台灣下一步不只替世界做晶片？Pax Silica 開始把角色推向 Physical AI 系統層

過去談到台灣在人工智慧產業中的角色，答案通常非常直接：晶片。

台積電負責先進製程，台灣擁有高度密集的半導體供應鏈，封裝、載板、PCB、伺服器、散熱、電源與電子製造產業，也讓大量 AI 基礎設施與台灣產生直接關係。

如果把 AI 產業畫成一棵樹，台灣長期像是負責提供根系與主幹的重要製造基地。

但 2026 年出現了一個值得注意的變化。

美國推動的 Pax Silica，也就是「矽盛世」合作架構，開始把 AI 供應鏈的討論從晶圓製造向外擴張。

而台灣在這個架構中的潛在角色，也開始被討論成不只是 semiconductor manufacturing，而是更完整的 AI systems。

9 月 28 日，位於華府的 Global Taiwan Institute 安排了一場題為「From Silicon to Systems: Building a Taiwan–U.S. Partnership under Pax Silica」的公開研討會。

活動介紹中的一句話尤其值得注意：

台灣雖然對全球半導體供應鏈不可或缺，但其潛在貢獻遠超過先進晶片製造。

GTI 列出的合作領域包括 R&D、供應鏈安全、人才，以及 emerging applications of physical AI。

活動甚至直接提出一個更積極的方向：

讓台灣成為 trusted physical AI systems 開發與部署的重要夥伴。

這句話乍看只是政策圈的漂亮文字，但如果從工程與產業結構拆開，其實非常有意思。

因為 Physical AI 恰好是一個台灣現有產業能力可能高度重疊的領域。

Physical AI 到底是什麼？

目前大部分人接觸 AI，仍然是透過螢幕。

Chatbot 回答文字。

Image model 生成圖片。

Coding agent 修改程式。

這些系統主要處理的是 digital environment。

Physical AI 則更進一步。

它讓 AI 不只是理解資料，而是要感知並影響真實世界。

例如：

機器人看到桌上的物體後決定怎麼抓取。

無人機根據影像、雷達與導航資料調整航線。

自動駕駛系統辨識行人之後控制方向盤與煞車。

工業機械手臂根據視覺系統重新調整裝配位置。

自主移動機器人根據周圍環境決定路徑。

這類系統的基本流程大致可以寫成：

Sensor → Perception → AI Model → Decision → Control → Actuator → Physical World

也就是：

感測世界、理解世界、決定下一步、控制機械，再回到真實世界。

和單純的大型語言模型相比，Physical AI 有一個非常重要的差異。

文字模型回答錯一句話，可能造成錯誤資訊。

Physical AI 判斷錯誤，則可能讓機械手臂撞上設備、無人機偏離航線，甚至讓車輛做出錯誤操作。

因此 Physical AI 的工程要求不只是模型準確率。

它還包含 latency、sensor fusion、real-time inference、functional safety、control system、edge computing、cybersecurity 與 hardware reliability。

換句話說，它天然就是一個「軟體必須和硬體緊密結合」的產業。

而這正是台灣可能有機會介入更深的地方。

台灣其實早就站在 Physical AI 的硬體底層

如果把一台現代自主機器人拆開，會發現裡面並不只有 AI accelerator。

它還需要：

CPU、GPU 或 NPU。

記憶體。

PCB。

電源管理晶片。

影像感測器。

Camera module。

LiDAR 或 Radar。

馬達。

Servo。

Motor controller。

連接器。

通訊模組。

散熱。

Edge computing module。

Battery management system。

最後才是軟體、模型與控制層。

這裡面相當大一部分，本來就是台灣電子製造與 ICT 產業熟悉的領域。

因此台灣進入 Physical AI 的問題，不完全是『我們能不能突然打造一個機器人產業』。

更像是：

能不能把原本分散在半導體、電子製造、伺服器、感測、控制與機械產業中的能力，重新組合成完整系統。

這是一個完全不同的產業命題。

從 Silicon 到 Systems

這也是 GTI 這場活動名稱最值得注意的地方。

From Silicon to Systems。

Silicon 是晶片。

Systems 則意味著把多個技術層整合成真正可以工作的產品。

過去台灣最強的商業模式之一，是讓全球科技公司設計產品，再由台灣負責把它製造出來。

這個模式極度成功。

但 AI 的下一階段可能提出另一個問題：

如果台灣只提供晶片和製造，那價值鏈中更高層的 system architecture、software、control stack、data layer 與 application layer，依然可能掌握在其他企業手中。

