過去，工業機器人多半依照預先設定的程式，反覆執行相同的動作。然而，一旦零件位置改變或生產線更換產品設計，往往就得重新調整程式。如今，隨著人工智慧技術進步，這樣的情況已有了轉變。

近來受到製造業關注的「物理AI」（Physical AI），正是讓人工智慧不再只處理電腦裡的資訊，而是進一步結合機器人、感測器及其他實體設備，使機器人能夠辨識周遭環境，並根據實際情況調整動作。例如：面對不同形狀的零件，機器人可以透過視覺辨識，調整抓取方式，而非完全依賴事先設定好的程式，重複固定的動作。

美國國家標準暨技術研究院（NIST）今年7月發布的《2026年智慧製造人工智慧與機器學習路線圖》指出，AI已逐漸應用於工業機器人、生產設備監測、供應鏈管理及自動化系統等領域。不過，若要讓AI真正普及到生產線，仍有不少問題需要克服，包括：如何整合不同設備所蒐集的資料，以及如何確保AI在實際生產過程中作出正確的判斷。

工業機器人製造商ABB Robotics今年3月宣布與NVIDIA合作，將NVIDIA的Omniverse模擬技術導入旗下RobotStudio軟體，開發出RobotStudio HyperReality，讓製造商可以先在電腦裡建立一座虛擬工廠，模擬真實生產線的運作情況，其所運用的是「數位孿生」（Digital Twin）的概念，亦即在電腦裡建立一套與實際設備、生產線相對應的虛擬模型。工程師可以先在虛擬環境中測試及模擬機器人的動作，並透過AI訓練機器人辨識、抓取及組裝零件的能力。

舉例來說，消費性電子產品的零件通常相當精密，不同型號的產品，也可能需要不同的組裝方式。傳統作法需要工程師不斷調整機器人的動作，確認零件能否準確放入指定位置。如今，透過虛擬環境的訓練，機器人可以先在電腦裡反覆練習，熟悉各種可能遇到的情況，再將訓練成果應用到實際生產線。

不過，虛擬環境與實際操作環境，終究有所不同，例如：光線變化、零件的擺放位置，都可能影響機器人的辨識與操作結果。因此，如何讓機器人將其於虛擬環境中學會的動作，準確地應用於實務運用，仍是未來繼續精進之課題。

從以上的發展趨勢可以看出，智慧製造的發展已不再只著重於擴增自動化設備、導入機器人投入生產線，而是進一步思考如何讓機器人學會處理及因應不同的工作狀況。未來，當生產線需要更換產品或調整製程時，製造商或可不必再花費大量時間重新設定設備，而是先讓機器人在虛擬工廠完成訓練，再投入實際生產。對於產品種類多、更新速度快的製造業而言，這種更具彈性的生產方式，即成了提升競爭力的重要關鍵。