責人 Uly Su 表示，台灣可善用其在半導體、電子及先進製造方面的優勢。

工廠數據與基礎設施限制

不同於以大量數位資訊訓練的語言模型，機器人系統需要來自工廠、生產線等實體環境的專門數據。Tao 表示，數據收集之所以困難，部分原因在於製造商不願分享專有營運數據。

DCVC 負責人 Vandon Duong 表示，開發者願意為多元且標註完善的數據集付費，但他質疑，隨著競爭加劇，數據收集公司如何建立持久的優勢。投資者也討論了運算成本：Tao 指出，電力供應已成為美國日益重要的基礎設施瓶頸；Duong 則提到可提升運算效率並降低推論成本的技術。

閱讀更多新聞

更多 FinanceVelix 新聞

免責聲明

這篇 FinanceVelix 文章提供一般資訊，並非個人化的財務、投資、法律或稅務建議。市場價格、利率及經濟狀況可能變化；投資涉及損失風險。本文所述事實反映發布時可取得的資料，且可能有所變動。請自行核實重要資訊，並在需要時諮詢合格專業人士。提及任何資產、公司或服務均不代表對其背書。