前言

從2025年春晚宇樹機器人的熱舞後，全球看到機器人模仿人體結構，具備頭部、軀幹與四肢，並結合視覺、語音感測能力，已能夠進行靈活且流暢的運動。接下來的重心會出現轉變 — 不再只是比拼動作展示的好看，而是回到能否真正解決人類面臨的實際問題、創造真正價值。具備「資料—模型—部署—回饋」循環能力的企業，將更有機會在這一波商業化競爭中脫穎而出。

2026年TESLA的Optimus、Figure AI、1X Technologies、宇樹科技與智元機器人等業者都將進行量產，產業正密切觀察人型機器人是否能從實驗室走向實際產業場域，甚至延伸至家庭應用。人型機器人的技術定位正逐步轉變，發展將會從過去僅能執行單一任務的專用設備，演進為兼具環境適應力與專業技能的通用型系統，同時仍需維持工業場域要求的精度與可靠性。大模型結合運動控制與合成資料的技術進展，將視為智慧機器人跨入商業化應用的關鍵挑戰。

一、人型機器人發展呈多元競爭態勢

目前全球人型機器人呈現多元發展且分工明確的競合格局：中國大陸著在重量產與出貨規模，美國聚焦人工智慧技術突破，歐洲則以高階零組件凸顯競爭力。

美國TESLA推出 Optimus，以1.72公尺身高與57公斤重量，達到8公里時速及20公斤負載能力；波士頓動力 Atlas 則在75公斤機體下實現2.5公尺/每秒的高速移動，具備優異的抗擾動能力。中國大陸宇樹科技H1，憑藉47公斤的輕量化設計，達到3.3公尺/每秒的行走速度，在速度表現上居於領先地位；挪威NEO則以高達57個自由度展現優異的關節靈活性。負載能力方面，工業與服務型機器人呈現明顯差異，例如美國Agility Robotics的Digit可達40公斤負載，而服務型機器人如中國大陸小米的CyberOne則以安全互動為優先，負載能力相對較低。

在機器人感知系統方面，朝向多模態融合發展趨勢。美國企業採取差異化策略，TESLA以低成本視覺方案為主，結合多目攝影機與慣性測量單元（IMU）；波士頓動力則導入高精度雷射雷達與力覺感測技術。中國大陸企業則呈現多元化布局，如優必選採用360度全景感知系統，智元機器人融合觸覺與光達技術。挪威NEO則透過多通道觸覺感測陣列強化精細操作能力。

在機器人的控制技術主要有三大領域：首先是平衡控制技術，如Optimus以即時IMU演算法提升穩定性、Atlas則專注於動態抗干擾能力；其次為力控制技術，中國大陸企業在阻抗控制與全身柔順控制上取得顯著進展，如智元機器人透過全身柔順控制提升操作精度；第三為智慧決策能力，美國 Figure 機器人透過「快思慢想」架構進行任務分層，而小米則結合強化學習與AI演算法提升自主決策能力。

從機器人產業化進程來看，目前各國發展階段不一。美國Optimus已邁入量產階段，但在複雜環境適應能力上仍有待觀察；Digit已成功導入物流應用場景；中國優必選雖實現量產，但功耗問題是個挑戰；另有些機器人則受限於自由度設計，影響動作多樣性，還有成本與結構強度的雙重限制。

整體而言，人型機器人目前仍面臨兩大核心瓶頸。其一為能效問題，高性能機器人普遍存在高功耗現象，例如75公斤等級機器人功耗可超過4 kWh；其二為環境適應能力不足，在複雜光源與地形條件下，感知系統仍存在辨識盲區。

二、智慧機器人技術發展趨勢

圖1、智慧機器人產品與主要發展技術

圖1是智慧機器人產品與主要發展的技術。在大模型與自我調整學習上，模擬環境與世界模型的持續完善將有利於機器人適應能力的提升，亦即基於對物理世界的規律認知經驗，利用模擬平台進行物體運動、形變，環境的光電氣熱等變化，以及操作工具使用等現象、狀態和過程，進行類比模擬和建模分析，進而構建機器人對物理世界和運動操作的認知和理解，並透過不斷的模擬訓練對機器人的運動控制演算法等進行優化調整。

在靈巧操作與模擬仿真上，運動控制技術的進步體現在仿生結構設計和動態平衡演算法上，雙足機器人已能實現穩定行走甚至跑步，但機器人在非結構化環境中的應用潛力，則要靠機器人的操作精細度及結果回饋來提升，其中觸覺將是機器人感知能力增強的重要方向之一，主要透過電子皮膚、力矩感測器等來感知物理接觸情況。

在感測器領域，高精度感測器包括視覺感測器、觸覺感測器、力覺感測器等，是機器人瞭解環境的「感官器官」。觸覺感測器透過類比人類皮膚神經網路，實現了對物體材質、溫度、壓力的精細感知。電子皮膚和力矩感測器等新型觸覺技術的應用，可顯著提升機器人的操作精細度。

