達文西逝世500週年：地表最強斜槓天才如何養成？

本文與 研華科技 合作，泛科學企劃執行

我們都看過那種影片，對吧？網路上從不缺乏讓人驚嘆的機器人表演：數十台人形機器人像軍隊一樣整齊劃一地耍雜技 ，或是波士頓動力的機器狗，用一種幾乎違反物理定律的姿態後空翻、玩跑酷 。每一次，社群媒體總會掀起一陣「未來已來」、「人類要被取代了」的驚呼 。

但當你關掉螢幕，看看四周，一個巨大的落差感就來了：說好的機器人呢？為什麼大街上沒有他們的身影，為什麼我家連一件衣服都還沒人幫我摺？

這份存在於數位螢幕與物理現實之間的巨大鴻溝，源於一個根本性的矛盾：當代AI在數位世界裡聰明絕頂，卻在物理世界中笨拙不堪。它可以寫詩、可以畫畫，但它沒辦法為你端一杯水。

這個矛盾，在我們常見的兩種機器人展示中體現得淋漓盡致。第一種，是動作精準、甚至會跳舞的類型，這本質上是一場由工程師預先寫好劇本的「戲」，機器人對它所處的世界一無所知 。第二種，則是嘗試執行日常任務（如開冰箱、拿蘋果）的類型，但其動作緩慢不穩，彷彿正在復健的病人 。

這兩種極端的對比，恰恰點出了機器人技術的真正瓶頸：它們的「大腦」還不夠強大，無法即時處理與學習真實世界的突發狀況 。

這也引出了本文試圖探索的核心問題：新一代AI晶片NVIDIA® Jetson Thor™ ，這顆號稱能驅動「物理AI」的超級大腦，真的能終結機器人的「復健時代」，開啟一個它們能真正理解、並與我們共同生活的全新紀元嗎？

為何我們看到的機器人，總像在演戲或復健？

那我們怎麼理解這個看似矛盾的現象？為什麼有些機器人靈活得像舞者，有些卻笨拙得像病人？答案，就藏在它們的「大腦」運作方式裡。

那些動作極其精準、甚至會後空翻的機器人，秀的其實是卓越的硬體性能——關節、馬達、減速器的完美配合。但它的本質，是一場由工程師預先寫好劇本的舞台劇 。每一個角度、每一分力道，都是事先算好的，機器人本身並不知道自己為何要這麼做，它只是在「執行」指令，而不是在「理解」環境。

而另一種，那個開冰箱慢吞吞的機器人，雖然看起來笨，卻是在做一件革命性的事：它正在試圖由 AI 驅動，真正開始「理解」這個世界 。它在學習什麼是冰箱、什麼是蘋果、以及如何控制自己的力量才能順利拿起它。這個過程之所以緩慢，正是因為過去驅動它的「大腦」，也就是 AI 晶片的算力還不夠強，無法即時處理與學習現實世界中無窮的變數 。

這就像教一個小孩走路，你可以抱著他，幫他擺動雙腿，看起來走得又快又穩，但那不是他自己在走。真正的學習，是他自己搖搖晃晃、不斷跌倒、然後慢慢找到平衡的過程。過去的機器人，大多是前者；而我們真正期待的，是後者。

所以，問題的核心浮現了：我們需要為機器人裝上一個強大的大腦！但這個大腦，為什麼不能像ChatGPT一樣，放在遙遠的雲端伺服器上就好？

機器人的大腦，為什麼不能放在雲端？

聽起來好像很合理，對吧？把所有複雜的運算都交給雲端最強大的伺服器，機器人本身只要負責接收指令就好了。但……真的嗎？

想像一下，如果你的大腦在雲端，你看到一個球朝你飛過來，視覺訊號要先上傳到雲端，雲端分析完，再把「快閃開」的指令傳回你的身體。這中間只要有零點幾秒的網路延遲，你大概就已經鼻青臉腫了。

現實世界的互動，需要的是「即時反應」。任何網路延遲，在物理世界中都可能造成無法彌補的失誤 。因此，運算必須在機器人本體上完成，這就是「邊緣 AI」（Edge AI）的核心概念 。而 NVIDIA  Jetson 平台，正是為了解決這種在裝置端進行高運算、又要兼顧低功耗的需求，而誕生的關鍵解決方案 。

