Nakul Duggal表示，隨著AI逐步從雲端走向終端與實體世界，人形機器人、邊緣AI與情境感知應用正加速落地。不過，當AI進入具備實體動作能力的系統後，安全、驗證、可靠度與量產能力，將成為產業能否擴大商用的關鍵。
Nakul Duggal指出，AI機器人與邊緣智慧應用不只是單一技術突破，而是牽涉運算、感測、連網、軟體成熟度與系統整合的完整生態系。高通過去在汽車、物聯網與邊緣運算領域累積的經驗，將可延伸至機器人與更多實體AI應用場景。
他表示，當人工智慧進入機器人等具備實體動作能力的系統後，風險控制不再只取決於演算法本身，安全設計也成為核心考量。相關技術若要避免出現問題，必須在開發過程中與醫師、受託管理方等專業角色密切合作，並在真實環境中反覆驗證，才能逐步排除系統性風險。他也強調，相關技術發展仍存在學習曲線，但目前進展速度相當快，應用空間也持續擴大。
Nakul Duggal預估，未來五年內，機器人與相關自動化應用的採用速度將明顯加快，特別是在室外巡檢等情境中。他認為，部分應用將在疫情後持續延伸，涵蓋更多遠端作業與現場監測需求。不過，他也指出，家用機器人等貼近日常生活的應用，仍需要更高的安全成熟度，距離大規模普及仍有一段時間。
當被問到人形機器人最困難的部分時，Nakul Duggal將焦點放在手部與感知能力。他表示，手部是與大腦和神經系統直接連動的重要部位，但目前相關技術仍處於早期階段，現階段重點多放在空間感知與抓握動作。
2026/06/02 16:34
轉載自中時新聞網: https://www.chinatimes.com/realtimenews/20260602003196-260410
Post gallery
