Morph 擺脫隱形狀態,將實體人工智慧直接嵌入軟性機器人材料中

倫敦新創公司 morph 正式結束隱身模式,推出將感測與適應性控制直接嵌入可變形材料中的軟體機器人單元,將首先應用於醫療保健領域,隨後擴展至汽車及工業安全領域。

A
4分鐘閱讀Posted: 2026年7月2日
Morph 擺脫隱形狀態,將實體人工智慧直接嵌入軟性機器人材料中

大多數機器人將智慧與機體分開處理。處理器決定該採取什麼行動,而剛性致動器則負責執行指令。總部位於倫敦的新創公司 morph 結束隱身模式,主張這種分離是種限制,並推出將感測與自適應控制直接嵌入材料本身的軟性機器人單元。

該公司由前重建外科醫師 Jean Nehme 博士創立,他此前曾創辦並成功退出外科人工智慧公司 Digital Surgery。 其投資方包括 8VC、Copper、Qubit Health Capital、Valia Ventures 及 Blue Lion,此外還有個人投資者,例如 Equinox 董事長哈維·斯佩瓦克(Harvey Spevak)以及音樂家兼企業家法瑞爾·威廉斯(Pharrell Williams)。

其核心理念在於「材料即機器人」。Morph 的軟性機器人單元能感知周遭環境,並即時改變自身的形狀與剛性,這意味著基材同時兼具感測器、致動器與控制器的功能。

事件始末

Morph 結束隱身模式,推出了一類被稱為「軟體機器人單元」的元件。這些可重構、可變形的結構,是在材料層面上整合了感測與自適應控制功能,而非將感測器和馬達固定在剛性框架上。 該公司將自身定位為企業對企業(B2B)的設計與製造合作夥伴,主要向其他產品製造商提供技術,而非銷售成品消費性裝置。

為何重要

其重要性在於將傳統上三個截然不同的層級整合為一。在傳統機器人中,感測、運算與驅動是透過電線和機械連桿連接的獨立系統,而每處連接都會增加延遲、重量及故障點。透過將這些功能嵌入材料中,Morph 的細胞能幾乎瞬間對壓力與環境回饋做出反應。

這一點在機器與人體接觸的場合尤為重要。剛性機器人若靠近人體便極具危險性,因為它們

無法迅速變形以避免造成傷害。一種能感應接觸並據此變軟或重新塑形的材料,在與人類直接互動時本質上更為安全,這正是醫療保健領域成為其自然起點市場的原因。

從人體到工廠現場

Morph 初期商業發展的重點在於醫療保健與健康領域,特別是運動表現、傷害預防及行動輔助。在這些應用中,軟性單元能提供適應性支撐:當關節需要穩定時變硬,需要活動自由度時則放鬆,是根據使用者的需求做出反應,而非遵循固定的程式。

其發展藍圖遠不止於人體。該公司計畫將這項技術應用於汽車領域及工業安全領域,在這些領域中,自適應的吸能材料有望重塑衝擊防護機制,並改變規範協作機器人(常稱為「協作機器人」)的安全標準——這些機器人通常在生產線上與人類並肩工作。

誠實的限制

將智慧嵌入材料中雖顯精妙,卻也帶來了艱鉅的工程難題。 耐用性是首要課題。那些必須持續彎曲的柔軟、可變形結構,必須能在反覆循環中維持其內嵌感測功能的效能,而證明其能在數百萬次循環中保持長久耐用性,是一項重大的製造挑戰。可修復性則是第二大課題。當智慧功能分散於材料之中時,局部故障的修復難度可能比更換單一元件更高。

Morph 尚未披露詳細的性能規格,因此相關聲明應被視為發展方向,而非已證實的量產能力。企業對企業(B2B)的商業模式是一種明智的風險對沖策略,因為它能讓合作夥伴分擔部分針對特定應用的驗證負擔。

簡單說明

試想一種材料,當你按壓它時,它能感知並立即變得更軟或更硬,而無需任何獨立的感測器或馬達

實際執行工作。Morph 正在研發這類材料,使其能像機器人一樣自主運作。由於它能自然彎曲並提供緩衝,因此相較於堅硬的電動機器,無論是穿戴在身上或在其旁工作,都更加安全。

戰略意義

對機器人產業而言,Morph 擴展了「機器人」的定義。若物理人工智慧能內嵌於材料之中,那麼被動元件與主動機器人之間的界線便會變得模糊,產品設計師也將獲得一種無需後端控制櫃、便能感測並適應環境的新型建構模組。

對於醫療保健、運動及汽車產業的採購與產品團隊而言,其實務意義在於應將軟性機器人材料視為一個獨立的供應類別,而非僅是實驗室中的奇特玩意。透過證明物理人工智慧可嵌入材料本身,morph 正開闢出一個傳統剛性機器人技術尚未充分觸及的設計領域。

免責聲明:本文僅供一般資訊參考之用,並不構成投資、採購或法律建議。讀者應在做出商業決策前,自行核實相關數據、規格及聲明內容。

主要來源

《機器人報告》(The Robot Report),「morph 的軟性機器人單元將物理 AI 嵌入硬體中」(2026 年 6 月 30 日):https://www.therobotreport.com/soft-robotic-cells-from-morph-embed-physical-ai-into-hardware/