軟銀與安川證實，物理人工智慧能駕馭可變形物體

軟銀（SoftBank）與安川電機（Yaskawa）展示了一套「物理人工智慧」系統，該系統能處理糾結的線束，並運用基於 NVIDIA 技術的模擬、合成數據及雲端訓練。這項示範雖規模不大，卻是日本在推動機器人廣泛應用於各產業及照護工作方面的重要一步。

6分鐘閱讀Posted: 2026年7月15日

軟銀與安川證實「物理人工智慧」能駕馭可變形物體

軟銀集團（SoftBank Corp.）與安川電機（Yaskawa Electric Corporation）攜手 NVIDIA，於 2026 年 7 月 13 日宣布，已成功展示一套能處理可變形物體的「物理人工智慧（Physical AI）」系統——這類柔軟且形變多變的物體，長期以來一直是傳統工業機器人的難題。這項在軟銀即將推出的「AI 資料中心 GPU 雲端」上進行的聯合測試中，展示了一台機械手臂拾取糾結的線束，並將其整齊地放入盒中；這項任務在工廠生產線上聽來雖顯平凡，但實則向來是自動化難題中的難中之難。

為何電線與布料讓機器人困擾數十年

傳統的機器人控制軟體假設目標物體的形狀和位置是事先已知的。這種方式對於螺栓或電路板等剛性零件來說運作良好，但面對電纜、布料或袋子等會下垂、糾結，且每次抓取時彎曲方式都不盡相同的物體時，便會失效。安川電機透過「視覺-語言-動作」（VLA）模型解決了這個問題——這是一種人工智慧架構，能同時解析攝影機影像與自然語言的任務指令，並即時生成機器人的下一步動作。在示範中，VLA 系統能即時辨識每組線束的狀態，並將抓取指令回傳給機器人，使其能夠靈活適應，而非照本宣科地執行預設腳本。

軟銀的「實體 AI 組裝線」內幕

這項突破不僅在於演算法本身，更在於為訓練該演算法所建構的流程。軟銀的開發工具完全運行於其「AI 資料中心 GPU 雲端」上，該平台將於 2026 年 10 月透過公司的 Neocloud 業務正式商業化，並由「Infrinia AI Cloud OS」驅動。工作流程分為三個階段：首先，機器人收集運動與感測器數據；接著，NVIDIA Cosmos 世界模型將這些數據轉化為合成訓練數據，以涵蓋那些過於罕見或實地擷取成本過高的情境；最後，工程師利用這些數據對 AI 模型進行訓練與優化。

在任何操作接觸實體機器之前，先透過 NVIDIA Omniverse 模擬環境檢查行為，並利用雲端 GPU 叢集進行驗證；最後，經驗證的模型才會部署至實體機器人。軟銀表示，所收集的數據、模型輸出結果及合成資料集，可重複應用於其他任務和機器人，無需每次新部署都從頭開始。軟銀在公告中表示：「企業可高效建置『實體 AI』開發環境，並在 AI 資料中心 GPU 雲端上加速學習週期」，將該平台定位為任何工程團隊（而不僅限於機器人專家）皆可使用的基礎設施。

一場示範背後更大的賭注

這項線束測試的推出，正值日本大力推動「實體人工智慧」之際。隸屬於日本經濟產業省的產業技術綜合研究所（AIST），正協調來自劍橋大學、卡內基梅隆大學及大阪大學等 14 所機構、約 200 名研究人員，並有 AI 先驅約書亞·班吉奧（Yoshua Bengio）參與其中，共同打造能讓機器人在真實世界環境中感知與行動的基礎模型。包括本田、索尼、NEC 和富士通在內的 30 多家日本企業，正支持一家名為 Noetra、與軟銀有關聯的相關新創公司，而日本政府僅在今年就承諾投入約 3,873 億日圓（約 23.8 億美元）。東京政府明確提出目標，要在2040年前部署1,000萬台機器人，以彌補勞動力短缺的問題，特別是在製造業、物流業及長者照護領域。

對軟銀和安川電機而言，這組線束盒雖小，卻是刻意選擇的、毫不花俏的實證案例。能否在如此規模上取得成功，將決定「物理人工智慧」能否從研究展示晉升為工廠現場的現實應用，以及日本這筆數百億日圓的賭注，能否在勞動力短缺進一步加劇之前獲得回報。