物理 AI 是什麼?跟生成式 AI、具身 AI、邊緣 AI 差在哪?
從感知、推理到動作,白話拆解物理 AI 的硬體架構、應用邊界,以及它和生成式 AI、具身 AI、邊緣 AI 的差別。
研究索引
依序看物理 AI、硬體、Jetson、VLA、模擬與企業 PoC;需要補足本地算力時,再延伸到 AI 電腦、工作站與 DGX Spark。
台灣產業鏈對照
先沿指南理解定義、硬體、Jetson、VLA、模擬與企業 PoC,再用零組件地圖把需求對回感知、Edge AI、控制、傳動、整機與場域驗證。
從感知、推理到動作,白話拆解物理 AI 的硬體架構、應用邊界,以及它和生成式 AI、具身 AI、邊緣 AI 的差別。
物理 AI 不能只看 TOPS。從感測器、記憶體、GPU / NPU、即時控制、I/O、功耗到安全機制,一次看懂硬體選型。
Jetson Orin vs Jetson Thor 不是單純新舊世代對決。從功耗、記憶體、感測器 I/O、JetPack 與實際部署條件,選出適合物理 AI 與機器人平台。
Jetson 多相機掉幀、延遲或 rosbag2 漏資料時,依序隔離感測器、CSI/GMSL、Argus/V4L2、ROS 2 QoS 與儲存層,附可下載驗收表。
Jetson 從開發套件走到量產,如何凍結 JetPack/L4T、設計 OTA 與回滾、驗證 Secure Boot、故障復原和現場維運?附 CSV/JSON 驗收清單。
VLA(Vision-Language-Action)如何把影像、指令與機器狀態轉成動作?一次看懂 VLM 差別、訓練與推論硬體、用途及安全邊界。
機器人模擬可在真機前測試感測器、控制與 AI 模型。這篇拆解 Isaac Sim、Gazebo、合成資料、數位孿生、Sim-to-Real 與硬體需求。
企業物理 AI PoC 先定義場景與安全邊界,再規劃資料、模擬、真機測試、驗收指標、人工接管與維運;不是先買機器人或 GPU。
從台灣散熱片公開案例拆解 AI 瑕疵檢測:先選光源、鏡頭與相機,再估 Edge 算力、資料量與控制分工。附可重算例子及 CSV/JSON 選型、驗收範本。
Cybercab 是車、Robotaxi 是叫車服務,FSD(Supervised)是需駕駛主動監督的駕駛輔助。整理 Austin 載客服務、FSD Unsupervised 與物理 AI 硬體邊界。
LeRobot 做資料採集、訓練與上機推論要怎麼配硬體?依官方 VRAM 參考、資料 I/O、Jetson 驗證邊界做三層選型。
機器人運算平台不能只比 TOPS。用開發、場域服務、上機運算與安全控制四層,檢查感測器 I/O、延遲、功耗、環境與維運。
AI 硬體不只 AI PC。先用工作負載、資料位置、模型大小與是否要控制現場設備,判斷該看 AI PC、工作站、本地 AI 主機或物理 AI 平台。
AI PC(AI 電腦)是具備本機 AI 加速硬體的電腦。一次分清 Copilot+ PC、RTX AI PC、RTX Spark,以及 NPU、GPU、記憶體該怎麼看。
AI 電腦、本地 AI 主機與 AI 工作站不能只看 TOPS。這篇用白話拆 NPU、GPU、TOPS、VRAM、RAM、unified memory、token 與 model size。
本地 AI 是把模型、RAG、資料查詢或 AI 工作流放在自己可控的環境。先分清 AI PC、工作站與多人用本地 AI 主機,再決定 GPU、VRAM 與維運。
企業導入本地 AI 不能只買主機。先釐清資料不上雲、RAG、權限、引用來源、PoC 指標、維護責任與本地 AI 主機選型。
AI 工作站是給創作者、工程師與研究者直接操作的專業重負載電腦;本地 AI 主機偏團隊服務。這篇拆解用途、規格、差異與選型。
DGX Spark / GB10 有 128GB 統一記憶體,但大型模型能否跑不只看參數量。看 NVIDIA 官方規格、200B/405B 上限、推論判斷與實際限制。
整理 DGX Spark / GB10 可執行的模型、推論引擎、量化、context 與可重現來源,分清 200B 官方上限、官方工作流與社群實測。
AI 手機不等於所有功能都在本機跑。白話比較一般手機、NPU、端側 AI、私有雲與混合推論,整理真正該看的功能與限制。