所以從 Silicon 到 Systems，本質上是在問：

台灣能不能從『製造別人的 AI 系統』，逐漸增加『參與定義 AI 系統』的能力？

這並不代表台灣要放棄晶圓代工。

恰恰相反。

晶片仍然是這個優勢最重要的起點。

只是角色有可能沿著價值鏈往上延伸。

今年的台美合作其實已經開始出現這個方向

這並不是單靠 GTI 一場研討會提出的想像。

2026 年 1 月，AIT 與 TECRO 簽署「矽盛世宣言及台美經濟安全合作聯合聲明」。

聯合聲明把人工智慧描述為正在重塑全球經濟與供應鏈的技術，雙方則表達希望以信任、技術互補與經濟安全為基礎深化合作。

同月舉行的台美經濟繁榮夥伴對話，也進一步列出七個合作領域。

其中不只有 AI supply chain。

還包括數位基礎建設、關鍵礦物、無人機供應鏈、高科技人才，以及第三國合作。

更直接的是，台灣經濟部公開資訊明確提到：

雙方同意促進台美企業在 AI 科技與先進機器人的夥伴關係。

同時還討論可信賴的正體中文語料、LLM 應用，以及在第三國合作推動 trusted AI systems。

這代表台美正在談的 AI stack，其實早已超出先進製程。

無人機可能是第一個非常具體的試驗場

如果要找 Physical AI 最容易落地的產業，無人機是一個非常合理的入口。

而這個領域也已經出現在台美合作議程中。

今年的 EPPD 明確討論無人機供應鏈，以及無人航空系統零組件認證合作。

這一點特別重要。

因為 drone 本質上就是一個高度濃縮的 Physical AI system。

裡面同時存在：

Flight controller。

Navigation。

GNSS。

IMU。

Camera。

Computer Vision。

Radio communication。

Edge AI。

Battery system。

Motor control。

Autonomous planning。

所以一個國家如果想建立可信賴的自主無人機供應鏈，就不能只問晶片是哪裡做的。

它還必須知道：

感測器從哪裡來？

韌體誰寫？

通訊模組是否可信？

Navigation stack 是否可被干擾？

AI model 在哪裡訓練？

資料從哪裡來？

控制器是否存在後門？

軟體更新由誰簽署？

這就是 trusted Physical AI 的真正含義之一。

它不是只要求 AI 模型『值得信任』。

而是要求整個 physical system 的 hardware、software、data、network 與 supply chain 都能被驗證。

這也是 Pax Silica 為什麼不只談晶片

Pax Silica 的名稱很容易讓人以為它是一個半導體聯盟。

但實際範圍比晶片大得多。

目前公開內容涵蓋 critical minerals、energy、advanced manufacturing、semiconductors、AI infrastructure 與 logistics。