未來技術突破將聚焦於三大方向：首先是一體化伺服驅動關節模組，包括高轉矩密度與高效率設計；其次為材料技術革新，例如碳纖維等輕量化結構的導入；最後則為演算法升級，透過大模型與強化學習提升機器人自主決策與環境理解能力。

1、一體化伺服驅動關節模組

我們觀察現今機器人的技術發展，現今的機器人技術路線呈現多元競爭的格局，不同應用場景下的機器人型態也不盡相同，在多種形態及場景下都可通用的硬體將擁有廣大的市場空間。

傳統機器人關節多採分體式架構，將馬達、減速機與感測器分別配置，雖具備一定彈性，但也帶來結構複雜、體積龐大與效率不足等問題，漸難滿足新世代機器人對於高功率密度與緊湊設計的需求。隨著機器人技術朝向高動態、輕量化與智慧化發展，關節模組已成為影響整體性能的關鍵核心。機器人關節不僅負責運動執行，其設計品質亦直接決定機器人的運動精度、動態響應能力與能源效率。

一體化伺服關節技術透過將驅動、傳動與感測系統整合於單一模組中，此類關節可有效縮減體積約40%至60%，並將轉矩密度提升至傳統方案的2至3倍，大幅優化整體功率密度與動態性能。目前一體化關節模組主要可分為旋轉型與直線型兩大類型，其中旋轉關節已廣泛應用於各類機器人系統，而直線關節則仍處於研發與初期導入階段。關節配置上，旋轉型伺服關節多應用於機器人的肩、腕與髖等部位，負責精準的角度控制；直線型關節則應用於肘、膝與踝等部位，以實現直接的線性運動輸出。

從應用角度來看，一體化伺服關節有望廣泛導入於多種機器人型態。依型態分類，可區分為仿人機器人與仿動物機器人；依運動方式可分為雙足、多足與輪式機器人；若以應用場域區分，則涵蓋工業型與服務型機器人。其中以人型機器人、四足機器人及工業機械手臂為目前最具代表性的應用領域。

2、材料技術革新

構成人型機器人的材料種類豐富，以TESLA Optimus來說，其中特種鋼、永磁材料、PEEK在一台機器人上的用量分別為16.8公斤、3.4公斤、10.5公斤。特種鋼材是人型機器人零組件的重要原材料，相較於普通鋼，特殊鋼具有優異的物理化學性能，多應用於高階製造、汽車、機器人等領域。

釹鐵硼永磁材料是伺服馬達的關鍵材料，高性能釹鐵硼永磁材料作為驅動馬達的材料，主要優勢在同步馬達體積小型化的過程中依然能夠保持高磁性、磁一致性等性質。以Optimus為例，一台機器人需要使用28個無框馬達、12個空心杯馬達，其中高性能釹鐵硼用量可達到3.4公斤。假設人型機器人在10年後達到每年1,000萬台的需求，將會拉動3.4萬噸高性能釹鐵硼材料的用量。

在輕量化議題上，聚醚醚酮(PEEK)是很優秀的材料。PEEK強度大、密度低，是綜合性能和產品附加值較高的特種工程塑料，可應用於人型機器人肢體骨骼及各關節結構件，能顯著降低機器人的自身重量。若人型機器人有1,000萬台的需求，預估將會使用10.5萬噸的PEEK用量，惟目前單價仍相當高，市場接受度仍待驗證。

3、大模型與強化學習

人型機器人目前尚未實現大規模應用，主要原因並非硬體能力不足，而是大模型存在瓶頸。從產業的進程來看目前機器人肢體技術較為成熟，而大模型的發展遠落後於硬體。

宣稱即將在今年量產的TESLA Optimus V3 是一款通用人型機器人，它可透過觀察人類行為自主學習新技能，並支援以展示、口頭指令或播放影片等方式來執行任務。透過視覺、語言與動作模型的整合，機器人開始具備跨場景學習與策略調整能力，使其不再侷限於單一功能裝置，而朝向具備通用智慧的行動系統發展。

Optimus沿用TESLA FSD(完全自動駕駛)系統的技術，採用端到端的大模型。汽車FSD與Optimus大模型兩者都是多模態輸入(視覺、觸覺、語音、導航)、即時動作輸出(轉向、步態、手臂運動)，亦即基於同樣的世界模型推理，差別僅在於車的身體是車輪，機器人的身體是關節。TESLA目前已經將影片生成系統直接用於機器人的模擬與運動規劃，機器人可以和FSD一樣，在虛擬世界中學習走路、抓取、避障等操作。