NVIDIA Jetson 就像一個緊湊、節能卻效能強大的微型電腦，專為在各種裝置上運行 AI 任務設計 。回顧它的演進，早期的 Jetson 系統主要用於視覺辨識搭配AI推論，像是車牌辨識、工廠瑕疵檢測，或者在相機裡分辨貓狗，扮演著「眼睛」的角色，看得懂眼前的事物 。但隨著算力提升，NVIDIA Jetson 的角色也逐漸從單純的「眼睛」，演化為能夠控制手腳的「大腦」，開始驅動更複雜的自主機器，無論是地上跑的、天上飛的，都將NVIDIA Jetson 視為核心運算中樞 。

但再強大的晶片，如果沒有能適應現場環境的「容器」，也無法真正落地。這正是研華（Advantech）的角色，我們將 NVIDIA Jetson 平台整合進各式工業級主機與邊緣運算設備，確保它能在高熱、灰塵、潮濕或震動的現場穩定運行，滿足從工廠到農場到礦場、從公車到貨車到貨輪等各種使用環境。換句話說，NVIDIA 提供「大腦」，而研華則是讓這顆大腦能在真實世界中呼吸的「生命支持系統」。

這個平台聽起來很工業、很遙遠，但它其實早就以一種你意想不到的方式，進入了我們的生活。

從Switch到雞蛋分揀員，NVIDIA Jetson如何悄悄改變世界？

如果我告訴你，第一代的任天堂Switch遊戲機與Jetson有相同血緣，你會不會很驚訝？它的核心處理器X1晶片，與Jetson TX1模組共享相同架構。這款遊戲機對高效能運算和低功耗的嚴苛要求，正好與 Jetson 的設計理念不謀而合 。

而在更專業的領域，研華透過 NVIDIA Jetson 更是解決了許多真實世界的難題 。例如

• 在北美，有客戶利用 AI 進行雞蛋品質檢測，研華的工業電腦搭載NVIDIA Jetson 模組與相機介面，能精準辨識並挑出髒污、雙黃蛋到血蛋 
• 在日本，為避免鏟雪車在移動時發生意外，導入了環繞視覺系統，當 AI 偵測到周圍有人時便會立刻停止 ；
• 在水資源珍貴的以色列，研華的邊緣運算平台搭載NVIDIA Jetson模組置入無人機內，24 小時在果園巡航，一旦發現成熟的果實就直接凌空採摘，實現了「無落果」的終極目標 。

這些應用，代表著 NVIDIA Jetson Orin™ 世代的成功，它讓「自動化」設備變得更聰明 。然而，隨著大型語言模型（LLM）的浪潮來襲，人們的期待也從「自動化」轉向了「自主化」 。我們希望機器人不僅能執行命令，更能理解、推理。

Orin世代的算力在執行人形機器人AI推論時的效能約為每秒5到10次的推論頻率，若要機器人更快速完成動作，需要更強大的算力。業界迫切需要一個更強大的大腦。這也引出了一個革命性的問題：AI到底該如何學會「動手」，而不只是「動口」？

革命性的一步：AI如何學會「動手」而不只是「動口」？

面對 Orin 世代的瓶頸，NVIDIA 給出的答案，不是溫和升級，而是一次徹底的世代跨越— NVIDIA Jetson Thor 。這款基於最新 Blackwell 架構的新模組，峰值性能是前代的 7.5 倍，記憶體也翻倍 。如此巨大的效能提升，目標只有一個：將過去只能在雲端資料中心運行的、以 Transformer 為基礎的大型 AI 模型，成功部署到終端的機器上 。

NVIDIA Jetson Thor 的誕生，將驅動機器人控制典範的根本轉變。這要從 AI 模型的演進說起：

1. 第一階段是 LLM（Large Language Model，大型語言模型）：
   我們最熟悉的 ChatGPT 就屬此類，它接收文字、輸出文字，實現了流暢的人機對話 。
2. 第二階段是 VLM（Vision-Language Model，視覺語言模型）：
   AI 學會了看，可以上傳圖片，它能用文字描述所見之物，但輸出結果仍然是給人類看的自然語言 。
3. 第三階段則是 VLA（Vision-Language-Action Model，視覺語言行動模型）：
   這是革命性的一步。VLA 模型的輸出不再是文字，而是「行動指令（Action Token）」 。它能將視覺與語言的理解，直接轉化為控制機器人關節力矩、速度等物理行為的具體參數 。

