How To 成為飛行員

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

為促進廣電事業的健康發展，並提升廣電媒體從業人員的專業素養，國家通訊傳播委員會(NCC)今(2025)年9至11月將再次舉辦「廣電媒體專業素養培訓」課程。該課程主要在提升廣電媒體業者的專業技能，以期能持續製播優質節目並傳遞準確資訊。

本年度課程安排四場次，於2025年9月11日從花蓮出發，並接續前往臺中、高雄、臺北。四場活動日程分別為：花蓮場（9月11日-9月12日)、臺中場（10月2日-10月3日)、高雄場（10月16日-10月17日)、臺北場（11月19日-11月21日)。參與課程者也將獲頒「參訓證明」，歡迎廣電媒體從業人員、媒體研究者及關心此議題的民眾踴躍線上報名參加，名額有限，額滿為止。

「廣電媒體專業素養培訓」課程迄今已邁入第17個年頭，盼提升廣電從業人員的專業素養，建立優質的廣電環境，進而提供民眾正確適當的訊息及內容是重中之重，因此本課程參照NCC職掌法規及媒體素養培訓議題，規劃一系列課程包括「廣電事業營運發展」、「性別平權」、「權益維護」、「多元文化」、「內容自律」、「落實事實查證及公平原則」、「法規宣導」等七大多元主題，透過專家學者精闢解析、傳遞新知、案例解說外，更提供一個讓業者互動交流的平台。

NCC作為廣電媒體監理機關，將持續舉辦各類課程，致力於提升我國廣電媒體從業人員的專業素養與新聞識讀能力。希望透過彼此勉勵與交流，成為最有素養的訊息守門人，傳遞更精準、更優質的內容給大眾，共同打造美好的閱聽環境。

活動資訊如下，詳見活動網站:

• 花蓮場：9月11日-9月12日，煙波大飯店花蓮館（花蓮縣花蓮市中美路142號）
• 臺中場：10月2日-10月3日，天閣酒店臺中館（臺中市南屯區大墩路525號）
• 高雄場：10月16日-10月17日，高雄翰品酒店(高雄市鹽埕區大仁路43號) 
• 臺北場：11月19日-11月21日，集思交通部國際會議中心（台北市中正區杭州南路一段24號)

疫情解封半年了，你出過國了嗎？

當你開始自己安排行程，為了能留更多預算吃美食、買紀念品，我們往往會貨比三家，盡可能找到更加實惠的機票。但找著找著總是會發現，欸！奇怪，怎麼需要轉機的航程，總是比直達班機便宜上許多！？

明明航程更長，為什麼票價卻變便宜了呢？

機票價格是怎麼定的？

綜觀整個大眾運輸市場，陸上交通工具如高鐵、火車、客運的票價，不論是連假還是平日，其實都不會相差太多。然而飛機卻完全不一樣，即使是在旅遊淡季，價格仍然會以分鐘為單位上下波動，要搶到一張經濟實惠的機票，全憑本事了！

航空公司的訂價策略是票價快速浮動的主因之一，即使是同一班機，每個座位的定價會有所不同，距離起飛的剩餘時間、班機上的空位情況也都會影響價格。除了市場的供需外，國際油價、人力成本也都是影響成本的因素。

航空公司在計算完各項成本之後，首要任務就是決定要開哪些航線，以及在這些航線上配置多少班次的飛機，才能最大化運輸旅客並且避免浪費太多空位。

為什麼轉機比較便宜？

其實載人跟載貨的情形很像，如果你把自己想像成貨物，航空公司換成貨運公司，就很好理解了。當我們網購下單東西時，貨運公司並非從店家直接派一台貨運車送貨到府，而是先集中到物流中心，接著發到各縣市較小的營業所，最後才由司機個別配送。

從點對點運輸改為集中後再處理，雖然單一貨物需要移動的距離變長了，但物流路線的複雜度卻簡化了許多；以貨運公司的角度來看，在相同的人力下，每天能配送的貨物量也就增加了。

這種物流重新分配方式稱為軸輻網路或是樞紐網路（hub-and-spoke network），在剛才的例子中，整個網路如同車輪的輻條般輻射展開，而物流中心就是中心的樞紐 hub。

把相同的概念放到航運中，這些關鍵的樞紐就稱為樞紐機場，長途航線通常會經過樞紐機場並在此轉機，繼續前往目的地。至於要選擇哪個機場是樞紐機場，除了考量機場的吞吐量外，當然也考量到航空公司本身的所在位置。例如國內的華航、長榮、星宇航空等，樞紐機場就都在桃園國際機場，而大家飛歐洲線常搭的阿聯酋航空，樞紐機場就在杜拜國際機場，這也是為什麼我們通常都得在杜拜轉機。