以剛結束的2026德國漢諾威工業展(Hannover messe2026)來說，有許多業者展出工業機器人執行取放料件的動作(例如大族、新松、KUKA、FANUC、ABB、UR、SEW、IGUS、安川、珞石、UR、DENSO、台達電等)，亦即機械手臂從雜亂的料箱中抓取零組件，快速定位、調整路徑，並精準放置至下一道工序。這樣的展示幾乎每年都能看到，但今年的關鍵差異不在動作本身，而在背後的決策邏輯。過去這些操作依賴預先編排的程式路徑，但今年有愈來愈多設備強調已能在現場進行自主判斷、動態調整並直接執行任務，也就是機器不再只是「依指令行動」，而是開始在製程中「理解並參與」。

我們觀察漢諾威工業展的機器人自動化技術演進，可以發現AI在工業領域的擴散軌跡：2024年生成式AI初步導入工業應用，約有三成聚焦於程式開發，特別是PLC編程；2025年進一步全面嵌入至工業軟體，多數領導廠商(例如ABB、SIEMENS)已導入聊天機器人與助理功能，用於提升程式生成、資料分析與使用者支援效率；到了今年，AI已不再停留於軟體層，而是進入生產系統本身，成為可直接作用於實體世界的行動者，工業AI發展邁入全新階段。

1. 2024 年：生成式AI開始在工業領域嶄露頭角，約有三成應用聚焦於程式開發，其中以PLC程式設計最為普遍，主要用於提升工程開發效率與自動化程度。 

2. 2025 年：生成式AI進一步全面導入工業軟體體系，幾乎所有領導廠商皆推出整合生成式AI功能的產品，多數以聊天機器人與智慧助理形式呈現，應用在程式生成、數據分析等，大幅提升整體作業效率。 

3. 2026 年：AI已不再侷限於軟體層的程式生成或決策輔助，而是深入生產系統本身，成為可直接作用於實體世界的行動者。隨著機器人與人工智慧的深度融合，正驅動工業機器人邁向自主化，並引發製造模式的結構性轉變。

拆解機器人的動作技術，首先是「視覺－語言－動作（VLA）模型」，將感知、理解與控制整合為單一端到端系統，使機器人能直接理解指令並執行複雜任務，例如結合大型語言模型與控制能力的系統，已能完成如拿取物品等語意驅動操作。這方向已被多數機器人導入，是目前機器人產業的顯學。其次是「分層架構」，即大腦-小腦-肢體的架構，由上層大模型負責感知與決策，底層硬體層和中間回應快的小模型負責分解與執行。第三是「世界模型」，強調透過與實體環境互動，進行主動探索、多模態學習與持續優化。

世界模型的優勢在於不僅能解釋過去，還能預測未來，並在此基礎上作出規劃與決策。然而，這些技術尚都面臨數據不足、即時性(推理延遲需控制在毫秒等級)、數據安全的風險與端側部署成本等許多挑戰。

圖2、機器人的發展從規則到神經網路，從端到端邁向認知智慧

端到端大模型能夠直接把人類指令送給機器人執行，透過輸入圖像及文本指令後，模型輸出夾爪末端的動作軌跡。這種方式大幅簡化了系統的層次結構，提高回應速度，但由於缺乏中間邏輯推理層，對大量數據的依賴度很高。目前大模型的主流型式分為分層式與端到端式，技術仍在持續進展中，如圖2。

結論

全球機器人產業的發展趨勢主要是：

1、市場格局正處於重塑階段：人型機器人領域可能出現2至3家具全球主導力的領導廠商；傳統工業機器人四大家族的既有市佔版圖面臨鬆動與重組，特別是面臨中國大陸業者的競爭；服務型機器人將在各細分應用場景中逐步形成各自的領導品牌，呈現多元分化的競爭態勢。

2、商業模式快速演進：以「硬體銷售結合軟體訂閱」的模式逐漸成為主流，RaaS(機器人即服務)會加速普及，降低導入門檻並強化成本效益。此外，圍繞機器人應用的技能商店與開發者生態(以軟體為主的系統整合商)會日趨多元，推動平台化與規模化發展。

3、產業鏈朝成熟化與平台化發展：機器人零組件的標準化程度持續提升，中國大陸比起歐美國家在機器人零組件的供應鏈完整太多(且具成本競爭力)，機器人關節模組化設計會降低人型機器人系統開發整合難度。

整體來看，機器人產業已經出現幾個很明顯的轉變。第一，產業鏈不再只是做單一零組件，而是往「軟硬整合」走，像是減速機、伺服馬達、控制器未來都會變得更精密也更智慧(例如Bosch、Maxon、Schaeffler)。第二，競爭模式在改變，已經不是單純比誰供應鏈強，而是升級成「生態系競爭」，誰能建立一個通用的平台(像機器人的智慧底座)，串起軟體、硬體與應用，誰就更有優勢。第三，獲利價值正在從硬體轉向軟體能力，未來真正關鍵的會是感知、互動、決策到執行這些軟實力，這將是整個機器人產業最有價值的環節。

轉載自全國工業總會產業雜誌6月號675期
著作權所有，內容非經同意不得轉載