南韓新創企業 MOBILINT 獲得政府「K-設備端AI半導體技術開發計畫」補助，刻正主導打造專屬於人形機器人的設備端人工智慧（On-Device AI）單一運算平台。該專案預計將研發成果導入 LG 電子的人形機器人進行實地運轉與可靠性驗證，以滿足高即時性與多任務並行的硬體需求。
專案背景與軟硬體整合架構
隨著人工智慧逐漸走出軟體環境並進入實體機電系統，機器人在運算即時性與數據隱私上的需求大幅提升。MOBILINT 主導的國家級專案，核心在於解決機器人在沒有雲端連線支援時，單靠內部組件即可獨立完成感知與動作決策。為了達成此一目標，研發團隊正著手設計人形機器人專用的神經處理單元（NPU）、AI 加速晶片、小型化加速模組，以及配套的模型轉換優化軟體。
傳統機器人開發往往需要製造商自行採購並整合各家軟硬體，面臨系統龐雜且資源分配不均的問題。該專案嘗試將運算晶片、邊緣硬體與控制軟體整合為單一運算平台。該公司表示，透過該平台能在有限的系統資源下，穩定調配多個 AI 模型同步運作，並將防禦機制與功能安全規範在開發階段即植入架構中。
實地驗證場景與嚴苛環境測試
這套硬體與軟體架構將在 LG 電子的實際操作環境中接受測試，評估其於日常生活空間的運作表現。由於人形機器人在內部空間、電池容量以及機構散熱上皆有極大限制，實地驗證重點將包含多重演算法並行時的控制延遲、長期電力供應下的發熱狀況，以及傳達動作時的判斷穩定度。
此外，實體機器人在移動或執行操作時，機身運算模組勢必會面臨頻繁的振動與外力衝擊。測試項目亦涵蓋設備端硬體模組在實體環境中的抗震性與耐用度。未來該運算平台除了應用於人形機器人外，也規劃擴展至服務型機器人、自主移動機器人（AMR）、智慧型家電與邊緣 AI 攝影機等領域。
產業意義
人形機器人與自動化裝備從雲端運算走向邊緣運算是必然趨勢。過去依賴遠端伺服器進行推論的方式，容易受限於網路封包延遲與頻寬波動，無法滿足極致精密的即時控制。南韓政府透過專案補助晶片設計業者與終端家電大廠進行鏈結，顯示出實體 AI（Physical AI）領域的競爭重點已延伸至硬體底層的運算效益比與單一模組整合度。
對台灣製造業與自動化供應鏈而言，雖然台灣業者在人形機器人整機市場尚處於發展階段，但在邊緣運算電腦（Industrial PC, IPC）、高階晶片封裝測試、微型控制板卡以及感測器整合方面具備堅實基礎。此事件凸顯出未來機器人製造商採購零組件時，將更傾向採用預先優化且整合度高的軟硬體架構，而非單純買賣個別硬體。台灣控制器與工業電腦廠商若能提早佈局低功耗且具高排程能力的邊緣控制核心，將有助於搶攻下一代機器人次系統供應鏈。
技術解析
文中所提及的技術與設備名詞，在現代自動化與機器人運作中扮演著不同層級的角色：
- 設備端AI（On-Device AI）：指將人工智慧演算法直接部署於裝置本體的晶片上執行，無需傳送資料至雲端伺服器。此運作方式具備零網路延遲、高隱私性與不斷網即可運行的特點。
- 神經處理單元（NPU, Neural Processing Unit）：一種專為加速深度學習演算法與神經網路運算所設計的微處理器，能在較低功耗下高效處理大量影像與感測器訊號。
- 視覺語言模型（VLM）與視覺語言動作模型（VLA）：VLM 能讓機器人辨識影像並理解文字語意（例如「看見桌上的杯子」）；VLA 則更進一步，能直接將視覺資訊與語言指令轉換為機械手臂或關節的具體控制訊號（例如「伸出手臂抓取杯子」）。
- 自主移動機器人（AMR, Autonomous Mobile Robot）：配備光達、視覺感測器與導航演算法的移動平台，能在未鋪設軌道的動態環境中自行規劃路徑並避開障礙物。
常見問題
MOBILINT 研發的設備端 AI 平台主要解決什麼問題？
該平台旨在解決機器人在沒有雲端支援時，內部空間、電池散熱有限的情況下，仍能同步執行視覺、導航與動作控制等多個 AI 模型的問題。
該 AI 平台將在何處進行實際驗證？
該平台將在 LG 電子的人形機器人與日常操作情境中進行驗證，測試項目包括控制延遲、發熱功耗以及抗振動可靠性。
這項技術對台灣自動化與機器人供應鏈有何啟示？
這顯示機器人零組件正走向「高度整合的軟硬體運算核心」，台灣邊緣運算與板卡廠商應加速開發低功耗、高算力的邊緣控制模組以掌握商機。