隨著「實體AI」成為人工智慧競逐的新戰場，如何讓機器人走出受控的工廠，在充滿變數的現實世界安全運作，成為應用落地的基礎門檻。矽谷獨角獸Dexterity如何以獨門設計對抗模型「幻覺」風險，並攜手台灣硬體合作夥伴，挺入國際市場？
在「AI取代人類工作」的前景中，存在著一種相對道德的市場需求：原本就不適合由人類執行的工作。
這可能包括長期盯視高溫焰光、身處重金屬煙霧中的焊接，以及在過熱或過冷的倉庫、卡車裡持續搬動沉重貨物。這類「3D」工作對人類的健康或尊嚴造成傷害，又複雜到難以讓自動化機器代勞，在現代愈來愈陷入缺工的處境。
隨著人工智慧理解世界的能力進展，硬體成本、邊緣算力等條件一一到位，這類工作的人力缺口成了新一代AI機器測試服務範圍的理想入口。
這也正是矽谷新創Dexterity的創業起點。從處理包裹出發，Dexterity的機器人現已打入電商、零售物流，下一步是進軍機場與港口。目標是打造出工業與物流領域的通用硬體平台，替人類執行繁重、勞累且容易造成身體傷害的「苦差事」。
在專訪中，Dexterity創辦人兼執行長梅農（Samir Menon）向《遠見》表示，打造機器人有兩種路線，一種是試著用機器取代人類，一種是用機器為人類賦能，「我認為後者是更好的。」
估值達16.5億美元的Dexterity已獲得美國物流巨擘FedEx、UPS採用，與住友商事成立合資企業探索日本市場，近期也宣布與佐川急便合作進行卡車裝載作業驗證。正在準備邁向IPO。
在2026年加速擴張的路上，亦有關鍵台灣夥伴助力。起點可回溯到4年前、世界仍受疫情所困之時。
擁有理解、應對現實世界能力的智慧機器
在投資人牽線下，Dexterity團隊在2021年來到台灣。經過五天隔離後，出關的團隊拜會機械大廠上銀科技，在會議室的白板畫出原型設計圖。
「我當時說，『我想要這樣的機器人。』」梅農回憶，「那最終演變為一段非常密切的合作關係，Mech就此誕生。我想它是第一款為AI而打造的工業機器人。」
梅農認為，傳統工業機器人與AI機器人最大的差別在於，「工業機器人是為精準度打造，而AI機器人是為智慧而生的。」
傳統工業機器人時常是大而笨重，固定在一個高度受控的精準環境中，執行重覆性的任務。但走出廠房，現實世界是混亂、充滿意外的。梅農描述，「一旦離開工廠，所有的精準度都不復存在。」
例如，同樣是輸送帶，旅客大小不一的行李箱在輸送帶上的位置與角度都不相同。在物流場域，包裹裡的東西可能千奇百怪。梅農舉例，機器人曾經抓起過一個內裝蛋糕的包裹，結果鮮奶油噴得到處都是。
要處理現實世界中充滿意外變數的任務，機器不能只靠精準的執行力，而必須擁有足夠的「智慧」。
梅農為史丹佛大學電腦科學系博士，已研究人工智慧與機器人近18年。主要研究興趣是大腦如何結合感知輸入，控制身體靈巧地動作。正如「Dexterity」之名，公司的研發重點在機器的「操控能力」。
起初，FedEx想知道Dexterity團隊能否研發出自動為卡車卸貨的機器手臂。Dexterity主動要求挑戰更難的「裝貨」任務。「後來證明，裝貨比卸貨大概難上50倍。」梅農說，「但我們當時不知道，所以很高興地投入研發。」
研發成果演變為公司的主產品「Mech」，這是市場上少數既能卸貨、也能裝貨的機器手臂。酬載近60公斤，臂展達5.4公尺，垂直高度近2.5公尺，可以輕鬆地將紙箱堆至貨車頂部，這通常是人類難以觸及的部位。
