舊金山2026年10月28日 /美通社/ -- 在投資者將目光從軟件賽道轉向在現實世界環境中部署智能機器的相關挑戰之際，亞洲的半導體專長、製造基礎設施與工業供應鏈，有望讓該地區在實體AI (Physical AI)的發展進程中，佔據舉足輕重的地位‌。

在舊金山科技週期間剛剛落幕的「硅邁向規模化：實體AI峰會」上，風險投資機構的投資者們指出，隨著機器人企業從原型研發階段邁向商業化部署，台灣、日本及東南亞將迎來諸多發展機會。

本次峰會由Startup Island TAIWAN硅谷基地與SparkLabs Taiwan聯合主辦，同時也是SparkLabs Taiwan美國落地計劃的組成部分，共吸引170多位投資者、行業領袖與企業創始人參與，現場還重點介紹了5家來自台灣的實體AI初創企業：Morale AI（摩絡人工智慧）、MetAI（宇見智能）、Jmem Tek（振生半導體）、Neuroshine（煊程科技）及APMIC‌（亞太智能機器股份有限公司）。

名為「實體AI的投資價值從何而來？」的創投對話環節，由SparkLabs Group聯合創始人兼管理合夥人Bernard Moon主持，參與對話的嘉賓包括花旗(Citi) AI基礎設施總監Jeff Tao、DCVC高級合夥人Vandon Duong博士，以及DG Incubation, Inc.旗下Open Network Lab Fund的普通合夥人(GP)兼投資負責人游佐康佑(Kosuke Yusa)‌。

在創投對話環節開始前，峰會以主題為「從概念到量產：規模化實體AI落地」的企業對話拉開序幕，該環節由英偉達(NVIDIA)風險資本戰略與合作團隊的James Lim主持。台達電子(Delta Electronics)美洲區總經理曾百全(Austin Tseng)、Highrise AI聯合創始人兼首席執行官Vince Fong、MetAI共同創辦人暨執行長余泰萬(Daniel Yu)組成專題討論小組，圍繞實體AI從仿真走向現實世界部署的核心要素展開探討，覆蓋從彌合仿真至現實的落地鴻溝，到規模化落地所需的算力、邊緣側與能源基礎設施等相關議題‌。

SparkLabs Taiwan共同創辦人暨管理合夥人邱彥錡(Edgar Chiu)表示：「台灣在半導體與製造領域的優勢在硅谷早已家喻戶曉，隨著實體AI從原型階段走向量產落地，硅谷投資者也愈發渴望與亞洲戰略投資者開展合作。我們的使命就是充當這座橋樑，將台灣的企業創始人對接給美國客戶與資本，同時把美國企業和台灣的供應鏈、戰略投資者連接起來。」

Startup Island TAIWAN硅谷基地總監、負責人Uly Su說，這一行業轉變將為台灣創造機會，充分發揮其在半導體、電子產業與先進製造領域的既有優勢。

Su表示，該基地正在籌辦一系列行業對話與投資者交流活動，來推動台灣初創企業對接硅谷的科技與投資圈層。這些舉措旨在幫助企業創始人挖掘商業機會，搭建國際合作關係，進一步鞏固台灣在新興實體AI賽道中的產業地位。

亞洲的製造優勢

花旗AI基礎設施總監Jeff Tao表示，亞洲成熟的半導體與電子供應鏈能夠為實體AI的發展提供底層支撐，尤其是在當前地緣政治不確定性加劇、企業紛紛尋求生產佈局多元化的背景下，這一優勢將進一步凸顯。

他以包括馬來西亞在內的東南亞地區的半導體封裝測試業務為例，指出這類已成熟落地的製造能力完全可以為新興技術提供支持。

與此同時，台灣在全球半導體產業中佔據重要地位，能夠為由AI驅動的機器人的發展提供對應的專長與製造基礎設施支撐。

Tao表示，實體AI企業可以充分受益於「亞洲製造優勢+美國市場接入」的組合模式，美國本土高昂的勞動力成本，正在當地催生出大量工業自動化領域的落地機會。

DG Incubation, Inc.旗下Open Network Lab Fund的普通合夥人兼投資負責人游佐康佑表示，日本擁有差異化的產業優勢：當地工業環境對生產靈活性和持續改進有著極高的要求。

他指出，日本的生產線調整迭代十分頻繁，這就要求配套的機器人系統必須能夠適配不同的作業任務與運行工況。

缺失的關鍵拼圖：現實世界數據

即便亞洲擁有成熟的製造能力，投資者們仍指出，獲取訓練數據是實體AI實現商業化落地的核心阻礙之一。

大語言模型可以依托海量數字信息完成訓練，與之不同的是，機器人系統需要的是從工廠、生產線及其他實體環境中採集的專屬數據集。

Tao表示，採集這類信息的難度極高，核心原因是製造商普遍不願對外分享自身的專有運營數據。

‌DCVC (Data Collective Venture Capital)高級合夥人Vandon Duong博士說，AI開發者願意為覆蓋場景多元、標注質量精良的數據集支付高額採購費用，這為專注於數據採集的初創企業創造了明確的商業化機會。

但他也提出了疑問：隨著越來越多的玩家湧入這一市場，相關企業究竟該如何構建起自身可持續的長期競爭優勢。

算力成本和投資機會

專題討論小組還探討了AI基礎設施投入持續攀升的趨勢，以及這一趨勢給新興企業帶來的發展約束。

Tao表示，在美國市場，繼GPU（圖形處理器）、數據中心先後成為AI基礎設施發展的制約因素之後，電力供給能力如今已升級為愈發關鍵的核心瓶頸。

他明確指出，專注於研發更高能效的電力系統、液冷散熱技術與先進半導體製造工藝的初創企業，將迎來明確的市場機會。

Duong補充說，投資者當前也在重點考察可以降低推理成本、提升算力利用效率的相關技術。

從台灣到硅谷

專題小組討論著重強調了亞洲實體AI初創企業的發展潛力——這類企業可以依托區域成熟製造能力，對接美國的資本、客戶與技術市場。

投資者們指出，企業創始人必須深度理解工業客戶的核心需求，尤其是在面向製造場景開發系統時，這類場景對設備可靠性與環境適配性有著極高要求。

儘管所有專題討論小組成員都承認，當前市場普遍存在對AI賽道估值泡沫、基礎設施投入成本高企的擔憂，但他們對實體AI技術的長期落地普及仍保持樂觀態度。

Tao同時也發出警告：AI帶來的生產力躍升，可能在短期內造成勞動力崗位被替代，這也引發了更廣泛的議題——自動化創造的經濟收益該如何實現合理分配。