Flexion 要賣機器人大腦、韓國砸錢 AI 國家隊：物理 AI 比語言 AI 更忙

今日漫畫 出演・水無瀨 澪

Flexion Robotics 說，機器人市場的核心賽事剛開始，不是賣腿和手臂，而是賣大腦。同一週，韓國把物理 AI 列為國家戰略，從政府層級開始解決資料問題；Meta 則在企業內部禁止工程師用 Claude Code，理由是怕被競品模型蒸餾。七月第一天的新聞，方向很不一樣，但都在問同一個問題：AI 要從螢幕走到現實世界，少了什麼？

機器人的大腦比腿更重要

Flexion Robotics 由前 NVIDIA 機器人研究人員創立，總部在瑞士。公司做的不是機械關節或金屬骨架，而是讓人形機器人能夠理解指令、自主拆解任務並串接行動的 AI 軟體系統，他們把這個東西稱為機器人的「大腦」，市場預期這個賽道的規模上看 1,500 億美元。

這個定位有一個直接的含義：硬體公司負責造腿造手，基礎模型公司負責造大腦，兩者之間需要一個能讓大腦跑起來的界面。Flexion 要做的是這個界面，讓任何硬體廠的機器人都能插上它的 AI 大腦，自主完成搬箱子、轉門把、爬樓梯這類在工廠和家庭裡真正需要的任務。

Hugging Face 在同一週從另一個方向進來。他們推出 LeRobot Humanoid 計畫，目前的實體成果是一雙約 2,500 美元、用 3D 列印零件和市售電子元件組成的機器人腿，還沒有手臂和軀幹，但配套的是一整套設計圖、零件清單、組裝說明，加上從模擬訓練到真機測試的完整工具包。這個計畫的核心意圖很清楚：讓研究室以外的任何人都可以自己造一台機器人，拿它來訓練 AI，不再是頂尖實驗室的特權。

商業這一側，中國在六月底完成了兩筆大額融資。智平方（AI² Robotics）完成近 50 億人民幣融資；另一家獲阿里巴巴投資的自變量機器人（X Square Robot）也完成連續多輪募資，兩家公司估值均突破 200 億人民幣，整個中國人形機器人產業累積募資破 460 億人民幣。被點名的競爭對象是特斯拉的 Optimus 和 Figure AI。

這三件事說明的不是機器人快成熟了，而是這個賽道正在從概念驗證走向真正的能力分工：誰做硬體、誰做大腦、誰建資料管線。若物理 AI 訓練需要的真實互動資料短期無法補足，真正的分水嶺可能不在硬體性能，而在誰先在現實場景裡累積夠多的可訓練資料。

韓國的三年賭注

韓國副總理兼科學技術資訊通信部長裴京勳在六月 29 日宣布，物理 AI 正式被列為國家戰略產業，並劃出三年關鍵窗口。他指出的核心問題不是模型不夠聰明，而是資料嚴重不足：與生成式 AI 可以從網路大規模抓取文字和圖像不同，物理 AI 依賴真實互動：機器人在現實空間裡的動作、感測器回饋、工作流程。但目前公開的真實互動資料總量通常不超過數千小時，與需求之間的差距非常大。

韓國政府的具體計畫是：建立製造資料的蒐集與整合體系，推動跨部會和產業之間的資料串接，並主導建立「製造 AI 資料庫」，同時把即將退休的熟練工人的隱性知識，轉成 AI 可以使用的結構化資料。目標是三年內讓製造業生產力提升 20%。

這個方向和 Flexion 的問題意識高度吻合：機器人的大腦需要的資料，不是從網路上找得到的，而是要在工廠裡一個動作一個動作蒐集。韓國的賭注是，如果能先在製造業場景建起這個資料基礎設施，不論哪個機器人大腦模型最後勝出，這條資料管線都有獨立的價值。

台灣、日本和韓國三國在 AI 基礎設施的布局選了不同的切入點：台灣更偏重硬體供應鏈（ABF 載板、CPO 光互連）；日本傾向與大廠合作做落地示範；韓國這次的押注是資料基礎設施。若資料真的是物理 AI 最難跨越的瓶頸，韓國的三年計畫在競賽裡的位置，可能會比現在看起來更靠前。

Meta 的封鎖令說明了什麼

Meta 的 Applied AI 部門在六月底正式實施一條規範：工程師不得在工作環境使用 Anthropic 的 Claude Code 和 OpenAI 的 Codex。相關文件由《The Information》在 6 月 29 日取得，並指出這套規範最早可追溯至 5 月，6 月底才正式落地。

理由是模型蒸餾（Model Distillation）風險：競品 AI 工具的輸出內容，可能透過日常開發流程無意間混入 Meta 自家 Llama 模型的訓練資料。換句話說，Meta 擔心的不是工程師效率，而是訓練資料的純度。

這個邏輯有一個值得注意的地方。Meta 一方面靠 Llama 系列的開源策略打知名度，另一方面現在要隔絕自家開發流程裡的競品輸出，保護模型邊界。兩件事並不矛盾，但放在一起，說明了一件事：當 AI 工具普及到工程師日常開發流程，訓練資料的來源邊界問題開始變得複雜，各家都不想讓競品的邏輯偷偷滲進自己的模型。

同一週，Meta 被另一份報導點名，讓承包商使用假兒少帳號探測競品聊天機器人的底線：在其他平台以假冒兒少的帳號向競品 AI 發送訊息，觀察模型回應邊界。這件事和封鎖 Claude Code 性質不同，但共同勾勒出 AI 公司之間正在用不完全透明的方式了解彼此護欄設計的現狀。

若 Meta 的蒸餾防護令成為業界標準，AI 工具廠商在企業市場面對的問題會更直接：你的工具輸出，會不會污染客戶自己的訓練資料？目前這個問題還沒有業界共識的答案。

AI 推薦裡沒有你的名字

Gartner 預測，2026 年每五筆購買中，就可能有一筆由 AI 代理參與或完成。購物的第一個動作（搜尋、研究、比較），有一大部分會由 AI 代理代勞。

台灣新創確認鍵智創科技最近在推一套叫做 AICDN 的服務，搭配「AI Trust Signals」，目標是幫品牌搶進 AI 推薦名單。他們的切入點是 GEO（Generative Engine Optimization，生成式引擎優化）：讓品牌的產品或服務，在 ChatGPT、Claude、Perplexity 等 AI 搜尋工具裡被主動提及、被推薦，而不只是出現在 Google 第一頁。

Similarweb 的觀察指出，家電、金融商品、軟體訂閱、旅遊預訂這類「高研究成本」的購買行為，比衝動型消費更容易被 AI 完全接管。消費者願意把需要反覆查資料、比價格、看評論的事情交給 AI 代理，但決策門檻低的東西還是自己來。

對品牌來說，AI 時代的漏斗入口已經改了：過去擔心的是 Google 第一頁有沒有你的名字，現在要擔心的是 AI 模型在回答使用者提問時，有沒有把你的品牌列進選項裡。進不了那個名單，消費者的 AI 代理在做選擇時根本不會問到你。

微軟最近公布的調查也指向同一個落差：台灣企業 AI 採用率在全球排名前段，但 AI 產出的成果和生產力提升，落後於採用率應有的水準。採用了工具但沒有真正用來產出結果；對品牌行銷來說，對應的情況是：多數品牌已經知道「AI 搜尋很重要」，但真正為此調整的還是少數。若 Gartner 的預測時間表準確，這個準備期會比大多數品牌意識到的更短。