韓國IT巨頭正打造將驅動機器人工廠的軟體層
南韓四大資訊科技服務集團——浦項DX(POSCO DX)、SK AX、LG CNS 以及三星SDS——正各自開發專屬的機器人作業系統平台,旨在作為工業機器人部署的人工智慧「大腦」層。 這場競逐反映出韓國機器人市場的結構性轉變:硬體商品化步伐正在加速,而價值正逐漸轉移至軟體協調、資料管理及人工智慧模型整合等領域。

韓國四大IT服務集團正同步布局,爭奪將驅動該國下一代以機器人為核心的工廠的軟體層。浦項DX、SK AX、 LG CNS 以及 Samsung SDS——這四家均為韓國四大工業集團旗下的 IT 部門——正各自打造相互競爭的實體 AI 平台,旨在作為工廠的作業系統,讓機器人與設備能在其中自主做出工作判斷、與人類工人分工合作,並透過統一的資料層串聯生產、物流與品質控制。 這場競爭的焦點並非機器人本身,而是能讓機器人大規模發揮作用的智慧基礎設施。
這四家公司雖針對同一問題,卻從不同角度切入,各自的策略皆受其母集團特定製造環境的影響。POSCO DX 專注於鋼鐵廠重型設備的自主化;SK AX 則為半導體與造船廠建構部署前的風險驗證機制。 LG CNS 已與 LG 電子簽署價值 1,897 億韓元(約合 1.32 億美元)的合約,將打造韓國首座大型「機器人數據工廠」。三星 SDS 則對總部位於美國的 Walden Robotics 進行了戰略投資,並正在開發一套機器人協調平台,用以將異質機器人與製造執行系統整合。
這四家公司共同面臨的挑戰
這四家公司所面對的挑戰如出一轍——在部署了來自不同製造商的多台機器人的工廠中,每台機器人通常運行各自專有的軟體、透過專屬通訊協定進行通訊,並以專屬格式產生數據。 若要將這些機器人與生產設備、工廠控制系統及資料平台連接起來以優化製程流程,便需要一個整合層,而目前尚無此類商業產品問世。這些 IT 服務公司過去二十多年來一直為其母集團建置製造系統,如今正
將自己定位為該層級的建構者。LG CNS 一位官員直接闡述了這項策略的邏輯:「對智慧工廠和機器人的投資,並非短期擴充生產設施,而是為了因應不斷攀升的勞動力成本、生產人員短缺,以及更嚴格的品質與安全標準所進行的戰略性投資。 我們的目標是為實體人工智慧的商業化樹立新標準,並最終實現以機器人為中心的自主作業系統。」這番言論反映出業界更廣泛的共識:阻礙工廠大規模部署機器人的主要瓶頸在於軟體整合問題——而非硬體。
POSCO DX:多噸級設備的自主控制
POSCO DX 是 POSCO Holdings 的 IT 部門,總部位於首爾,專精於鋼鐵與材料產業的工業自動化及數位轉型。 該公司並未將重心放在人形機器人或移動機器人上,而是鎖定韓國鋼鐵廠內運轉的大型固定設備——包括搬運鋼製品的起重機、在料場轉運原料的回取機,以及用於卸載原料的船舶卸貨機。 這些機器重量達數十噸,運作環境對人類工人而言極具危險性,且目前仍需具備數十年隱性知識的熟練操作員才能確保安全運行。
POSCO DX 的「設備機器人化」計畫,將實體人工智慧與這些機器結合,使其具備自主判斷與控制能力。該公司正將即將退休的資深員工所掌握的隱性知識,轉化為結構化數據用於人工智慧訓練——這種知識傳承模式,同時解決了自動化目標與勞動力接班問題。 在光陽和浦項鋼鐵廠,該計畫目前處於試運行階段,預計於 2026 年下半年實現商業化。若成功,這將是實體人工智慧在重工業領域的首批應用之一。
達到鋼鐵廠規模的運作設備。從某種意義上說,這種做法相當保守——POSCO DX 並未部署人形機器人,也未打造通用平台——但相較於許多人形機器人計畫,此舉在商業上更具可信度。 目標設備已實際部署,應用場景界定明確,自動化所帶來的經濟效益顯而易見,且母公司更提供了專屬的部署環境以進行初期驗證。
SK AX:部署前的數位孿生驗證
SK AX 作為 SK 集團的人工智慧轉型部門,正致力解決機器人部署前需面對的風險管理問題。 工廠在引進機器人之前,必須驗證機器人能否在該設施的特定實體環境中安全且有效地運作——這個過程目前需要耗費高昂成本且耗時的實體測試。SK AX 的「Manufacturing RX」全棧服務運用數位孿生技術,在任何實體硬體導入之前,便於虛擬環境中完成此項驗證。
該服務結合數位孿生模擬與實體人工智慧,建構出工廠生產線的虛擬複製品,讓操作人員能在不干擾實際生產的情況下,測試機器人配置、識別碰撞風險並優化工作流程順序。一旦機器人部署完成,該平台便會即時將其與製造執行系統及設備資料整合,以實現對整個工廠的整合控制。
SK AX 目前正在半導體產業驗證此方法,該產業因生產中斷的成本極高,對精度的要求也相應地十分嚴格。該公司已表示計劃將服務擴展至造船業,該產業面臨類似的複雜性挑戰,且是韓國產業政策的主要重點之一。 SK AX 一位官員表示,該公司正在「驗證半導體領域的現場數據累積、相關系統以及概念驗證模型」