這就是關鍵！ 過去以NVIDIA Jetson Orin™作為大腦的機器人，僅能以有限的速度運行VLA模型。而由 VLA 模型驅動，讓 AI 能夠感知、理解並直接與物理世界互動的全新形態，正是「物理 AI」（Physical AI）的開端 。NVIDIA Jetson Thor 的強大算力，就是為了滿足物理 AI 的嚴苛需求而生，要讓機器人擺脫「復健」，迎來真正自主、流暢的行動時代 。

其中，物理 AI 強調的 vision to action，就需要研華設計對應的硬體來實現；譬如視覺可能來自於一般相機、深度相機、紅外線相機甚至光達，你的系統就要有對應的介面來整合視覺；你也會需要控制介面去控制馬達伸長手臂或控制夾具拿取物品；你也要有 WIFI、4G 或 5G 來傳輸資料或和別的 AI 溝通，這些都需要具體化到一個系統上，這個系統的集大成就是機器人。

好，我們有了史上最強的大腦。但一個再聰明的大腦，也需要一副強韌的身體。而這副身體，為什麼非得是「人形」？這不是一種很沒效率的執念嗎？

為什麼機器人非得是「人形」？這不是一種低效的執念嗎？

這是我一直在思考的問題。為什麼業界的主流目標，是充滿挑戰的「人形」機器人？為何不設計成效率更高的輪式，或是功能更多元的章魚型態？

答案，簡單到令人無法反駁：因為我們所處的世界，是徹底為人形生物所打造的。

從樓梯的階高、門把的設計，到桌椅的高度，無一不是為了適應人類的雙足、雙手與身高而存在 。對 AI 而言，採用人形的軀體，意味著它能用與我們最相似的視角與方式去感知和學習這個世界，進而最快地理解並融入人類環境 。這背後的邏輯是，與其讓 AI 去適應千奇百怪的非人形設計，不如讓它直接採用這個已經被數千年人類文明「驗證」過的最優解 。

這也區分了「通用型 AI 人形機器人」與「專用型 AI 工業自動化設備」的本質不同 。後者像高度特化的工具，產線上的機械手臂能高效重複鎖螺絲，但它無法處理安裝柔軟水管這種預設外的任務 。而通用型人形機器人的目標，是成為一個「多面手」，它能在廣泛學習後，理解物理世界的運作規律 。理論上，今天它在產線上組裝伺服器，明天就能在廚房裡學會煮菜 。

但要讓一個「多面手」真正活起來，光有骨架還不夠。它必須同時擁有強大的大腦平台與遍布全身的感知神經，才能理解並回應外在環境。人形機器人的手、腳、眼睛、甚至背部，都需要大量感測器去理解環境就像神經末梢一樣，隨時傳回方位、力量與外界狀態。但這些訊號若沒有通過一個穩定的「大腦平台」，就無法匯聚成有意義的行動。

這正是研華的角色：我們不僅把 NVIDIA Jetson Thor 這顆核心晶片包載在工業級電腦中，讓它成為能真正思考與反應的「完整大腦」，同時也提供神經系統的骨幹，將感測器、I/O 介面與通訊模組可靠地連結起來，把訊號傳導進大腦。你或許看不見研華的存在，但它實際上遍布在機器人全身，像隱藏在皮膚之下的神經網絡，讓整個身體真正活過來。

但有了大腦、有了身體，接下來的挑戰是「教育」。你要怎麼教一個物理 AI？總不能讓它在現實世界裡一直摔跤，把一台幾百萬的機器人摔壞吧？

打造一個「精神時光屋」，AI的學習速度能有多快？

這個問題非常關鍵。大型語言模型可以閱讀網際網路上浩瀚的文本資料，但物理世界中用於訓練的互動資料卻極其稀缺，而且在現實中反覆試錯的成本與風險實在太高 。

答案，就在虛擬世界之中。

NVIDIA Isaac Sim™等模擬平台，為這個問題提供了完美的解決方案 。它能創造出一個物理規則高度擬真的數位孿生（Digital Twin）世界，讓 AI 在其中進行訓練 。