在 hub-and-spoke 的架構下，航空公司可以放心把總部設在樞紐機場，不僅能高度掌握每條航線，人力成本分配也可以更簡化。

航線上的交通規則

此時此刻，全球正在飛行的飛機數量，大概有 8000～20000 架次，這數量可不少，必須有妥善的管制系統。天空其實和汽車的高速公路、火車的鐵軌一樣，飛機也需要照著明確規劃好的空中航線及高度飛行，並且遵循飛航管制。

撇開因為機械故障導致的空難，因人為失誤導致飛機在空中「相撞」，在歷史上確實發生過幾次。

例如 1986 年，墨西哥國際航空 498 號班機與私人小型飛機在洛杉磯國際機場上空發生擦撞，雙雙墜毀。事後調查，肇事的原因是由於實習航管員分心，忽略了雷達中出現的小型飛機訊號，未能提醒兩架班機迴避，因此發生憾事。在這之後，美國聯邦航空局強制所有境內的飛機，都要安裝空中防撞系統，避免憾事再次發生。

時至今日，除了在飛機上安裝防撞系統外，航空管制多次調整，訂出垂直隔離、前後隔離、左右隔離等規範。

以垂直隔離為例，依照高度將航道分為了好幾「層」；除非遇到亂流、機械故障等緊急狀況，否則飛機應保持在特定的飛航空層（Flight Level , FL）中飛行，如：FL290 就是該飛機在高度 2 萬 9 千英尺飛行。隨著大氣數據計算機、高度計以及自動駕駛系統的發展，現在兩個飛航空層的垂直間隔為 1000 英尺；因此在一般民航機巡航高度的 FL290 到 FL410 之間，共可以切割出 13 個空層供飛機飛行。

另外，萬一真的不幸發生意外，飛機要能找到地方緊急迫降，此時要考慮的便是延程飛行時間 （Extended Operation），也就是當意外發生時，迫降到最近機場的時間。通常航線規劃時會要求航線中的任一點，要能在 60～180 分鐘內飛到最近的機場，因此航線的規劃就不能偏離陸地太遠。

為了能橫跨大洋，選擇不同的機型、飛機本身噴射發動機數量的不同，延程飛行時間也可以跟著拉長。例如較新的波音 777 中許多型號，便通過了 ETOPS-330 的認證，代表延程飛行的容許時間長達 330 分鐘 。

飛機怎麼飛快又省油？

這一條條的空中公路，又該怎麼規劃，才能又快又省油呢？我們可以直接看看實際運行中的航線。然後就會發現：飛機竟然不飛直線，而是繞了個大弧線！你以為是繞了遠路嗎？恰恰相反，這是最短距離！

我們來思考一下，要如何在地球上劃出兩點間的最短距離？只要把地球像是西瓜一樣一刀切下，這一刀不僅要同時經過目標兩點，還要通過球心，剛好把地球切成對半。這條弧線就是兩點的最短距離，又稱為大圓弧線。使用此路線飛行的航線，則稱為大圓航線。

除了大圓航線外，風速當然也是需要考量的重要因素。在地球中緯度的高空上，有條長年從西吹向東的西風帶，如果乘上這些風帶由西向東飛，不僅比較快也較省油；反過來由東向西逆風飛行，所需時間就會較久。以及在各緯度都有可能出現、風速可達時速 200 到 300 公里的噴射氣流，飛行時，若利用這些風帶的效益比大圓航線還要高的話，既可以省油、省時又省錢。

如果還想要繼續深入機票的定價策略，就會發現裡面複雜的程度就像是氣象預報一樣。

例如為了讓每個座位不被浪費，航空公司出售機票的數量可能比實際的座位數量還要多，也就是所謂的機位超賣，至於要超賣多少張機票，則要綜合考量該班次遊客的性質通常是商業或是旅遊目的居多，並且計算旅客放棄的機率以及賠償成本等等。當旅遊旺季時，還要考量到機場航班過多，機場跑道的起降還要排隊造成的擁擠延誤成本等等。

如果可以簡單誰想要複雜呢？因此也有航空公司推出低成本航空，也就是我們常說的廉航。它們會選擇反其道而行，減少大型機場使用，並以短、中航程為主，策略又完全不一樣。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！