為什麼一個看似簡單的機器人導航任務，需要同時整合LiDAR、IMU、相機、磁力感測器等多種設備？答案藏在感測器融合技術的核心挑戰中：沒有任何單一感測器能在所有環境條件下提供完美的感知能力。GPS在室內失效、LiDAR無法識別透明障礙物、相機受光線影響嚴重、IMU存在累積誤差。每種感測器都有其致命弱點，而智慧機器人必須在複雜多變的真實環境中保持穩定運作。 多感測器融合技術正是解決這道難題的關鍵，它不只是簡單的資料疊加，而是一套複雜的演算法系統，需要處理時間同步、座標轉換、權重分配、異常偵測等多重技術挑戰。 在NXP資深市場行銷經理黃佳琪看來，多感測器融合正是智慧機器人能否突破實驗室、走向產業化的決定性技術。她認為，單一感測器有其物理極限，唯有透過多模態融合，機器人才能真正具備可靠的環境感知能力。 黃佳琪認為，多感測器融合正是智慧機器人能否突破實驗室、走向產業化的決定性技術。 單一感測器致命弱點　多模態融合成破局關鍵 GPS在隧道中失效、LiDAR面對透明物體束手無策、相機在強光下無法辨識、IMU長時間運作會產生漂移誤差。每一種感測器都有其阿基里斯腱，而這些弱點在關鍵工業環境中可能造成災難性後果。 最新研究顯示，多感測器融合技術可將機器人定位精度提升至公分級別，同時具備容錯能力。當其中一個感測器故障或提供錯誤數據時，融合系統仍能持續運作。這種多重備援的設計哲學，正是智慧機器人在高風險環境中安全運作的基礎。 將雷達模組、視覺資料處理和邊緣AI整合為一個可直接部署的AI感知解決方案。（資料來源：NXP）   現代感測器融合演算法採用擴展卡爾曼濾波器(EKF)和粒子濾波器，能處理非線性系統的複雜運算。粒子濾波器在處理非高斯雜訊分布方面表現優異，但計算需求更高。這些演算法在複雜環境中維持多個狀態假設，使系統對感測器異常值和暫時性故障具備強韌性。 三大感測器協同作戰　如何整合成關鍵 慣性感測器提供機器人的加速度、角速度和磁場方向資訊，是動態環境感知的核心。磁力感測器提供絕對方向參考，特別在GPS訊號微弱的室內環境中發揮關鍵作用。環境感測器包含溫度、壓力、濕度、光線、聲音等參數，為機器人提供豐富的環境資訊。 NXP的多感測器融合方案採用階層式架構設計。底層的MCX...

在生成式AI浪潮持續推進之際，全球半導體產業正迎來前所未有的成長動能，尤其在AI應用帶動下，半導體需求呈現「又急又快」的特性，正全面改寫過去的產業節奏。 SEMI台灣區總裁曹世綸在接受本刊專訪時指出，2026年將是觀察產業結構變化與供需再平衡的關鍵一年。AI從雲端訓練到邊緣推論的快速擴散，使得客戶對於先進製程與高效能運算晶片的需求大幅攀升，且訂單決策時間大幅縮短。在這樣的壓力下，晶圓代工與封測產業普遍面臨產能吃緊的挑戰，也使得2026年成為持續擴產的重要一年。不僅先進製程產能持續開出，成熟製程在特定應用領域亦出現回溫跡象，整體供應鏈進入高速運轉狀態。 SEMI台灣區總裁曹世綸指出，AI浪潮正在重構台灣半導體產業的格局。   有紀律的擴產是好事 曹世綸認為，全球半導體產值提前突破1兆美元幾乎已成定局，且時間點將大幅提前。原先市場普遍預估需至2030年才能達標，但在AI需求強力推動下，整體產值成長曲線明顯上修，顯示半導體已從週期性產業逐漸轉向結構性成長。這樣的轉變，不僅意味著市場規模擴大，也代表產業的重要性正進一步提升，成為支撐數位經濟與AI基礎建設的核心。 然而，在需求強勁與擴產壓力並存的情況下，台灣半導體產業仍展現出高度的投資紀律。曹世綸強調，相較於過去景氣高峰時期可能出現的過度擴張，當前業者在資本支出決策上更為審慎，兼顧長期技術布局與短期市場需求。這種理性投資的態度，有助於降低未來景氣反轉時的風險，也讓台灣在全球半導體供應鏈中維持穩健且可信賴的地位。 展望AI競局，曹世綸指出，無論最終由哪一家雲端服務供應商(CSP)在競爭中取得領先，對台灣而言皆屬正面發展。原因在於，台灣在晶圓製造、封裝測試、IC設計與關鍵零組件供應鏈中皆扮演不可或缺的角色。AI基礎建設的持續擴張，將同步帶動相關半導體需求成長，使台灣產業鏈在全球競局中持續受惠。 整體而言，2026年的半導體產業將呈現高成長與高壓力並存的態勢。在AI驅動的需求洪流之下，產能、技術與投資策略將成為企業競爭的關鍵。對台灣而言，如何在掌握機會的同時維持產業韌性，將是決定下一階段發展高度的關鍵所在。 台灣半導體產業格局因AI而重構 在AI浪潮推動下，台灣半導體產業不僅面臨技術與產能的競爭，整體產業格局與地緣經濟關係也正出現明顯重構。SEMI台灣區總裁曹世綸指出，AI已深刻改變台灣的出口結構，最具代表性的變化，就是對美出口的快速成長與貿易順差的擴大。 從資料來看，台灣2025年出口總額已達約6,400億美元，創歷史新高，其中對美出口金額達1,982億美元，占比高達30.9%，重新成為台灣最大出口市場，為近26年首見...

