華碩內部一封發給員工的信，這幾天在科技圈掀起討論。不是裁員，不是庫存，而是「智慧物聯網事業群」（AIoT Business Group）將從 9 月 1 日起正式更名為「實體 AI 解決方案事業群」（Physical AI Solutions Business Group，PAS BG）。名字很長，但重點只有一個：華碩不再滿足於讓設備連上網路，而是要讓 AI 真的「動手做事」。
這不是換招牌而已。從 AIoT 到 Physical AI，背後是整個華碩對未來十年科技主戰場的判斷。根據華碩內部評估，實體 AI 市場規模將在 2035 年成長到 1.1 兆美元——這個數字有多大？大概是現在全球半導體產業年產值的兩倍。問題在於，這塊大餅華碩能吃下多少？
現象觀察：從「雲端大腦」到「實體雙手」的戰略位移
首先必須釐清一個概念：實體 AI（Physical AI）跟現在大家熟知的生成式 AI 不太一樣。ChatGPT 或 Midjourney 處理的是文字、圖像、影音，產出的是「資訊」；實體 AI 處理的是空間、物體、動作，產出的是「行動」。
華碩這次組織改組，將 PAS BG 劃分為三大事業部：AI 解決方案事業部（智慧製造、城市、交通、安防）、自主平台事業部（AI 演算法與軟硬體整合）、以及全新設立的人型機器人事業部。簡單說，前兩個事業部是做「大腦」和「神經系統」，人型機器人事業部則是做「手腳」。
值得注意的是，人型機器人事業部並非從零開始，而是整併原有的機器人暨智慧應用事業部（IRA BU）及相關團隊。換句話說，華碩在機器人領域本來就有基礎，這次是將分散的資源集中押注在「人型」這個特定型態上。這跟輝達（NVIDIA）執行長黃仁勳近一年不斷強調的「實體 AI 將是下一波工業革命」不謀而合。
根據華碩內部信，PAS BG 將由張權德與許祐嘉共同領導。這兩位都是華碩的老將，張權德過去在 AIoT 領域著墨甚深，許祐嘉則擅長系統整合與產品化。從人事布局來看，華碩這次不是派「象徵性」的人頭來管，而是讓真正懂技術與市場的決策者直接上火線。
原因剖析：為什麼是「現在」？為什麼是「人型」？
如果實體 AI 是未來趨勢，那華碩為什麼選在 2026 年 9 月這個時間點大動作改組？有兩個關鍵因素。
首先，技術成熟度到了臨界點。 過去幾年，AI 模型從純軟體走向「邊緣運算」（Edge AI），再從邊緣運算走向「嵌入式系統」。現在，深度學習已經可以做到即時辨識物體、判斷空間關係、甚至預測物理動作。這些技術以前只能在實驗室跑，現在已經可以在工廠產線落地。華碩選擇從自家 EMS 製造場域開始驗證，就是看準了「真實環境」才是技術成熟的最後一關。
其次，人型機器人的「通用性」是關鍵。 為什麼不繼續做掃地機器人、送餐機器人？因為那些是「專用型」——只能在特定場景做特定事情。人型機器人的終極目標是「通用型」，可以走人類設計的樓梯、操作人類設計的工具、進入人類設計的空間。一旦這個技術成熟，市場規模將不是線性成長，而是指數型爆發。
話說回來，華碩的算盤很明確：先從自家工廠練兵，用組裝、包裝、小型物件抓取這些「低風險、高重複」的場景累積數據與經驗，然後逐步往外賣解決方案。這套「先內用、再外賣」的套路，台灣電子業其實很熟悉——當年鴻海也是先在自己工廠驗證自動化，再把整廠輸出給其他製造商。
影響評估：台灣電子業的「實體 AI 軍備競賽」已經開打
華碩不是第一個跳進 Physical AI 的台灣科技大廠。近一年來，包括台達電、鴻海、廣達都已經在智慧工廠、機器人、自主系統領域砸下重金。輝達更是把 Physical AI 當作下一階段的戰略核心，從 Omniverse 數位孿生平台到 Project GR00T 人型機器人基礎模型，一步步把生態系建起來。
華碩的優勢在哪？我認為有兩點。
第一，華碩在「邊緣 AI 運算」有硬體底子。 還記得華碩的 Tinker Board 系列嗎？那是少數能跟 Raspberry Pi 抗衡的單板電腦。再加上華碩在電競 PC 和伺服器累積的散熱、電源管理技術，這些在實體 AI 的「邊緣端」部署上都是關鍵能力。
第二，華碩的「平台思維」比其他台廠更明確。 從組織架構來看，PAS BG 下面設有「平台軟體中心一、二」，專門提供 AI 平台、模型工具、系統整合及共用軟體能力。這不是做一個硬體賣一個硬體的思維，而是想打造「電子製造業的實體 AI 訓練、驗證與部署平台」——說白了，就是想把自家工廠變成一個 AI 示範場域，然後把這個場域「標準化」成產品賣給別人。
