研华携手偲倢助力数码挛生应用 驱动Physical AI加速零售自动化

研华携手偲倢科技与NVIDIA生态系夥伴，共同推动NVIDIA Omniverse机器人应用落地，透过软硬整合与场域模拟技术，加速智能化转型。研华

当生成式AI迈入成熟阶段，产业焦点也开始转向更具挑战性的Physical AI（物理 AI）—也就是让AI真正走进实体场域，与人类协作、完成各项复杂任务。面对此趋势，研华携手偲倢科技与NVIDIA生态系夥伴，共同推动NVIDIA Omniverse机器人应用落地，透过软硬整合与场域模拟技术，加速智能化转型。

在零售场域，这意味着AI不仅要理解环境，还需能在多变的实体空间中执行任务，如补货、理货与商品管理。针对这一挑战，偲倢科技客户有利康智能零售服务机器人展现了Physical AI在实务应用中的可能性，透过NVIDIA Omniverse软件模拟真实零售场景，让机器人得以在其中进行训练，再回到实体门市执行补货与理货等工作，不仅能回应零售业长期面临的缺工压力，更揭示AI正从「理解世界」走向「参与世界」的产业新阶段。

从战情室仪表板到Physical AI：数码分身的价值转折

「数码分身技术是实践实体AI的关键，但这个概念其实已经提出很多年了。」有利康总经理邓子平指出，早期的数码分身应用以战情室仪表板为主，仅方便管理者实时掌握设备或场域状态，并未真正参与任务执行，其价值仅停留在可视化层次。

真正的价值转折，发生在AI与物理模拟能力逐步成熟之后，尤其NVIDIA Omniverse平台推出后，让数码分身应用得以从Real to Simulator走向Simulator to Real—机器人可以先在虚拟世界中进行大量模拟训练，学习如何执行任务及应对各种状况，再将训练成果部署至真实场域，一改过去只能依赖工程师撰写规则与手动调校的开发模式。

邓子平认为，传统rule-based的做法不仅成本高、开发周期长且不易扩充，使机器人只能处理相对单纯的任务；而NVIDIA Omniverse所建构的虚实整合环境，则让机器人得以在此反覆训练、提高执行任务的能力，才能承担具高度不确定性与复杂度的工作，为工业与零售等场域的自动化开启全新的发展可能。

为何零售业是Physical AI的最佳试炼场？

以零售业自动化为例，缺工是近年零售业面临的最大压力之一，尤其在部分地区或部分营业时段，如：夜班，即便业者提高薪资，也难以补足人力，自动化成为克服缺工挑战的最优解。

然而，现今的零售自动化多集中在前端，透过顾客自助结帐的方式，降低交易流程中的人力需求，至于补货、理货、过期品下架等后端作业，仍高度仰赖人工执行，而有利康所开发的智能零售服务机器人，正是针对此一痛点而生。

邓子平表示，零售门市本身就是一个高度多样且充满变动性的环境，店内商品不仅数量庞大，尺寸、材质与包装型态各异，且经常随促销与季节更佚而调整。若以传统rule-based方式训练机器人拿取与放置商品，工程师势必得为每一类商品建立对应的规则与动作逻辑，不仅开发周期冗长、成本高，也难以兼顾精准与未来扩充性。

为此，有利康选择NVIDIA Omniverse作为主要开发平台。NVIDIA Omniverse以USD（Universal Scene Description）为基础，能建构高度贴近真实世界的虚拟环境，让机器人在其中进行数万或数亿次的取放与定位训练。

此外，平台亦可设定更完整且细致的物理参数，包括尺寸、重量、表面摩擦力与材质特性等，即便面对洋芋片、面包等使用柔性材质包装的商品，NVIDIA Omniverse仍能精准模拟其物理特性，使机器人得以在虚拟环境中反覆优化抓取策略，确保进入真实场域后，仍能维持稳定且可靠的操作表现。

从软件模拟到硬件选型  确保机器人在真实世界的运作稳定性

然而，从虚拟场景走向真实门市，并非单纯将模型下载至机器人即可完成。偲倢科技Innovation Team Leader林荣辉指出，真正的挑战在于如何缩短虚拟与实体之间的落差，让训练成果能够稳定转化为现场可执行的动作。

首先，虚拟场景必须高度贴近真实环境，包括货架高度、商品摆放密度、光源变化与动线规划等细节，都会影响机器人的识别与抓取判断。若虚拟模型与实际场域存在偏差，即使AI训练次数再多，也可能在现场出现误判或操作失误。因此，在导入过程中，团队需不断比对实际门市状况，调整参数与场景设定，建立更精准的对应关系。

其次，团队亦需进行大量环境测试，并与门市人员密切沟通，盘点真实营运中可能出现的各种情境，例如：动线临时被其他物品遮挡、商品摆放位置改变等，并在虚拟场景中进行模拟测试，了解机器人的反应与决策逻辑是否恰当，以确保其在实际运作时仍能维持正常运作。

除了场景建构与环境测试之外，硬件同样是影响机器人稳定运作的关键因素。零售场域讲求营运不中断，一旦系统频繁停机或需要人工介入排除异常，不仅影响效率，也会削弱导入自动化的价值。因此，在设计整体解决方案时，必须同步考量硬件的运算效能与长时间运作稳定性，并为后续规模化部署预作准备。

研华以完整产品线与稳定性  打造Physical AI的关键运算基础

研华作为NVIDIA Elite Partner认证夥伴，在GPU服务器与边缘运算领域拥有完整产品线与整合经验，为有利康后续专案提供稳定的运算基础。

举例来说，研华的塔式GPU服务器SKY-602E3具备弹性扩充与高效能运算能力，且体积相当轻巧，适合部署在零售门市等中小型场域；而最新推出的NVIDIA MGX架构GPU服务器SKY-622G4，可搭载NVIDIA RTX PRO 6000 Blackwell Max-Q工作站版本高端显示卡，支持各类AI与高效能运算需求，同时亦适用于基于NVIDIA Omniverse的Physical AI模拟应用。

林荣辉坦言，在过去专案中，偲倢曾经采用不同品牌的硬件设备，却屡屡遇到系统不稳定或突然停机的情况，导致客户第一时间质疑软件系统的稳定性，团队必须投入大量时间排查问题来源。

这样的经验让偲倢在后续规划专案时，更加重视硬件品牌的稳定度与技术支持能力，也因此与研华展开长期且紧密的技术合作。以本次智能零售服务机器人应用为例，偲倢已着手评估导入研华GPU服务器的可行性，并进行实际测试。

对此，邓子平亦认为，选择具工规设计与完整技术支持体系的硬件品牌，有助于降低整合风险与后续维运成本。因此，在未来新专案中，研华将成为优先纳入评估的硬件合作夥伴，为智能机器人应用建立更标准化、可复制的运算基础。

展望未来，有利康将持续精进智能零售服务机器人的能力，并逐步拓展至更多具高度人力需求的场域，如手摇饮门市、清洁作业与长照机构等。研华也将深化与偲倢及有利康的合作，提供可以长时间稳定运行的硬件与技术支持，加速Physical AI在各类场域的实际落地，为自动化应用开启更具韧性与效率的未来。