隨著AI運算、高效能伺服器與電氣化浪潮持續推升能源效率需求，功率半導體正站在新一波材料世代交替的關鍵節點。其中，具備高操作頻率與低損耗特性的氮化鎵(GaN)，被視為電源技術邁向高效率與小型化的重要解方，也吸引大量新創公司與國際大廠積極投入。然而，在資本大量湧入的同時，市場競爭也日益激烈，產業整併與價格戰的陰影始終揮之不去。 「從材料特性來看，氮化鎵在電源領域的潛力毋庸置疑，但真正的挑戰在於，當大家都看見同一個方向時，企業要如何在競爭激烈的環境中找到自己的定位跟價值。」碇基半導體總經理邢泰剛在專訪中直言，氮化鎵產業的競爭強度，已遠超過多數人當初的想像。 碇基半導體總經理邢泰剛：AI需求的興起，為氮化鎵電源產業創造出新的藍海。   價格戰壓力下的產業現實 近年來，氮化鎵功率元件市場的顯著變化，是來自中國業者積極投入與快速成長，對全球市場結構帶來了深遠影響。 這樣的市場環境，迫使國際大廠必須在訂價策略上更加靈活。他強調，在高度同質化的產品市場中，若僅以價格作為競爭手段，容易侵蝕長期投入研發與品質管理所累積的價值。也正因如此，碇基必須非常審慎地選擇應用市場，確保客戶真正重視元件的品質、可靠度與技術能力，讓產品能以「價值」而非「價格」來取得競爭優勢。 AI電源成為新藍海 在眾多應用領域中，AI伺服器電源是碇基極為看重的核心市場。AI伺服器的電源系統，不僅功率密度高、運作條件嚴苛，對於元件的品質與長期可靠度，也有顯著高於一般消費性產品的要求。同時，系統廠與雲端服務業者，也希望功率元件能整合更多功能，以簡化系統設計降低設計複雜度並提升整體效率。 不過，這樣的高階市場也有其獨特的遊戲規則。即便客戶追求高效能與高度整合，元件供應商仍需考慮可靠度與相容性。邢泰剛直言：「從供應鏈韌性的角度來看，客戶永遠會希望有多元供應來源，這對於任何想進入伺服器供應鏈的元件廠來說，都是必須面對的現實。」 因此，碇基在產品設計上，一方面持續強化可靠度與功能整合，另一方面也刻意維持與既有設計生態的相容性，降低客戶導入新元件的門檻。 快充：氮化鎵技術的練兵場 談到氮化鎵技術的成熟過程，邢泰剛特別提到「練兵場」的重要性。他以碳化矽(SiC)為例指出，SiC功率元件之所以能在高壓、高功率應用中站穩腳步，與Tesla在電動車上的大規模導入密不可分。大量實際應用所累積的資料與經驗，讓供應商能不斷驗證可靠度，並持續修正產品設計。 對氮化鎵而言，這個關鍵角色正是消費性快速充電器市場。由於出貨量大、應用情境多元，快充產品讓氮化鎵元件得以在真實使用環境中接受考驗，也成為技術不斷演進的重要推力。 「沒有足夠的量，就很難談真正的可靠度。」正是因為在快充市場中累積了大量導入經驗，氮化鎵元件才能逐步朝向AI伺服器等高階應用邁進。 Smart...