【編輯觀點】從產業面來看，華碩這次組織改組最大的亮點不是「做了什麼」，而是「沒做什麼」。它沒有把 Physical AI 掛在原本的 IoT 事業群下面當一個部門，而是直接把整個事業群砍掉重練。這種「不試水溫、直接 All-in」的態度，在保守的台灣電子業並不多見。不過話說回來，Physical AI 的商業模式還在非常早期，華碩的挑戰不是技術，而是「產品化」——把複雜的 AI 系統變成客戶願意買單的標準品。如果 3 年內看不到明確營收貢獻，這個事業群的命運會很尷尬。對一般消費者來說，短期內不會看到華碩人型機器人出現在你家客廳，但 5 年內在醫療照護、物流倉儲這些 B2B 場景看到華碩的 AI 解決方案，機率不低。
趨勢預測：實體 AI 的三大發展關卡
華碩的戰略方向對了，但不代表路好走。接下來實體 AI 要真正落地，還有三道關卡要過。
第一關：數據從哪來？ 生成式 AI 的數據來自網路，幾乎無限供應。但實體 AI 需要的是「物理世界數據」——物體的重量、摩擦力、變形程度、碰撞反應。這些數據需要真實環境中的感測器來蒐集，成本極高。華碩從自家工廠開始是對的，但自家工廠的數據只能代表華碩的產線，不代表電子業的產線。要做到「可複製」，數據多樣性是一大考驗。
第二關：安全與可靠度。 一個 chatbot 講錯話，頂多被笑；一個工廠機器人抓錯物件，可能整條產線停擺，甚至造成工安意外。實體 AI 的「容錯率」遠低於軟體 AI。華碩在內部信中提到要從「組裝、包裝、小型物件抓取」開始，這些都是低風險場景，顯示華碩對安全問題有基本認知。
第三關：生態系誰來建？ 輝達已經在打造 Physical AI 的底層基礎模型，台達電專注在馬達與控制系統，鴻海強項是整廠輸出。華碩想當「平台整合者」，但平台需要上下游配合。台灣的機械業、自動化設備商願不願意跳進華碩的生態系？這不是技術問題，是商業模式與信任問題。
不過，最有趣的問題其實是這個：華碩的人型機器人，會走跟特斯拉 Optimus 一樣的路嗎？ 特斯拉的策略是「先做給自己用，再賣給別人」，華碩看起來也是。但特斯拉有汽車工廠作為極端複雜的測試環境，華碩的 EMS 工廠相對單純——這既是優勢（難度較低、較快落地），也是劣勢（場景不夠極端、技術成長空間有限）。
下一步，才是真正的考驗
華碩董事長施崇棠在 2024 年喊出「全方位 AI 公司」的轉型目標，兩年過去了，這次組織改組是到目前為止最具體的一步。從 AIoT 到 Physical AI，不只是換一個事業群的名稱，而是華碩對「AI 公司」這四個字的重新定義——AI 不只是在電腦裡跑一個模型，而是讓 AI 真正走進物理世界，跟人一起工作、一起移動、一起解決問題。
9 月 1 日新事業群正式掛牌之後，市場會盯著華碩的兩個指標：第一，自有工廠的 AI 驗證什麼時候可以產生可量化的效率提升數據；第二，第一個非華碩體系的外部客戶什麼時候簽約。這兩個指標，比任何華麗的願景都更實在。
至於人型機器人？短期內別期待看到華碩推出像科幻電影那樣的產品。但如果你在 2030 年走進一家電子工廠，看到生產線上有一台機器人用跟人類極為相似的動作在組裝電路板——那台機器人的「大腦」，很可能就是來自華碩 PAS BG 這幾年的積累。
你覺得實體 AI 會是台灣電子業的下一個黃金十年，還是另一個過度投資的泡沫？ 歡迎在文章下方留言分享你的看法。
本文改寫整理自公開新聞來源，原始報導由科技新報發布。
常見問題 FAQ
華碩實體 AI 解決方案事業群（PAS BG）何時正式運作？
華碩 PAS BG 將於 2026 年 9 月 1 日正式啟動，由張權德與許祐嘉共同領導，整合 AI 解決方案、自主平台及人型機器人三大事業部。
實體 AI 跟一般 AI 有什麼不同？
實體 AI（Physical AI）強調 AI 在真實物理世界中的行動與操作能力，例如機器人組裝、包裝、抓取物件等；而一般 AI 多聚焦於數據分析、圖像辨識或文字生成等資訊處理任務。
華碩的人型機器人什麼時候會上市？
華碩目前尚未公布人型機器人的具體上市時程，初期將優先於自有 EMS 工廠進行技術驗證，再逐步拓展至工業自動化、醫療及家用機器人等市場。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
