隨著技術門檻大幅降低，具備產業知識的小型組織將成為推動實體產能革命的核心力量。
【我的預測】2026年，AI將從單純的軟體工具全面演進為Physical AI，這會是AI進入實體世界核心流程、解決勞動力缺口，並創造實質經濟產出的轉折點。而隨著AI落地門檻下降，將催生更多具備產業知識的小型專業創新。
【我們正在做】利用加速器機制，支援能精準定義產業命題的AI新創，讓算力轉化為實體產能。推動模型代工與推論基礎建設，透過與醫療、製造等垂直領域深度合作，將產業知識轉化為具備高合規性的主權AI。
【我的建議】企業應將AI投入於「核心流程」或「核心產品」，而非僅止於個人辦公效率的提升。唯有能量化生產力的應用，才能在未來的經濟模型中站穩腳步。
趨勢1 Physical AI 成為實體世界關鍵產能基礎
AI要真正帶來價值，必須從虛擬世界走進實體世界。2023年AI浪潮起步以來，各界關注焦點就是生產力的提升；純粹的軟體概念是虛擬的，如果AI沒有進入實體世界，就無法提升企業投資報酬率，徒然展現能力但不帶來價值，更遑論解決少子化或產業升級等現實需求。
這就是我對「Physical AI」的定義。另一種說法是，AI的「Artificial」（人工），未來應該解釋為「Analog」（類比），因為類比才是實體世界的語言。
很多AI展示起來很快、很有意思，但沒有進入實體世界，就看不到生產力和ROI；那AI就只是展示能力但不產生價值，便只是「永動機」而非基礎建設。
但我很樂觀。台智雲在第一線，從模型到算力都跟各行各業走得很深。我們建算力不是為了建而建，而是要在金融、製造、醫療、國防等核心流程或核心產品裡，帶來實體世界的改變。
判斷Physical AI是否成功，要看領先指標。以台灣目前的照護產業人力荒為例，透過AI agent，深度連結個管師的作業流程，協助把關用藥安全或推薦營養品，一個個管師就有機會從服務10人變成服務100人，看到時間的明確節省。
這種「物理性」的生產力提升，會反映在各行各業的經濟模型中，成為實體世界不可或缺的價值基礎。
趨勢2 介入「核心流程」是衡量 AI 投報率的唯一途徑
要評估物理AI對實體世界產出的實際效益，須回歸損益表上的具體改變。要AI落地產生價值，關鍵在於讓AI介入「核心流程」或「核心產品」，而非僅止於個人辦公效率的提升——企業可以在作業流程中，計算出明確的人力或時間節省幅度，這是檢視AI落地成效最有代表性的領先指標。
舉例而言，美國食品藥物管理局（FDA）導入AI代理模型「Elsa」，就顯著提高藥品與醫材審查效率。
過去藥廠準備申請文件、整理臨床實驗數據與法規比對的作業極為繁瑣，由專家團隊以人工進行，往往需要耗費一個月。FDA導入「Elsa」後，讓AI自動化執行初步的合規審核，再由人類進行最終把關，將審查週期從數週大幅縮減至數小時。
這種具體的效率提升，是算得出來的經濟價值。
美國透過將AI導入藥品與醫材的核心審查流程，大幅減少作業時間與人力成本，創造可被量化的實質價值。圖片來源：Shutterstock
同樣的邏輯也適用於製造研發或供應鏈管理，如果AI能將原本需1000次實驗才能得出的目標結果，透過模擬與推論縮減至100次，省下的人力與時間成本，就會轉化為企業的核心競爭優勢。
趨勢3 產業知識重奪主導權，台灣迎來垂直領域AI機會
隨著開發工具的進化，AI的技術門檻正在大幅降低。過去，科技新創可能要募集5000萬台幣、養一批工程團隊來寫產品；現在，一位創辦人只要花200美金，就能帶領AI完成概念驗證（POC）。當研發與產品管理的技術挑戰變小，競爭的決勝點將回歸到「Domain Know-how」（產業知識）。
