當資本市場還在擔憂「AI泡沫」，應用機器人、自動化技術已久的工業端AI落地準備大爆發？西門子怎麼看機器人、代理AI在工業場景的前景？台灣人工智慧學校執行長陳伶志為何認為2026年的企業分水嶺在於「治理能力」？
AI基礎建設的大筆投資帶動台灣股市，但變現的能力與速度持續引人疑慮，也使得「AI泡沫」論揮之不去。在25日的記者會中，台灣西門子總裁暨執行長張合翕（Frank Grunert）回應表示，從西門子角度來看，「AI泡沫不會破裂。」原因在於工業AI能帶來實質影響，且爆發前景可期。
即便不乏間歇性熱潮，消費者端AI至今尚未出現「殺手級應用」，Sora的退場或可作為佐證。張合翕對比工業場景，指出工業AI是能產製實質影響力的領域。當AI為工廠提升生產力、降低人力及能源需求，這種實質的投資報酬率能讓企業主埋單，也成為消化AI基礎設施成本的一大需求。
基於大語言模型的統計學本質，「幻覺」現象無法根除，使得講求準確、安全的工業場景難以從ChatGPT那樣的對話式介面直接找到理想用例。對此，張合翕指出，工業可以沿用非語言模型的機器學習演算法，產出確定性（deterministic）輸出；或是讓AI模型相互驗證，大幅提升結果的準確性。
結合代理及實體AI，工廠自動化再升級
在近期相當火熱的人形機器人方面，張合翕對《遠見》表示，人形機器人「不是炒作」。在德國車廠內，已有完整產線裝配人形機器人的概念驗證計畫正在進行。倘若一切順利，擴張速度可能很快，可望看見爆發性的應用落地。
張合翕指出，驗證期有幾項關鍵因素。一項是機器人的耐用性，即便安全性、準確度等面向達標，如果磨損得太快，「你不會希望每六個月就得換一次機器人。」可用的機器人必須達到工業等級的耐用標準，這也涉及材料研究。
其次，機器人之間、機器人與控制平台之間必須具備良好互通性，可以同步協調協作。在規模化之前，機器人的電力供應也是需要解決的問題。但透過工業AI系統節約能源消耗與浪費，也有望緩解額外能源需求。
西門子長期耕耘數位雙生，企業可在數位雙生上模擬測試、優化生產流程，再將優化成果複製到實體機器上，提升現實世界的運作效能。面對AI代理崛起，張合翕預期，AI代理可以扮演「翻譯者」的角色，也就是將數位雙生中的優化流程轉譯成機器內的PLC（可程式邏輯控制器）可懂的程式碼，更無中介地改變實體機台的運作方式。
張合翕表示，用代理式AI優化現有的工業自動化產品，達成一種自動化的閉環控制，這目前還未能達成，但這樣的未來可能很快就會到來。
企業競爭主軸轉移，「AI治理」是今年主旋律
台灣人工智慧學校執行長陳伶志也在記者會上分享，2026年將是企業「AI治理」能力的分水嶺。他解釋，企業的競爭主軸正在進行根本性的典範轉移，「真正的競爭力不是誰先用AI，而是誰可以把AI用得更可信。」
AI進展迅速，從生成到代理、並同步進軍實體世界。能力愈強、自主程度愈高，人類治理的需求也同步升級。AI風險遠不僅止幻覺，從數據、流程到人員，整條AI加值的價值鏈上都存在著不同型態的風險。
陳伶志認為，AI技術普及已成既定事實，未來企業間的差距不再是「有沒有用AI」，而是「有沒有管好AI」。他舉例，AI治理能力成熟的公司，能夠維持產出的穩定品質；而未能掌控AI治理流程的公司，會時常出現意料之外的狀況及錯誤，逐漸流失客戶的信任。
就企業端應用而言，最關鍵的不會是底層模型的參數規模，而是構築出價值鏈信任的「AI治理能力」。陳伶志觀察，到了2026年，許多企業已理解到必須採取行動，而不是觀察他人做法、等待更完美的解決方案出現。
「AI不斷變化，而且一直沒辦法到perfect。」陳伶志對《遠見》表示，「你再等下去，那個機會都沒了。」他認為，產業界的目光必須從追逐AI的新奇功能，轉向如何將AI治理融入日常營運中。負責任的AI、可信任的AI決策，將是企業的關鍵競爭優勢。