也就是從原材料一路延伸到 AI infrastructure。

這背後的邏輯是：

一個 AI system 是否可靠，不可能只取決於 GPU。

GPU 需要電力。

需要記憶體。

需要網路。

需要資料中心。

需要軟體。

需要供應鏈。

Physical AI 再多一層。

它還需要機械、感測器、控制器與真實世界部署。

所以當 AI 從 data center 走進工廠、汽車、機器人與無人機，供應鏈的邊界自然也會擴大。

台灣的機會，不一定是打造自己的 NVIDIA

這裡也很容易陷入一個錯誤問題。

談到產業升級時，常常會問：

台灣能不能做自己的 NVIDIA？

自己的 Tesla？

自己的 Boston Dynamics？

但這未必是最合理的目標。

Physical AI 的市場很可能不像智慧型手機那麼集中。

它可能由大量垂直應用組成。

Factory robot。

Warehouse robot。

Agricultural robot。

Inspection drone。

Defense drone。

Medical robot。

Logistics AMR。

Autonomous vehicle。

每個環境的 sensor、model、control requirement 都不同。

這反而非常適合強大的 component、ODM、system integration 與 manufacturing ecosystem。

台灣真正可能具備競爭力的模式，或許不是打造唯一一台全球機器人。

而是變成：

別人想做 Physical AI，很多關鍵零組件與整合能力都必須經過台灣。

這其實和台灣在 PC、伺服器與 AI server 時代形成的角色非常接近，只是產品從靜態電子設備變成能感知與移動的機器。

但從製造走向系統，不是自動發生的

這裡也必須澆一點冷水。

有完整電子製造供應鏈，不代表自然就會形成完整 Physical AI 產業。

系統能力需要另一批東西。

例如：

robot operating stack。

simulation environment。

foundation models for robotics。

real-world training data。

motion planning。

reinforcement learning。

safety validation。

system integration。

application software。

developer ecosystem。

以及能夠長期把硬體、模型與真實世界資料迭代在一起的能力。

這恰好是台灣與美國可能形成互補的地方之一。

美國擁有大量 AI model、robotics software、cloud platform、GPU architecture 與大型科技企業。

台灣則擁有 semiconductor、electronics manufacturing、ICT supply chain 與高度成熟的量產能力。

如果兩邊真的能把這些能力接起來，Physical AI 是非常自然的合作方向。

但『互補』並不代表利益一定完全一致。

技術標準由誰定義？

IP 掌握在哪一端？

軟體平台由誰控制？

最終產品品牌屬於誰？

資料留在哪裡？

高價值 software margin 又由誰取得？

這些才會決定台灣究竟是從晶圓代工真正往系統層移動，還是只是變成更多 Physical AI 產品的高階製造基地。

最大的差別是「製造機器」還是「理解機器」

可以用一個很簡單的例子理解。

假設未來全球需要一億台自主機器人。

台灣企業如果提供：

晶片、PCB、馬達、電源、Camera、組裝。

這當然是一個龐大的產業機會。

但如果 system architecture、robotics model、operating system、control stack、training platform、application ecosystem 全部掌握在其他公司手裡，那台灣依然主要處於 manufacturing layer。

真正的 From Silicon to Systems，意味著至少要有部分企業能進一步掌握：

感知怎麼做、資料怎麼流、模型怎麼推論、動作怎麼產生、硬體怎麼和軟體一起設計。

也就是從『把機器做出來』，進一步到『理解這台機器為什麼這樣運作』。

這才是真正的 system capability。

Trusted Physical AI 可能比一般 AI 更需要供應鏈信任

這也是 Pax Silica 與 Physical AI 結合後最值得注意的一點。

一般聊天機器人如果模型來自不可信來源，主要風險可能是資料、資訊安全或內容問題。

但 Physical AI 接觸的是實際設備。

Industrial robot 可以接觸生產線。

Drone 可以進入空域。

Autonomous vehicle 可以進入道路。

Defense robot 更可能直接接觸安全領域。

這使 hardware provenance、firmware integrity、secure boot、model integrity、communication security 與 supply-chain traceability 變得更加重要。

因此所謂 trusted AI ecosystem，很可能會逐漸演變成：

Trusted Chip + Trusted Hardware + Trusted Firmware + Trusted Model + Trusted Network + Trusted Supply Chain。