在未來的市場中，「懂產業」比「只懂技術」更有優勢。舉例來說，若要開發零售業專屬AI Agent，零售業專家提出的解決方案，可能比AI工程師更精準，這也催生了「一人新創」或極小化創新組織的興起——關鍵不在於團隊人數，而在深度連結AI與專業作業流程的能力。
這正是台灣的機會。過去軟體市場，矽谷大廠做出一款產品就能通行全世界；但在Physical AI的生態中，各行各業的合規性、文化、語言與市場，完全不同，形成天然的在地化門檻。
雖然本地市場不大，但台灣科技業的國際能見度已大幅提升；其他國家發展垂直領域AI時，若不想選擇美國或中國的產品，台灣是個友善且具競爭力的選項。
此外，台灣擁有優異的代工能力和高密度產業聚落，資本市場對軟體業也漸趨友善。只要企業展現出具體的營運成果，估值與上市機會都優於過往，拓展海外的可能也更高。
行動1 投資新創，加速AI應用落地
為迎接這一波Physical AI變革，我們已開始積極扶植新創生態系。兩年前，台智雲成立了加速器團隊，與上百個新創團隊深度交流；去年起也協助數位發展部執行數位公共建設計畫，服務更多新創企業。
隨著今年IPO計畫與自有基金的成立，我們正強化對新創的支持。除了穩定提供API與GPU算力等基礎設施，更希望建構平台，連結各行各業的新創，協助團隊將技術拓展至實體行業的核心場域。
我們的長期目標，是發掘並連結更多具備深厚領域專業的組織，協助他們運用AI生產力，以小型人力規模開發高價值產品。
透過緊密合作，將AI Agent導入生產線、診間或金融後台等各行各業的核心流程，確保虛擬算力能轉化為實體世界產能，為產業帶來可量化的經濟效益。
行動2 建構「推論導向」的 AI 產業生態系
我們發現，算力需求正在轉變。過去兩年，主要需求是「訓練」（Training）；未來兩年，將迎來「推論」（Inference）的爆發。目前我們已為台大醫院、長庚醫院建構大型的推論基礎建設，為高合規場域的AI落地打下基礎。
我們也正推動「模型代工」（AI Foundry）。
AI的應用往往涉及核心作業流程與營業秘密，多數企業不想使用通用的外部模型；我們的角色，就是協助這些客戶，量身打造合規、安全且具備專屬Know-how的垂直領域模型，核心機密能留在私環境，滿足對資料安全性與掌控權的高度要求。
策略上，我們會先協助大企業建立成功的應用案例，確保模型與流程得到驗證後，再將成熟的模板，推廣給預算有限的中小企業。這能讓AI紅利從金字塔頂端擴散，確保台灣在多模態與推理模型的技術競賽中，始終保持領先。
未來城市＠天下｜華碩雲端暨台智雲總經理吳漢章2026年AI趨勢觀點：
A： 過去的AI停留在軟體層面，展示能力但不產生實體產值，Physical AI指的是AI真正進入實體世界的核心流程，在金融、製造、醫療、國防等領域，解決少子化或產業升級等現實需求，帶來實體世界的改變。
A： 看它有沒有介入「核心流程」或「核心產品」；只用在個人辦公效率，價值有限，真正的指標是損益表上的具體改變，例如節省了多少人力、縮短了多少時間。能量化生產力、算得出ROI，有「物理性」的生產力提升，才是Physical AI的本質，也是AI落地成功的關鍵。
A：不同於過去軟體市場被矽谷通吃，Physical AI涉及各行各業的合規、語言與文化差異，形成天然的在地化門檻，台灣擁有高密度產業聚落與優異代工能力，加上國際上的友善形象，正是切入全球垂直領域AI市場、輸出在地解方的最佳時機。