「該技術已應用於工業領域,並將進一步拓展至造船業。」LG CNS:《機器人數據工廠》與 PhysicalWorks
總部位於首爾的 IT 服務公司 LG CNS(LG 集團旗下子公司),透過與 LG 電子簽訂價值 1,897 億韓元(約合 1.32 億美元)的合約,建造韓國首座大型「機器人數據工廠」,在四家企業中展現出最顯著的商業動向。 該設施旨在收集並處理真實機器人學習任務所需的視訊與動作數據,進而利用這些數據訓練人工智慧模型——這是一種介於機器人硬體與人工智慧模型層之間的基础設施,目前對於試圖大規模部署智慧機器人的企業而言,是主要的瓶頸。
該「機器人數據工廠」將運行於 LG CNS 的專有「PhysicalWorks」物理人工智慧平台上,該平台負責管理從機器人訓練到整合控制的整個週期。 該平台旨在將工業機器人的現場部署時間,從現行整合專案通常所需的數個月,縮短至一至兩個月,並讓製造商能夠在單一統一系統內操作來自不同供應商的機器人。 LG CNS 已與包括 LX Pantos 和 Kurly 在內的 20 多家製造業及物流業客戶完成概念驗證專案,並計畫將 LG 電子的合約作為旗艦參考案例,自 2027 年起拓展至 LG 集團以外的客戶。
LG CNS智慧工廠事業部資深副總裁申在勳(Shin Jae-hoon) LG CNS 智慧工廠事業部資深副總裁申在勳表示:「確保包含 GPU 在內的人工智慧基礎設施,對於將『物理人工智慧』導入工業環境至關重要」,並指出該公司將「以 LG 電子的『機器人數據工廠』作為旗艦案例,將業務拓展至製造業和物流業等各行各業。」 該合約的財務規模——單一基礎設施專案即達 1,897 億韓元——顯示「機器人數據」
該工廠並非試點項目,而是具備量產規模的承諾。LG CNS 2026 年第二季來自人工智慧與雲端業務的營收達 9,060 億韓元(約合 6.3 億美元),年增 3.9%;不過,由於在實體人工智慧研發及人才招募方面的投資增加,營業利潤下降了 9.2%。 該公司財務長將獲利下滑描述為「為未來成長所做的積極投資」,而非結構性問題,並預測延後執行的專案將有助於下半年業績改善。
三星SDS:機器人協調與對沃爾登機器人公司的投資
三星集團的IT服務部門三星SDS,正從協調層切入市場——該軟體能整合並控制來自不同製造商的多家機器人,並將其與製造執行系統連接。 該公司透過三星創投(Samsung Venture Investment)對總部位於美國的沃爾登機器人(Walden Robotics)進行戰略投資,此舉不僅建立了技術合作關係,更展現了三星SDS意圖打造全球合作夥伴生態系統,而非完全依靠內部自主開發所有能力的決心。
三星SDS的機器人協調平台旨在實現三星電子既定的目標:於2030年前將所有國內外生產工廠轉型為「AI自主工廠」。這項承諾為三星SDS的平台創造了一個龐大且可預期的專屬市場——這項結構性優勢與LG CNS在LG電子所處的地位如出一轍。 在最新財報發布後的電話會議中,三星SDS表示將「擴大與全球機器人企業的合作,並推動『機器人協調』業務,該業務旨在整合與控制各類機器人,並將其與製造執行系統(MES)相連結。」
工廠作業系統競逐戰的競爭態勢
這四家公司目前尚未就相同的合約展開直接競爭,
因為它們的初期部署主要集中在各自的母集團內部。但從長遠的競爭邏輯來看,情況很明確——無論哪個平台能累積最多的實際部署數據、跨不同產業的最多參考案例,以及與各類機器人硬體最廣泛的相容性,當市場向外部客戶開放時,該平台都將擁有結構性優勢。雖然將其與智慧型手機作業系統的競爭相提並論並不完全貼切,但仍具啟發性。Android 和 iOS 的成功,並非因為它們在推出時在技術上就優於所有替代方案,而是因為它們累積了開發者生態系統、應用程式庫以及使用者數據,使隨著時間推移,轉換成本變得高得令人卻步。 一套能在浦項製鐵(POSCO)的鋼鐵廠、LG的家電工廠、SK的半導體晶圓廠以及三星的電子工廠中運行的工廠作業系統,將擁有訓練數據優勢及豐富的參考案例組合,這將是新進業者難以匹敵的。
坦率地說,這四大平台目前都處於早期階段。「機器人數據工廠」尚未投入運作;SK AX 的半導體驗證仍處於概念驗證階段;浦項製鐵(POSCO DX)的設備自主化計畫則處於試運行階段。 三星SDS的調度平台尚未進行過大規模的公開示範。這場競賽確實存在,但終點線還需數年之遙,而勝敗將取決於部署執行與數據累積,而非當下的公告聲明。 對於評估工廠自動化投資的採購經理而言,實際意義在於:平台層級尚未成熟到足以作為標準化依據——但打造這些平台的公司具備可信度、資金雄厚,且營運於自動化壓力具有結構性且日益增強的環境中。
免責聲明:本分析僅供參考,不構成投資、法律或採購建議。RobotAIGeek 並不背書任何特定供應商或
確保早期技術的性能。