這就像是為機器人打造了一個「精神時光屋」 。它可以在一天之內，經歷相當於現實世界千百日的學習與演練，從而在絕對安全的環境中，窮盡各種可能性，深刻領悟物理世界的定律 。透過這種「模擬-訓練-推論」的 3 Computers 閉環，Physical AI (物理AI) 的學習曲線得以指數級加速 。

我原本以為模擬只是為了節省成本，但後來發現，它的意義遠不止於此。它是在為 AI 建立一種關於物理世界的「直覺」。這種直覺，是在現實世界中難以透過有限次的試錯來建立的。

所以你看，這趟從 Switch 到人形機器人的旅程，一幅清晰的未來藍圖已經浮現了。實現物理 AI 的三大支柱已然齊備：一個劃時代的「AI 大腦」（NVIDIA Jetson Thor）、讓核心延展為「完整大腦與神經系統」的工業級骨幹（由研華 Advantech 提供），以及一個不可或缺的「教育環境」（NVIDIA Isaac Sim 模擬平台） 。

結語

我們拆解了那些酷炫機器人影片背後的真相，看見了從「自動化」走向「自主化」的巨大技術鴻溝，也見證了「物理 AI」時代的三大支柱——大腦、身軀、與教育——如何逐一到位 。

專家預測，未來 3 到 5 年內，人形機器人領域將迎來一場顯著的革命 。過去我們只能在科幻電影中想像的場景，如今正以前所未有的速度成為現實 。

這不再只是一個關於效率和生產力的問題。當一台機器，能夠觀察我們的世界，理解我們的語言，並開始以物理實體的方式與我們互動，這將從根本上改變我們與科技的關係。

所以，最後我想留給你的思想實驗是：當一個「物理 AI」真的走進你的生活，它不只是個工具，而是一個能學習、能適應、能與你共同存在於同一個空間的「非人智慧體」，你最先感受到的，會是興奮、是便利，還是……一絲不安？

這個問題，不再是「我們能否做到」，而是「當它發生時，我們準備好了嗎？」

研華已經整裝待發，現在，我們與您一起推動下一代物理 AI 與智慧設備的誕生。
https://bit.ly/4n78dR4

日前，在距離美國海岸線一萬八千公尺的領空，飛彈 AIM-9X 擊中了一顆大型高空氣球；美國與加拿大國防部公開聲明，該氣球來自中國。

這顆氣球在被擊落之前經歷了一段相當漫長的旅程，從中國出發後，沿途經過日本、阿拉斯加、加拿大、美國本土，最後才在大西洋外海被擊落。

如何推算飛行路線

該飛行路徑是由美國國家海洋暨大氣總署（NOAA）使用 HYSPLIT （Hybrid Single-Particle Lagrangian Integrated Trajectory）模型計算出的。

HYSPLIT 為一計算模型，可模擬在 100 公里內大氣環境中，任何位置釋放煙霧等粒子後，其隨著大氣傳播和轉移的軌跡；常用於森林大火、工業區廢氣的擴散，如：加州大火、福島核災等事件，以模擬污染物擴散軌跡，確保其不會進入人口密集區。

若將 HYSPLIT 反向應用，就可透過計算擴散軌跡回推污染傳播路徑，以定位污染源位置。而此次的氣球事件，就是分析大氣氣流方向回推其可能路徑，最終推測出飛行起點位於中國。

氣球為何往東飛

氣球從太平洋西岸飛往東岸，原因不僅僅是為了要避開其他國家的領空，還因為這條「高空航線」只向東開放。在北半球的大氣環境中，風的方向通常是由副熱帶高壓帶吹向極地區域，加上科氏力影響，在中緯度高空會形成一條相當寬的「西風帶」；可想而知，也就成為了氣球環遊世界的最佳航線。西風帶會持續向東移動，對於颱風、洋流以及全球氣候系統都有深遠的影響。