如果這真的成為未來美國與盟友的採購標準，台灣目前既有的電子供應鏈就可能獲得新的戰略價值。

但同時，認證、資安、traceability 與 compliance 要求也會變得更高。

這對台積電意味著什麼？

有趣的是，從 Silicon to Systems 並不代表台積電本身需要變成機器人公司。

台積電最重要的角色可能仍然是最底層的 advanced compute foundation。

Physical AI 同樣需要大量 inference computing。

只是這些運算不一定全部發生在大型資料中心。

更多運算會逐漸出現在 edge。

機器人不能每一個動作都先把資料送回遠端資料中心，再等答案傳回來。

很多決策必須在數毫秒內完成。

這意味著 future Physical AI architecture 很可能同時存在：

Cloud training。

Data-center simulation。

Edge inference。

Real-time control。

所以晶片需求也可能從超大型 AI accelerator，延伸到大量 edge AI SoC、MCU、sensor processor、networking chip 與 power semiconductor。

這是一條比單純 GPU 更寬的半導體需求曲線。

台灣真正可能從中得到的，是第二條 AI 成長曲線

第一波 AI boom，大部分價值集中在 data center。

GPU。

HBM。

CoWoS。

AI server。

Networking。

Power infrastructure。

台灣已經是其中非常重要的一部分。

Physical AI 則可能形成第二波。

Robot。

Drone。

Industrial automation。

Autonomous vehicle。

Smart factory。

Edge AI。

Machine vision。

如果生成式 AI 的第一階段，是讓 AI 學會說話、寫字與看圖。

Physical AI 的下一階段，就是讓 AI 開始『有手、有腳、有輪子、有馬達』。

而一旦 AI 開始長出身體，產業需要的就不只是 GPU。

它開始需要整個電子與機械供應鏈。

這正好碰到台灣最擅長的地方。

但最重要的問題仍然沒有答案

今日 GTI 研討會提出的是一個方向，而不是已完成的產業轉型。

台灣是否真的能從 Silicon 走向 Systems，還需要觀察幾件事：

台灣企業能不能建立 robotics software 與 control stack？

能不能掌握 Physical AI 的資料？

能不能從 ODM 走向 system architecture？

能不能建立自己的 simulation、validation 與 developer ecosystem？

台美 Physical AI 合作最終是共同研發，還是台灣主要負責製造？

trusted system 的標準由誰制定？

這些問題目前都不能只靠一場政策研討會回答。

但至少從 2026 年的 Pax Silica、EPPD，再到今日的 From Silicon to Systems，可以看到一個訊號正在逐漸變清楚：

外界討論台灣 AI 角色時，開始不再只問『台灣能做多少晶片』。

新的問題正在變成：

台灣能不能把晶片、電子製造、機器人、感測器、邊緣運算與可信賴 AI 組成完整系統？

如果答案最終是可以，那台灣在 AI 時代扮演的角色，就可能從世界最重要的 Silicon Factory 之一，逐漸向 Physical AI infrastructure 與 systems ecosystem 延伸。

這個轉變不會在一夜之間發生。

但如果 AI 的下一站真的離開螢幕、開始走進機器、工廠、車輛與無人系統，那麼『From Silicon to Systems』可能比它現在看起來重要得多。

Tech English｜本文技術名詞

Physical AI（實體人工智慧）：讓 AI 能透過感測器理解真實環境，並進一步控制機器人、車輛、無人機或其他實體設備的技術體系。

Edge Inference（邊緣推論）：直接在機器、裝置或靠近資料來源的硬體上執行 AI 推論，降低網路延遲與對雲端連線的依賴。

Sensor Fusion（感測器融合）：將 Camera、Radar、LiDAR、IMU 等不同感測器資訊整合，提高系統對環境與自身狀態的理解能力。

Control Stack（控制軟體堆疊）：把 AI 或規劃系統產生的決策，轉換成馬達、方向、速度與其他機械動作的軟體與演算法層。

Supply-Chain Traceability（供應鏈可追溯性）：確認晶片、零組件、韌體與設備來源及流向的能力，在可信賴 AI 與安全敏感型 Physical AI 系統中特別重要。

System Integration（系統整合）：把晶片、感測器、軟體、網路、控制器與機械結構整合成一個真正能穩定運作的完整產品。