這其中的關鍵智慧，在於一套懂得觀察、計算如何用最高密度堆疊箱子，甚至是處理掉落紙箱的AI系統。經過數年的資料積累與訓練，Mech已達到某程度的通用性。只要替換手部零件及更新軟體程式，就能執行不同任務，從卡車與貨櫃的裝卸貨到包裹分揀，再到棧板堆疊和卸垛，都可在同一套硬體平台上完成。
從數位世界到實體世界的部署，另一項需要跨越的挑戰是模型「幻覺」的問題。對此，Dexterity亦有獨門解法。
如GPT4這樣的大型基礎模型，基本上是用一個龐大到接近通用的神經網絡來面對所有指令。當它碰上不確定或不熟悉的提問時，會用機率去猜一個答案，這時就容易產生不符合事實的「幻覺」。
在數位應用中，使用者時常以「copilot」的概念應對這樣的風險。也就是讓機器作為輔助角色，人類依然掌握最終的品質把關。
但這套作法很難遷移到現實世界。倘若動作迅速的大型工業機器手臂出現幻覺，可能打亂整條生產線，為客戶添增停機成本，還可能對人員造成安全風險。
為了將幻覺風險壓至最低，研究AI代理多年的Dexterity設計了一個具層次的架構。以一個「決策引擎」調度大批的專精小模型，大幅提升行動的準確度。
簡單地說，團隊將涵括運動規劃、力控等不同領域的能力切割成不同「技能」。推開箱子可能是一個，兩隻手臂合力舉起物件可能是另一個。每個小模型專注執行一種技能，變數少、邊界清晰，因此準確度極高。就像一個專門「上舉」的模型不會突然幻想自己可以切水果。
在這批小模型上，再加上一個負責思考要使用哪些技能來完成複雜任務的決策引擎。這個設計類似於GPT-5懂得依據使用者指令，選用較快速或思考較久的模型進行輸出，或是調用繪圖工具生圖。Dexterity可說是早一步應用在實體AI上。
從現成硬體逐步邁向客製化機器，台美合作關鍵契機
與許多新創軟體團隊相同，Dexterity一開始也是使用現成的硬體作為平台，但逐步為新一代AI系統打造更加獨特的機器身體。與川崎、上銀這樣的硬體夥伴合作，使用關鍵子模組，有助於快速規模化。
除了上銀，Dexterity也和近期上市的永擎電子合作，為Mech開發專用的客製化邊緣AI伺服器，提升機器無須依賴雲端連結的自主行動能力。
梅農表示，Dexterity從本地市場出發，期望成為全球性的公司。在佈局國際市場時，特別具有戰略契合度的市場成為首選，例如日本、台灣與新加坡。他指出，從工作倫理、勤奮紀律到運輸基礎建設及政府支持等，有許多因素支持亞洲成為製造業重鎮，這也正好與擅長創新的美國配合良好。
終結有害勞動，打造更舒適、安全的工作條件
在加速挺入國際市場時，回歸公司成立初衷，梅農希望團隊辛勤的成果能「為世界帶來正面影響」。即使只是在每一輛運貨卡車內填入更多貨品，也能減少卡車車次，進而減少交通運輸耗能及碳排放。當Mech成功部署到更多應用場景，便能積累更多正向效應。
但最關鍵的，仍是提升人類的工作安全性。物流產業面臨缺工有其緣由。長期將重物舉至高處，容易導致背痛、拉傷，且有被掉落的包裹砸傷的風險。在夏日高溫中，卡車貨櫃內可能超過攝氏40度，在這樣的環境中進行體力勞動更可能中暑。
梅農的想法是，針對不適合人類勞動的工作條件研發自動化機器，不是為了取代人類員工，而是改善人類勞工的生活品質。人類可以轉而成為機器的監督者，以更安全、舒適的工作方式，繳出更高生產力。
「我們能夠讓許多容易造成傷害、壓力大、費力且重覆性的苦差事成為歷史。在出色機器的協助下，邁向一個所有人都擁有更舒適工作的社會。」梅農表示，「我認為我們將在未來五到十年間，朝這個方向取得重大進展。」
他相信，實體AI的時刻「就是現在」，「我們將在有生之年，看見全世界發生巨大變化。」梅農期望，Dexterity將在其中扮演要角。