既然氣球乘西風飛翔，為何氣球走的不是直線，而像是繞遠路呢？難道它真的利用自主動力，繞開敏感地區嗎？

打開空中地圖來看，這顆氣球在進入加拿大後，一路向南抵達美國本土，這與「空中快速道路」——噴射氣流的路徑高度相似，因此很可能氣球就是搭著這股氣流前行。噴射氣流通常位於對流層頂部，因巨大的氣壓與溫度差，流速每小時可高達 200 至 300 公里；過去就有人利用噴射氣流降低航空器的油耗，甚至嘗試用來發電。

既然它是搭乘噴射氣流移動，所以它應該就沒有動力囉？也不一定。目前無法知道這顆探測氣球的確切規格，其搭載的太陽能板除了提供儀器電力外，也可能在某種程度上提供動力。

由於氣候影響很大，釋放氣球也得要考量季節。在冬季的降溫下，西風帶會變得更加寬廣，風速也較為強勁；等到了夏天北半球漸暖後，西風帶就會變得狹窄且緩慢。因此，不論是過去的日本氣球炸彈，還是這次的探測氣球，都選擇在冬季釋放。

然而，氣球的路程並沒有一路大順暢。就正常情況而言，氣球在兩天內就該飄離，但這趟旅程就這麼剛好地遇到了平流層突然變暖，使得西風帶減弱，造成氣球的飄移速度下降，也就在美國本土多滯留了幾天。

究竟飛多高

這顆氣球在離開美國時，高度預計在一萬八千公尺以上。

民航機通常會選擇在一萬一千公尺的高度飛行，這剛好是大氣對流層與平流層的分界，平流層的氣流穩定性，使航程不那麼顛頗，而越往上空氣也會越稀薄，飛機越難取得足夠的爬升力。就氣球的一萬八千公尺而言，在美國現役的戰機中僅有 F－22 能上升到兩萬公尺，在安全距離內破壞氣球。

那為什麼不是以飛機用機槍將氣球射下呢？有必要用到要價 40 萬美金的響尾蛇飛彈嗎？過去加拿大也曾有氣象氣球失控朝著俄羅斯領空飛去，然而高速飛行的飛機不僅難以瞄準氣球，靠著打出的幾個小洞也無法將其擊落，只能盯著它慢慢洩氣，最後墜落。

這次美國等到氣球離開陸地再一次性擊落，在能掌握情況的前提下，可能為最佳方式了。

氣球比你想像得還要有用

氣球能上到一般航空器到不了的高度，充分展現了其戰略價值。

而能上到兩萬五千公尺以上的探空氣球，同步串聯全球大氣資料，各國氣象研究單位藉此分析出完整資料。探空氣球的任務就是在緩緩上升的過程中，紀錄每個高度的溫度、濕度、氣壓、風向、風速、GPS 訊號等變化，做到大氣垂直方向上最精細的測量。

全球的探空氣球會統一在格林威治時間 0 點與 12 點釋放，台灣當然也沒缺席，同時間也就是台灣早晚八點，會從彭佳嶼、新店、花蓮、馬公機場、屏東機場、綠島、東沙島等地釋放探空氣球，遇到特殊天氣，下午兩點還會再多放一次。

商業氣球還能用來做什麼？其實在馬斯克的星鏈計畫之前，Google 也有類似計畫——Project Loon，要讓全世界偏遠地區都能上網；Project Loon 使用的就是可上升至兩萬公尺的網路氣球，而這項技術早在 2013 年 6 月於紐西蘭實驗成功。雖然 Google 已於 2021 年放棄該計畫，但這種概念並沒有因此消失，可作為發生天災、或遭遇戰事時，便宜、方便的重要通訊替代方案。

這次的氣球漂流記，撇除牽扯到兩大強權國的政治角力，讓全球民眾見證了，看似不起眼的氣球，能完成超高難度的移動。

• 歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！

在前往外星球的探險任務中，很重要的一個問題是如何在外星地表移動。從 1979 年的阿波羅登月計畫所使用的載人月球車，到 2012 年獨自前往火星的好奇號，太空探險車都是採用以輪子為主的設計。這種移動方式容易受限於地形，無法前往地勢陡峭的區域。

