從前沿模型研發到機器人部署，人工智慧（AI）競賽多由美、中兩大巨頭主導。從創投觀點視之，為何「實體AI」可以是日本殺出獨特致勝賽道的AI場域？身為「課題先進國」，日本如何結合深厚的機器人研發底蘊及精密製造工藝，成功將危機化為商機？
身為最早研發全尺寸人形機器人的國家，在現前這波由Figure AI、智元等結合AI的機器人浪潮中，日本卻沒跟上後進者的腳步。然而，在廣義的「實體AI」（physical AI）發展中，日本可能握有關鍵突破點。
誠然，配備先進AI模型的人型機器人，可以較無縫地融入社會既有基礎建設，填補勞動力缺口。但日本創投協會理事、FIRSTLIGHT Capital合夥人賴嘉滿認為，「實體AI」不等同於機器人。關鍵在於賦能物理世界AI化，這不一定需要透過機器人，媒介可以更加多元。能夠理解環境變化，做出具互動性的決策與行動，是她對實體AI的定義。
美國坐擁深耕數十年的軟體生態系，中國在大規模生產與部署上亦有支配性地位。但賴嘉滿相信，軟硬整合的能力是日本不同於前兩者的差異化優勢。「實體AI的本質是硬體和軟體的融合，」賴嘉滿在分析報告中寫道，「這正是我專注於這個領域的原因。」
「課題先進國」可率先開發實體AI商機
賴嘉滿生於台灣，自小在日本長大。在2021年加入FIRSTLIGHT Capital前，曾任樂元素（Happy Elements）亞太區執行長、董事會成員，以及矽谷DCM Venture的投資副總裁。此前，她也曾於顧問公司Monitor Group擔任經理，在Lawson Software擔任國際專案經理。
早在「實體AI」一詞普及前，賴嘉滿就開始關注物理世界的數位化及效率化。她向《遠見》解釋，當時辦公室內的數位化、效率提升空間有限，且純軟體的解決方案是美國擅場，日本團隊很難正面比拼。與此同時，生活中愈來愈大、愈來愈多的痛點，其實是發生在現實世界的。
這讓她歸結，要建立起產品或服務的護城河，「必須結合社會需求。」
早在2000年代中期，東京大學前校長小宮山宏便系統性地闡述日本作為「課題先進國」的觀點，如今是大眾論述中常見的詞彙。這套論述認為，日本是全球第一個大規模面臨某些特定社會挑戰的已開發國家，歐洲、北美等其他國家可能在10～30年後才會面對類似挑戰。若日本能率先測試、開發出應對這些挑戰的解決方案，這些方案就有機會成為下一世代最有價值的出口品。
簡而言之，最早遇到問題的國家，最有機會成為最早解決問題的國家。這種論述框架將現有的挑戰巧妙地翻轉為機會，與創投的投資哲學不謀而合。
在環境衝擊、資源限制等課題外，最急迫且顯著的，是社會的高齡化與少子化。這呈現在愈發明顯的勞動力緊縮上。賴嘉滿直言，一旦缺工，最大的問題不會出在辦公室，而是在打掃、建築工地等必要勞動的場景中。光靠軟體，不足以解決高齡化社會的種種挑戰，而這正是「實體AI」可以切入之處。
在這套邏輯推演中，日本發展實體AI的理想劇本可以簡述如下：身為最早迎戰勞動力短缺的先進社會，龐大的自動化需求使得日本成為實體AI的最佳試驗場與採納者。在此環境中培育出的成功新創，不僅能解決國內問題，未來更能將成熟的解決方案出口到世界其他市場。
數據、AI先行，扭轉硬體思維
這並非空想。賴嘉滿指出，日本有數項把握實體AI商機的既有資產。這包括在感測器、致動器等諸多元件的領導地位，精密的製造工藝，以及工業機器人的生產及部署經驗。日本社會對人形機器人具有較高包容度，可能也是利多之一。
另一關鍵，是日本在製造、物流、基建維護、醫療保健與建築等多個垂直產業中，有蘊藏著大量未開發的專業知識。若能儘早將這些獨門know-how數位化、整理為AI訓練資料，提升特定專業領域的AI解決方案能力，有機會在各垂直產業裡都養出獨角獸。
也就是說，想解鎖這般願景，「數據」扮演關鍵角色。「誰愈快拿到真實世界的數據，就能愈快把數據飛輪做起來，也就有辦法領先。」賴嘉滿認為，垂直產業需要時間沉澱，「我們亞洲愈早沉澱，（能）做的東西就會更多。」
掌握數據，也就掌握了需求。「很多時候大家在想機器人時，會想說我先把機器人做出來。我其實不是很贊同。」賴嘉滿認為，不是先把機器人做出來，再去找市場，而應該先思考目標市場的痛點是什麼，再發展解決方案。
「你知道自己的願景是提供自動化解決方案，但第一步不一定是做機器人。」賴嘉滿表示，「先拿到數據，是一個很好的切入點。」
她建議，企業應在產業層面策略性地共享數據和知識，形成特定產業的合作計畫，可開發專精模型，也提升整個產業的AI水平。
賴嘉滿也坦言，日本雖有長年研發機器人的積累，但許多資深專家仍是從傳統硬體角度出發，也就是聚焦在機器人控制問題。但在實體AI時代，許多領跑者是從AI出發，再整合硬體。這也是日本需進行的心態轉換，「不是做好機器人，再把AI加上去就好了。」
實體AI剛起步，定義下一代工業製造優勢
她預期，未來脫穎而出的公司會是達成深度軟硬整合者。團隊既要有硬體能力，有AI能力，也必須懂機器人。因而，如何將多元人才集中到實體AI的賽場上，成為一件重要的事。
好消息是，在輝達不遺餘力的推廣下，愈來愈多人看見實體AI的可能性，資金、人才與媒體關注湧入。但賴嘉滿認為，AI與實體機器的結合還處於早期階段。目前的應用多停留在專案形式，尚未出現以訂閱等方式穩定獲利的企業，這也是未來幾年值得觀察的重點之一。
賴嘉滿認為，在推進實體AI發展上，日本與台灣可以是合作夥伴。尤其在地緣政治緊張局勢中，台灣在供應鏈中可以肩負起更重要的角色。她舉例，現在美國製造回流，但美國無法獨力打造這些工廠裡的自動化機器，「那誰去組裝？台灣就有這個可能性。」
對日本而言，實體AI不僅是前行的機會，更是不可錯失的一步。過去，日本未能成功將基礎技術轉化為全球性的軟體產品。如今，即便在長期領先的汽車等硬體製造業中，軟體的重要性也在提升。若忽略這塊投資，過往的工業優勢也可能遭到侵蝕。
隨著各領域技術進展，現在可以是日本善用既有基礎，把握AI浪潮、加速機器人商業化的時刻。不讓實體AI流於宣傳口號，還需要更多參與者實現多元硬體的想像。
