在生成式 AI 逐步成熟之際，新一波創新正從數位世界延伸至現實場域——「實體 AI」時代即將來臨。從智慧製造、無人機到個人化 AI 助理，企業如何在新架構下重新定義策略與治理，成為 CIO 必須思考的關鍵課題。
採訪／施鑫澤 文／林裕洋
隨著商業環境競爭日益激烈，帶動企業擴大在相關領域的投資。預計 2026 年 80% 企業將會在生產環境部署生成式 AI 應用或者生成式 AI API，迫使 CIO 重新思考 IT 架構、模型治理與人才布局策略。
目前 Gartner 把生成式 AI 定位在「幻滅期」，隨著企業正逐步從試驗轉向規模化應用，也代表該技術在初期熱潮後逐步面臨挑戰，如落地困難、風險管理、倫理問題等。市場上生成式 AI 推廣應用領域，例如內容創作、代碼生成、藥物研發、材料科學等，同時促使更多重視 AI 解釋性、決策支持系統、邊緣 AI 以及與物聯網和區塊鏈的融合。
Gartner 資深分析師 Chriag Dekate 指出，目前我們正處於生成式 AI 的數位擴散階段，現今企業的 AI 應用多聚焦在數據中心、雲端或行動端的數位環境，從內容生成、客服自動化到決策輔助。然而，當數位應用趨於成熟，下一波創新重心將轉向「實體 AI 的落地應用」。
實體 AI 引爆關鍵 消費型數位分身
實體 AI 特色在於因人為賦權而具有感測、決策與執行能力的機器與設備，如機器人、無人飛行器暨智慧型設備等等，可將智慧型演化演算帶入到現實世界，為看重自動化、適應性與安全性的行業帶來可觀收益。只是實體 AI 威力過於強大，也同時引發人們對就業的擔憂，因此要採取謹慎的變革管理。
在生成式 AI 的變革正逐步延伸至實體世界，企業若想在下一階段保持競爭力，必須開始理解並布局「實體 AI 的挑戰與機會」。這場新革命將使智慧走出數位螢幕，深入工廠、生產線、零售現場與公共空間，重新定義企業的技術架構與營運策略。
[ 加入 CIO Taiwan 官方 LINE 、 Facebook 與 linkedIn，與全球CIO同步獲取精華見解 ]
Chirag 指出，實體 AI 第一個商業引爆點將出現在消費端。未來幾年，我們會看到超個人化（Hyper-personalization）應用出現，如 OpenAI 與前蘋果設計師 Jony Ive 合作，正著手打造能自然整合 AI 技術的新型終端裝置。而發展多時的智慧眼鏡與環境運算平台，將成為個人化 AI 助理的載具，不僅能「聽與看」，還能主動理解使用者需求，如同一個「活的數位分身」。
實體 AI 創新重心 由西方轉向亞洲
與純軟體式的 AI 不同，實體 AI 是在不可預測、持續變動的現實環境中運作，所以同時涉及感知、認知與行動三個層面，需要整合感測器、機器控制、運算平台與學習模型。從工業機器人、無人車到智慧製造與沉浸式裝置，實體 AI 代表了 AI 與物理世界結合的下一階段。
以自主移動機器人（AMR）為例，實體 AI 系統架構分為四個層面，首先是感知層，透過感測器與攝影機蒐集環境資訊，建立「世界模型」，辨識空間、物體與障礙。其次是認知層利用嵌入式運算進行判斷與決策，實現情境理解與行動規劃。第三是驅動層，主要控制機械臂、輪軸與馬達等元件，完成實際的物理互動與操作。最後是 IT 基礎層，提供雲端或邊緣端的運算能力，支援生成式 AI 模型的訓練、驗證與部署。
這四層協作架構，使機器能在真實環境中完成「感知—理解—決策—執行」的閉環循環，也正是實體 AI 與傳統數位 AI 的最大差異所在。
Chirag 表示，隨著實體 AI 時代來臨，實體 AI 創新重心可能由西方轉向亞洲，主要源自於三大因素，分別是「亞洲在機器人供應鏈與自動化部署上具備深厚基礎」、「日本、韓國、中國與台灣在工業機器人與半導體製造的滲透率全球最高」。特別是亞洲企業在 XR 平台、智慧製造與環境運算的整合應用上，將率先展現落地成果。
IT 與 OT 融合 驅動基礎架構重塑
在企業推動實體 AI 專案過程中，勢必會同時帶動 IT 與 OT 整合。傳統上，IT 負責集中式資料中心的管理與運算，OT 則掌控工廠端、邊緣端的機台與感測系統。然而在實體 AI 的應用場景中，AI 模型不再只在雲端運作，而是分散於現場裝置中，這讓 IT 與 OT 不可能再分開，兩者界線正逐漸消失。
根據 Gartner 公布研究報告指出，預估 2030 年資產密集型產業中 60% IT 基礎設施部署，將包含實體 AI 組件，例如邊緣伺服器、實時感測器網路和機器人整合，以實現數位與實體環境之間的互動。
[ 推薦文章 ：Agentic AI 成長快速，資安風險不容忽視 ]
「目前多數企業仍處於研發與實驗階段，在市場價值與應用場景尚未明確之前，不宜進行大規模重組。」Chirag 解釋：「我們建議 CIO 採取漸進式整合策略，短期可以小規模研發與試點驗證效益。中期可建立跨部門協作流程。長期在確立商業價值後，再調整組織架構與職能邊界。」
克服 AI 兩大風險 開放架構與彈性治理
隨著生成式 AI 效益浮現，企業也加快推動 AI 專案速度，然背後也隱藏供應商鎖定、成本波動等兩大風險。關鍵在於任何技術發展過程通常會遵循「S 曲線」，即初期通常由少數供應商掌握關鍵技術，因此封閉生態難以避免；但當技術進入成熟期，開放標準與互通架構將自然形成。
因此，Gartner 建議企業採取三項緩解策略，第一點是以使用場景為導向，優先確立商業價值與應用目的。其次，優先考慮相容性，選擇與現有雲端、資料架構相容的技術堆疊。最後則是導入開放生態策略，在成熟階段採用可擴展的標準架構，如 Kubernetes 或跨雲管理平台。
實體 AI 不只是軟體的進化，而是整個產業機制的重構，企業能否在市場取得領先優勢關鍵，在於讓智慧應用服務落地的速度。不過，專案團隊應該先驗證 AI 專案價值，再投入整個 IT 架構的重構工作，且技術導入的節奏必須與商業成熟度同步，才能讓 IT 預算發揮最大價值。
從生成式 AI 到實體 AI，AI 的戰場正在從數據中心延伸到真實世界。對 CIO 與技術決策者而言，這不只是技術升級，而是一場生態系與組織結構的重塑。CIO 不僅要懂技術，更要具備跨領域整合、倫理治理與創新管理的能力，才能在 AI 浪潮中取得優勢。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
