物理 AI（Physical AI，台灣產業亦常稱實體 AI）企業生態系不是一張機器人品牌排行榜。它由機器人本體、模型與資料、模擬工具、晶片與邊緣運算、感測器與致動器、系統整合及營運服務共同組成；任何一層缺口，都可能讓實驗室展示無法成為可持續的現場流程。
判讀企業時，先問它解決哪一段工作，再看客戶必須向誰補齊其餘能力。若還不熟悉感知、決策、動作與回饋的閉環，可先閱讀物理 AI 基礎指南。
先看企業位於哪一層
同樣自稱物理 AI 公司，可能是在賣整機、授權模型、提供模擬環境、供應運算模組，或承接整條產線的整合。收入來源、交付週期與風險因此完全不同，不能只用募資額、影片觀看數或機器人外型比較。
| 產業層級 | 主要交付 | 採購方應查核 | 常見缺口 |
|---|---|---|---|
| 機器人本體 | 機構、控制器、末端工具與安全介面 | 可執行任務、維護與工作環境 | 只有單項動作展示 |
| 模型與資料 | 感知、規劃或跨任務策略 | 支援的機型、資料需求與失敗邊界 | 模型輸出仍未接上可靠控制 |
| 模擬與開發平台 | 場景、物理、感測器與測試工具 | 資產流程、實機介面與重現性 | 模擬結果未經實機校正 |
| 晶片與邊緣運算 | 推論算力、記憶體、介面與軟體堆疊 | 持續功耗、散熱與延遲 | 只引用峰值算力 |
| 零組件與感測 | 相機、光達、力覺、馬達與致動器 | 校正、耐用性與供應週期 | 規格合格但系統整合失敗 |
| 系統整合 | WMS、MES、安全、網路與現場流程 | 驗收責任、例外處理與停機支援 | 責任介面不清 |
| 營運服務 | 監控、維護、資料回流與機隊管理 | 服務水準、資料權利與長期成本 | 試點後缺乏持續改善 |
這張表的用途不是替企業貼上永久標籤，而是找出交付邊界。許多公司橫跨多層，但採購案仍要逐項確認：哪些能力已包含、哪些由合作夥伴提供、哪些只是未來規劃。
機器人本體商交付的是可重複工作的機器
本體商必須把機構、致動、控制、安全與維護整合成可以執行工作的設備。Figure、Boston Dynamics Atlas與Agility Robotics的官方頁面呈現不同產品方向，但官方展示不等於所有場域都已可購買、可量產或可無人值守。
真正有辨識力的證據包括任務開始與結束條件、連續運作時間、失敗恢復、保養週期、操作人員距離及現場整合責任。若企業只公開一段剪輯影片，最多只能證明某次展示曾經完成，不能直接推論長期產能。
模型公司提供可移轉能力，不等於交付整套系統
模型層試圖把視覺、語言與動作資料轉成可跨任務或跨機型調整的能力。可對照Google DeepMind Gemini Robotics、Physical Intelligence pi0與 NVIDIA GR00T 的公開說明，確認輸入、輸出、支援硬體、調整方式與評測條件。
模型能產生動作建議，不代表已處理即時控制、安全聯鎖、碰撞限制與工具誤差。比較模型公司時，應把公開評測、示範資料、實機部署與商業存取條件分開記錄，避免把研究進展誤寫成可直接採購的完整產品。
模擬、晶片與邊緣運算連接研發與實機
NVIDIA Isaac 平台橫跨模擬、機器人開發與運算工具，說明這一層為何不只是繪製漂亮場景。團隊需要建立資產、重現接觸與感測器行為、執行回歸測試，再把相同控制介面帶到實機。
模擬器是否合適，取決於物理、感測、學習與系統整合需求；可搭配Isaac Sim、MuJoCo 與 Gazebo 比較評估。晶片端則要看持續功耗、散熱、記憶體與軟體相容性，不能把峰值規格直接當成機器人的持續效能。
感測器、致動器與整合商決定現場成敗
機器人看得見、站得穩、抓得住，仰賴相機、光達、編碼器、力覺、馬達與減速機等零組件。單一零件規格再高，也必須經過時間同步、座標校正、機構安裝、線材管理與控制迴路驗證，才會成為可用的系統能力。
整合商則把機器人接入工廠或倉儲的訂單、門禁、安全與維護流程。倉儲揀選機器人指南可看出，真正的吞吐量往往受物料、驗證與例外處理限制，而不是單一夾爪的最快速度。
營運服務與資料回流形成長期能力
部署後仍需要機隊監控、版本管理、遠端診斷、備品、現場支援與資料治理。這些工作決定系統遇到包裝變動、感測器漂移或新任務時，能否安全降級並完成重新驗證，也決定供應商的收入是一次性設備銷售還是持續服務。
資料回流不能只追求數量。企業還要說明誰擁有操作資料、哪些內容可用於再訓練、如何移除敏感資訊，以及模型更新後由誰負責回歸測試。沒有這些條款，技術上可行的回饋迴路仍可能卡在合約與治理。
比較企業時應以證據鏈取代品牌印象
- 先寫清楚目標任務、場域與成功條件，再確認企業交付到哪一層。
- 把官方展示、付費試點、正式商用與大規模部署分開記錄。
- 要求持續運作、失敗分類、人工介入與維護資料，而非只看最佳案例。
- 確認合作夥伴、軟硬體相依性及客戶必須自行承擔的整合工作。
- 追蹤產品狀態與文件更新，不把未來目標寫成已完成事實。
定位與感測也是企業分工的一部分；若要判讀機器人如何取得可用位置，可延伸閱讀VIO 與 SLAM 定位指南。
企業生態系常見疑問
知名度最高的公司就是產業領導者嗎？
不一定。知名度反映市場關注，但產業位置還要看可交付產品、客戶責任、供應能力與部署證據。不同層級也不能用同一套指標排名。
模型公司和機器人公司會變成同一類企業嗎？
部分企業會向上下游延伸，但機構設計、即時控制、安全認證、資料訓練與雲端服務仍是不同能力。判讀時應看實際交付，而不是只看公司自我定位。
新創公司缺少大規模案例時要怎麼評估？
可先檢查任務定義、技術文件、可重現評測、試點邊界與失敗資料，再確認團隊是否清楚揭露尚未完成的部分。誠實的限制往往比模糊的全能宣稱更有價值。