在 2021 年底，麻省理工學院的航太工程師開發出嶄新的懸浮技術，能夠讓飛行器在外星球表面懸浮並騰空移動，就像剛升空的幽浮一樣。這種技術已從原理上證明可行，並在實驗室內通過小規模測試，為外星探險技術帶來許多新的想像。

就「地」取材，利用與地表相同的電荷

一般而言，想要讓探險車升空移動是不切實際的想法。如果想讓探險車像火箭一樣燃燒燃料並噴出氣體來推進，就需要搭載大量笨重的燃料，不只讓太空梭升空的負重增加，到達目的地後也很難維持足夠長的任務壽命。另一方面，小行星的個頭都很小，自身的重力無法抓住氣體形成大氣層，因此任何像飛機或直升機的空氣動力方法都不管用。

不過，正是因為缺乏大氣層與磁場的保護，這些小行星的地表會不斷受到來自太陽的高能輻射轟炸，地表的物質被輻射電離使得地表自帶一層電荷，其中向陽面會帶正電，背陽面帶負電。因此，包括月球在內的小行星表面其實都帶有不小的電壓。

在 MIT 的工程師們想到，只要想辦法讓探險車帶有跟地表一樣的電荷，同性相斥的靜電力就能讓其浮在空中。近期的研究表示月球表面的電場足以讓地表的沙塵揚起超過一公尺，有點類似身上充滿靜電時頭髮會豎起來。原則上，我們也可以借用這個自然產生的電場來抵抗重力，打造出「幽浮式」探險車。

要做到這點，可以先在車上裝上液態的離子源，也就是由正負離子組成的液體。加上適當的電壓後，便可以從噴嘴將離子以束狀射出。這類離子噴射所產生的反作用力常用於推進或操控小型人造衛星，不過在這裡也可用來進行靜電懸浮。假如月球地表帶的是正電，幽浮車可以將負離子射出，如此一來整個幽浮車便會帶正電，達到同性相斥的效果。同時，離子束的推力也可以用來操縱車體。

如何加強靜電斥力？讓車子幫地表「充電」

從這個想法出發，MIT 團隊設計出初代的幽浮車模型。但由於地表電荷密度就這麼一點，他們很快從計算發現這樣做的靜電斥力並不足以支撐裝置加上液態離子源的重量。尤其是在月球這類相對較大的星體上，重力加速度較大，幽浮車也需要更強的升力才能升空。

不過仔細想想，在排出負離子後，儘管幽浮車與地表的正電荷總數是固定的，但是兩者之間的靜電斥力大小取決於兩邊的電荷量相乘。因此如果用車上的正離子幫地表「充電」，或許可以加強懸浮用的靜電斥力。

就像是寄包裹時會限制長寬高三者的總和，此時體積最大的選項就是盡量接近正立方體的箱子；同樣的，如果可以適當地將車上的一些正電荷分給地表，原則上就能將兩者之間的斥力最大化。

外太空載具的工程學傑作

理論的計算證實了這個概念上的突破相當關鍵。於是，團隊在設計中加入了幾隻向下的噴嘴，將正離子射向下方的地表，大幅提高地表的局部電荷量。他們在實驗室中造出了第一代幽浮車原型：一個手掌大的六角形薄片，重約 60 公克，裝有四隻噴嘴朝下，一隻朝上。在實驗室的真空環境中，第一代幽浮車在帶電的平板上實際進行懸浮實驗。實驗結果證實了他們的理論模型無誤。

根據目前的理論模型，一個一公斤重的放大版幽浮車將可以懸浮在離地表一公分處。原則上，只要加大射出離子束的電壓就能提升懸浮高度，不過目前的理論只能描述離地高度較小的情況，因此相關的理論參數還需要進一步修正。

這種靜電懸浮所需的能源功率很小，可說是外太空載具的工程學傑作。如果更好的理論模型完成了，那麼未來十分有希望投入實際應用。太空梭可以在小行星周圍投下這些小型幽浮車，讓他們探索崎嶇不平的地表。可惜的是，利用離子噴射來懸浮只對帶電的地表有效，所以在地球上的我們還是得乖乖地用噴射背包來離開地表。

參考資料

• MIT engineers test an idea for a new hovering rover
• MIT Scientists Design a ‘Flying Saucer’ That Could Float Across The Moon