AI終端裝置正迎來一場以自然語言為核心的互動革命。隨著AI應用逐步從雲端服務走向終端裝置，語音逐漸成為最直覺、也最符合人類使用習慣的人機互動方式。然而，這場變革成功的關鍵，並不在於讓機器單純地「聽見」聲音，而在於AI是否具備「理解人類意圖」的能力...

艾知科技營運長李芷婷在接受訪談時，一針見血地指出目前市場的盲點。多數號稱具備AI功能的無人機，充其量只是裝了攝影機的飛行載具與其說是無人機，頂多就是遙控空拍機。真正的自主飛行(Autonomy)，大腦必須長在飛機上。 台灣在採購規則與人才培育方面的不足，限制了無人機產業的發展   邊緣運算突圍　打造自主大腦 這就是所謂的機載AI(Edge...

從貝爾實驗室(Bell Labs)到台灣新創，超赫科技股份有限公司(Ultraband Technologies)總經理吳展興，走過三五族化合物半導體產業發展的黃金年代，並創造了許多經典應用。 超赫科技採用無晶圓廠模式，專注於元件設計與IP開發，委託代工廠生產。   這位在美國半導體產業耕耘超過三十年的資深專家，選擇將畢生累積的技術與經驗帶回這片土地，協助打造台灣在化合物半導體領域的競爭優勢。吳展興與三五族半導體的淵源，可追溯到1974年他在清華大學物理研究所攻讀碩士時期。當時正值半導體產業從矽(Silicon)轉向化合物半導體探索的關鍵時刻。 貝爾實驗室起點　見證異質結構技術革命 1982年在美國加州大學攻讀博士期間，吳展興開始接觸砷化鎵(GaAs)技術。1984年博士畢業後，他進入位於紐澤西州默里山(Murray...

在生成式AI快速推升算力需求的此刻，資料中心的競爭早已不再只是比拼晶片效能，如何在GPU、ASIC之間高速傳遞資料，更是決定整體效能的關鍵，尤其是在GPU、ASIC叢集規模動輒擴展到數萬顆的今天，真正的瓶頸已逐漸從運算單元本身，轉移到高速互連上。 根據TrendForce觀察，AI...

當你以為資料被加密就安全時，攻擊者可能已經在默默蒐集，等待量子電腦成熟的那一天。這種「先獲取，後解密」(Harvest Now， Decrypt Later)的攻擊模式，正讓全球企業重新審視資料安全策略。 恩智浦半導體大中華區市場行銷資深經理Maggie...

IBM量子位元突破千個，全球量子競賽進入白熱化。但台灣並未跟隨這場「位元數競賽」，而是選擇了一條更務實的路，也就是從製造切入。量子電腦要規模化，最終仍要回到製程技術與系統整合。從組件製造到低溫控制，工研院正在打造台灣進入量子時代的「基礎建設」。 工研院電光所所長張世杰認為，面對量子運算競賽，台灣應從最強的製造領域切入。   這個「不跟著跑」的策略，源自對全球量子競賽格局的深刻理解。超導體、矽基、離子阱等多條技術路線並進，但目前最成熟的是超導體量子電腦，由Google和IBM領軍，IBM的量子位元已做到1121個。超導體量子電腦被看好的關鍵，在於它使用半導體製程，容易規模化——這正是台灣的機會。台灣在2022年啟動量子國家隊，5年投入80億元，集結中研院、工研院、清華大學等機構。 工研院電光所所長張世杰認為，面對量子運算競賽，台灣應從最強的製造領域切入，他投超導體一票，因為這與我們的技術範疇密切相關，對台灣產業最有利。不是去比誰的量子位元多，而是掌握讓量子電腦能真正規模化、商業化的底層技術。量子競賽的勝負，最終仍由製造決定。 8吋廠黃光出手　百挑一成穩定量產 「從百個挑一個到穩定量產」，這是工研院在量子組件製造上的關鍵突破。量子電腦有兩個基本組件：共振腔(Resonator)和量子位元(Qubit)。工研院在製造部分的進展，讓前Google量子電腦首席科學家John...

