AWS推出Physical AI Toolchain，整合NVIDIA機器人技術堆疊，協助企業加速推進機器人量產
News 10/13/2026
一套開箱即用的參考架構，將從資料收集到邊緣部署的完整Physical AI開發流程全面整合至AWS
Physical AI 是透過機器人、自駕車與智慧工廠在真實世界中運作的人工智慧，這個領域正迎來關鍵的轉捩點。根據 Capgemini Research Institute的研究，已有 79% 的企業投入 Physical AI 的應用。然而，要讓一台機器人從實驗室中可運作的原型，走到真正穩定可靠的量產系統，仍是 Physical AI 領域最困難的挑戰之一。開發團隊往往在資料收集、模型訓練、模擬驗證與部署之間的銜接環節，耗費數個月的工程時間。
凝聚 Amazon 自身部署超過 100 萬台機器人的實戰經驗，AWS 宣布推出 Physical AI Toolchain on AWS，這是一套公開可取用的參考架構與部署自動化工具鏈，將完整的 Physical AI 開發流程整合在 AWS 上，並與 NVIDIA 的 Physical AI 軟體堆疊深度整合。
AWS 產業副總裁 Uwem Ukpong 表示：「Physical AI 將深刻影響所有涉及移動、建設與製造的產業，我們的客戶也正加速行動以把握這個機會。因應客戶的需求，我們打造了Physical AI Toolchain on AWS，讓客戶可以將心力從基礎設施建置，轉移到最核心的技術創新。」
不同於傳統 AI，Physical AI 採用「封閉迴路（closed loop）」運作模式，機器人要不斷地感知環境、做出判斷、採取行動，並即時面對真實世界的變化。這套工具鏈將 Physical AI 開發轉化為持續循環的「飛輪（flywheel）」，串接過去 Physical AI 團隊必須自行拼湊的五大核心階段：首先透過合成資料生成打造多樣化訓練場景，減少昂貴的真實資料收集；其次進行模型訓練，結合人類操作示範學習與模擬環境練習；接著進行模擬與驗證，在部署至真實硬體前於逼真的虛擬環境中測試機器人行為；隨後將優化模型送至現場進行邊緣部署，使機器人在無需持續雲端連接的情況下進行即時決策；實際部署的機器人會產生新的資料，揭露各種難以預期的情境，這些情境會再回饋到模擬環境中，生成新的訓練資料，持續改進打造出更精確的模型。每一次循環，都讓機器人在模擬與真實世界之間的落差進一步縮小。
NVIDIA 機器人開發者生態系統暨邊緣 AI 產品負責人 Amit Goel 表示：「打造 Physical AI 需要將訓練、模擬、部署三大運算平台無縫整合。開源的 Physical AI Toolchain on AWS 結合 AWS 服務與 NVIDIA 的 Physical AI 模型、工具及函式庫，提供可擴展的端到端工作流程，協助開發者加速智慧機器人應用的開發、訓練、驗證及部署。」
