生成式AI與代理式AI迅速發展，AI正由單純推論走向即時感知、決策與控制，結合機器視覺、機器人技術，實現在製造業生產線、倉儲物流業等等結合自主移動機器人（AMR）、機械手臂、人形機器人的智慧製造、智慧零售等應用；而所謂的實體AI（Physical AI）成為各家相關晶片廠商的市場策略新方向。如瑞薩電子（Renesas）也從既有平台出發，整合晶片、軟體、AI工具與合作夥伴生態系，佈局由感知、推論到實際行動的完整機器人應用。
過去兩年，瑞薩電子持續擴大旗下Edge AI解決方案技術陣容，從MCU、MPU、Reality AI與DRP-AI等元件及工具，進一步整合參考設計、Renesas 365雲端平台與合作夥伴生態系，並將應用由預測性維護、狀態監測與工業視覺，延伸至AMR及人形機器人。隨著AI由雲端走向終端，瑞薩如今也將策略由Intelligent Edge推進至Physical AI，試圖以完整的軟硬體平台搶進機器人市場。
台灣瑞薩電子總經理詹維青指出，如果說2024年是Edge AI開始普及的起點，那麼2026年的市場已進一步進入規模化部署階段。兩年前，客戶最常詢問的是MCU或MPU算力是否足夠、模型能否部署至邊緣端，以及系統功耗能不能被接受；如今需求則明顯轉向AI開發流程、既有系統整合、大量部署及後續模型維護。換言之，Edge AI正在由「模型導向」轉向「系統導向」。
因應這樣的變化，瑞薩也將Edge AI策略由單純晶片與AI加速器，進一步延伸至「Silicon + Software + AI Tools + Cloud Platform + Ecosystem」，透過Reality AI、DRP-AI、參考設計（Reference Design）、Renesas 365以及合作夥伴生態系，串接從資料蒐集、模型開發一路到量產部署的完整流程。該公司近期也正式將這套布局進一步延伸至Physical AI，並將人形機器人視為下一階段的重要應用場域。
Edge AI落地瓶頸轉向系統整合
要在工業應用現場實際部署AI，模型本身往往已不是最大的挑戰。詹維青表示，目前多數工業AI專案面對的問題，包括感測器資料品質、傳統設備無法直接串接AI系統、PLC與營運網路整合，以及模型訓練、更新與後續維運機制；另一方面，只要AI開始接觸生產設備，功能安全與可靠度驗證的重要性也隨之提高。
瑞薩因此將支援重點分為三個層次。第一是透過Reality AI降低AI開發門檻，協助開發者利用感測器資料建立特徵與模型，再針對MCU或MPU進行最佳化；第二是利用DRP-AI、Application Zoo、參考設計及經驗證的硬體平台，減少客戶從零建立系統所需的時間；第三則是透過Renesas 365整合系統設計、開發、驗證與維護，希望讓AI不只是停留在Demo或PoC，而是能夠真正進入生產環境並持續營運。
這樣的系統化思維，也成為瑞薩由Intelligent Edge進一步布局Physical AI的基礎。相較傳統Edge AI主要協助系統「看懂」世界，例如辨識人臉、影像、聲音或偵測異常，Physical AI則進一步要求系統根據感知結果做出實際動作，亦即從「See → Think」演進至「Sense → Think → Act」。
Physical AI核心在即時、確定性與安全
AI一旦開始控制真實世界中的設備，系統設計要求也隨之提高。詹維青指出，首先是即時性，例如機器人控制週期可能已細化至毫秒等級；其次是確定性（Determinism），AI推論結果不能只追求高準確率，更必須穩定地轉換為可驗證的控制動作。
再者則是功能安全。當AI開始直接控制機械、馬達或其他實體設備，任何異常都可能造成設備甚至人員安全風險，因此安全架構將成為Physical AI不可或缺的一環。最後則是本地端運算能力，因為許多機器人及工業系統的閉環控制無法容忍雲端傳輸所帶來的延遲，AI推論與即時控制必須在本地完成，這也是瑞薩強調DRP-AI與Edge Intelligence的重要原因。
人形機器人正是最能體現這類Physical AI需求的代表性系統。瑞薩將其拆解為視覺、AI大腦、運動控制、致動器及能源系統等不同層次：在Brain端，可利用R-Car、RZ/V與DRP-AI處理Vision AI、VLA、世界模型與AI推論；Motion端則由RZ/T、RA/T負責多軸伺服控制，以及EtherCAT、TSN等工業通訊；感測端涵蓋Camera、Encoder、Torque Sensor、Force Sensor及Tactile Sensor等介面；電源部分則延伸至PMIC、電池管理與GaN Power。
瑞薩希望提供的不只是單一晶片，而是一套可擴展的機器人整合平台。
開發者體驗成為下一階段競爭焦點
隨著Physical AI系統涉及的晶片、軟體與控制層級持續增加，瑞薩也開始將「開發者體驗」視為另一個競爭核心。詹維青認為，未來AI市場的競爭不只發生在晶片效能，更在於能否降低整個系統的開發複雜度。
瑞薩目前的方向包括三部分：首先透過Renesas 365將系統架構規劃、元件選型、軟硬體開發與團隊協作整合至單一雲端平台；其次，Reality AI也逐步與e² studio及Renesas 365串接，使資料蒐集、模型訓練到程式碼生成可在一致的工作流程中完成；第三則是透過Renesas Ready Partner Network、開源AI Framework、參考設計與在地合作夥伴，補足從PoC到量產過程中的軟硬體與系統資源。
從Edge AI走向Physical AI，代表AI產業的競爭正在由單一推論效能，擴展至感知、運算、控制、安全、電源與開發工具的整體整合能力。瑞薩下一階段的任務不僅僅只是協助客戶將AI導入產品與應用，還要進一步打造能夠感知、決策並實際採取行動的智慧系統；而人形機器人也正成為驗證這套完整Physical AI布局的重要戰場。
- 瑞薩以平台化解決方案與完整系統佈局搶進機器人市場 - 2026/08/24
- RISC-V走向真實世界：DeepComputing致力為開發者提供開放運算平台 - 2026/08/14
- 智慧代理助力繁瑣設計流程 Siemens EDA打造「AI原生」工具鏈 - 2026/08/12
訂閱MakerPRO知識充電報
與40000位開發者一同掌握科技創新的技術資訊！