一套量子電腦系統要花多少錢？Google和IBM的答案是3億歐元以上，但法國新創公司Quobly卻給出500萬歐元這個答案。怎麼達成的？關鍵在於技術路線的選擇，而量產化能力更成破局關鍵。 當全球量子運算產業陷入「誰的量子位元更多」的軍備競賽時，一位在半導體產業深耕20年的物理學家，同時也是法國量子運算新創共同創辦人暨執行長Maud...

在全球汽車產業加速電動化的同時，另一股同樣深遠的浪潮正逐步改變汽車的本質，軟體定義汽車(Software-Defined Vehicle, SDV)正成為各大汽車OEM追逐的目標。 英飛凌(Infineon)汽車電子事業部資深副總裁Hans...

根據摩根士丹利預測，2050年全球人形機器人市場規模將達4.7兆美元，而自動駕駛技術市場同樣快速成長。從市場現況觀察，特斯拉、Wayno以及相關產業都大規模地在車輛、機器人等領域開發和部署自主運作系統，採用類似，甚至相同的視覺和AI規劃技術架構。 簡單來說，自動駕駛，智慧機器人目前所採用的相關技術融合趨勢，正重新定義智慧移動與自動化產業的發展方向。 工研院機械所數位長王傑智多年深耕自動駕駛技術開發，他發現兩個看似不同的技術領域在核心架構、產業挑戰、商業化路徑上存在高度相似性。然而，產業界對相關的商業化前景仍存在不同看法，不論是政府的法規制訂、各利益團體的權衡，以及實際技術上的限制，目前看來都還是存在需要突破之處。 工研院機械所數位長王傑智 技術架構共通性凸顯　感知決策控制形成統一平台 王傑智指出，無論是無人機、自駕車、或是人形機器人，核心技術架構都建立在感知、決策、控制三大支柱上。他認為自動駕駛車輛本質上就是將機器人放入車子裡的技術演化過程，這種架構共通性反映了智慧系統在複雜環境中自主運作的必然要求。 感知系統方面，相機已成為各類智慧載具的標準配備，但傳感器選擇因應用場景而異。雷達主要應用於無人機和自駕車，光達技術逐漸在無人機和室內機器人上普及。特斯拉選擇純視覺方案的策略，在機器人與自駕車領域都引發技術路線討論。 根據研究，決策系統是整個架構的核心，必須即時處理感知資訊並制定行動策略。控制系統負責執行決策指令，但執行機構差異造成技術實現複雜性：自駕車主要控制加減速、煞車、方向盤，人形機器人需要操控數十個高自由度的馬達系統。 軟體架構方面，王傑智表示團隊大多基於ROS（機器人作業系統）進行開發，這個統一軟體平台使技術經驗可在不同載具間相互轉移。然而，統一理論架構在實際應用時會因應用情境進行最佳化調整，形成統一架構、差異最佳化的發展模式。 多重瓶頸制約商業化進程　法規算力安全三大難題待解 觀察台灣法規環境，不難發現兩領域都面臨相似的制度性障礙。台灣「無人載具沙盒條例」七年來未曾修訂，申請程序繁瑣複雜；機器人產業預期將遭遇類似挑戰，包括安全標準制定、責任歸屬認定、跨區域運作許可等問題。 以醫療照護機器人為例，現行法規規定照護人員與病患的固定比例，即使引入機器人輔助系統，也無法減少人力配置需求，因此難以產生實質經濟效益。這種法規與技術發展脫節現象，在各國普遍存在。 台灣AI機器人產業大聯盟2025年7月成立，目標2030年產值突破兆元，但產業分析師指出，法規環境的不確定性仍是主要風險因素。兩領域都面臨既有從業人員職業威脅擔憂，自動駕駛技術遭遇計程車司機工會反對，智慧機器人則可能衝擊製造業、服務業就業機會。 安全可靠性構成另一重大技術門檻。王傑智坦言，無論AI技術多麼先進，目前都無法保證百分之百正確率。他表示，既然同意AI會犯錯，為什麼又相信AI可以安全地開車或操作機器？這個根本問題揭示技術商業化的核心挑戰。 自動駕駛需要達到99.9%安全等級，智慧機器人在工廠環境也需要類似可靠性要求。但目前AI系統本質上是黑盒子運作，當出現錯誤時難以追蹤原因和進行精確修正。這種不可解釋性成為技術應用的重大障礙。 算力資源限制進一步加劇挑戰。特斯拉擁有十萬顆H100...