華碩實體 AI 佈局：PAS 事業群能否複製百億神話？

Q: 華碩 PAS BG 會不會像當年 AIoT BG 一樣，最後不了了之？

背景完全不同。AIoT BG 時代缺乏大模型這個通用智慧核心，只能做設備聯網與數據收集；現在有了 VLA、World Foundation Model、Sim-to-Real 成熟工具鏈，技術門檻已被突破。加上董事長親自定調、雙共同執行長聯名背書、AI 伺服器賺到的錢可作為彈藥庫，資源投入力道非往日可比。

Q: 華碩會不會自製人型機器人本體？

短期極低機率。內部信強調提供完整解決方案而非製造機器人。策略極可能是：採購成熟本體+自研靈巧手/末端執行器+自主平台軟體堆疊+EMS 場域驗證=標準化方案。這樣風險最低、現金流最好、最快變現。

Q: 投資人應關注哪些具體催化劑？

三大里程碑：① 2026 Q4 首個 AI 製造解決方案標準化產品發布；② 2027 H1 首個外部客戶簽署 PoC 或採購合約；③ 人型機器人原型機曝光並展示在真實產線作業。若三者皆達標，PAS BG 將有望貢獻 2028 年營收可見增量。

華碩實體 AI是這篇文章討論的核心

華碩砸重金押注「實體 AI」：從 AIoT 轉型 PAS 事業群，能否複製 AI 伺服器百億神話？

實體 AI 戰場硝煙瀰漫，華碩能否靠 EMS 實戰經驗切入紅海？攝影：Magda Ehlers / Pexels

💡 快速精華區

核心結論：華碩將 AIoT 事業群升級為「實體 AI 解決方案事業群（PAS BG）」，由張權德、許祐嘉雙將領軍三大事業部，標誌著從「設備連網」正式轉向「AI 進入實體世界」的戰略級躍遷。
關鍵數據：實體 AI 市場規模預估 2035 年達 1.1 兆美元（約 35 兆台幣）；NVIDIA GB200 NVL72 機櫃 2026 年出貨估 7-8 萬台；華碩 AI 伺服器 2025 年營收已破 千億新台幣。
行動指南：關注 PAS BG 9/1 正式運作後的首波產品線（組裝/包裝工作站、小型物件抓取）、自主導航平台模組化進度、以及人型機器人原型機曝光時間點。
風險預警：面臨特斯拉 Optimus 垂直整合、Figure AI Helix VLA 模型、英偉達 GR00T 生態三重夾擊；Sim-to-Real 落差、靈巧手良率、邊緣算力功耗比仍為硬傷。

為什麼 2026 年是華碩 All-in 實體 AI 的關鍵時刻？

別被「組織改組」四個字騙了，這根本是場賭注。2026 年 8 月 28 日，華碩共同執行長許先越、胡書賓聯名發出內部信，一槌定音：智慧物聯網事業群（AIoT BG）走入歷史，取而代之的是「實體 AI 解決方案事業群（Physical AI Solutions Business Group，縮寫 PAS BG）」，9 月 1 日正式掛牌上路。

為什麼偏偏是這個時間點？簡單說：雲端 AI 紅利已經被榨乾，下一波增長必須來自「AI 走出伺服器機櫃」。根據摩根士丹利數據，2026 年 GB200/300 NVL72 機櫃出貨量預估 7-8 萬台，同比翻倍；但華碩董事長施崇棠早就看穿了——AI 伺服器終究是賣鏟子的生意，護城河在於系統整合能力，而非單純代工。華碩 2025 年 AI 伺服器營收衝破千億大關、連兩年提前達標，這筆錢賺得漂亮，但也意味著：若不開闢第二成長曲線，增長動能將在 2027 年見頂。

我們觀察到，施崇棠 2024 年提出「全方位 AI 公司」願景時，就已經佈下三步曲：Cloud AI（雲端）→ Edge AI（邊緣）→ Physical AI（實體）。前兩步分別由基礎方案事業群（IS BG，含 AI 伺服器）與既有 NB/手機/顯卡事業群負責；Physical AI 這塊拼圖，原本塞在 AIoT BG 邊緣，現在終於被拎出來獨立作戰。這不是簡單改名，而是將「連網管理設備」升級為「賦予機器智慧與自主性」的本質區別。

PAS BG 三大事業部架構解析：誰在負責什麼？

這次人事佈局極具深意：張權德（副總裁，長期深耕 AIoT/工業電腦）+ 許祐嘉（副總裁，擅長系統整合與新事業孵化）雙將共掌。一個懂場域痛點，一個懂跨域整合，這組合比單一將領更適合「從 0 到 1」的創新任務。旗下三大事業部分工如下：

1. AI 解決方案事業部：從「客製化專案」到「標準化產品」

核心任務是將華碩自有 EMS 廠區的實戰經驗，封裝成可複製、可量測的「AI 製造解決方案」。首波聚焦三大場景：組裝/包裝工作站、小型物件抓取、外觀缺陷檢測。工商時報報導指出，這部門要把過去「專案制」的導入經驗，轉型為「產品制」的標準化模組——這才是能 Scale 起來的關鍵。若做成了，華碩就能對外輸出「電子製造業實體 AI 參考平台」，這檔次比單純賣機器人高一個層次。

2. 自主平台事業部：機器人的「大腦與小腦」中台

別以為這只是寫幾行 ROS 代碼。這部門要解決的是Sim-to-Real（仿真到實體）的落差、多模態感知融合、邊緣端即時決策三大硬骨頭。華碩內部信明確提到要打造「自主導航、操作規劃、人機協作」的通用平台。這意味著：未來不管是工業機械手臂、AGV/AMR、還是人型機器人，都能共用這套「自主性中台」。這招學的是英偉達 Isaac Sim + GR00T 的邏輯，但華碩的優勢在於——自有 EMS 場域提供海量真實數據微調。

3. 人型機器人事業部：最高風險、最高報酬的賭注

這是華碩第一次公開承認「在做人型機器人」。雖然細節極少，但從組織編制看，這部門不僅負責本體設計（本體結構、靈巧手、關節模組），更要負責具身智慧模型訓練。2026 年人型機器人賽道已經進入「小批量試產」階段：特斯拉 Optimus Gen 3 目標產 5,000 台、Figure 02 在 BMW 廠區實測、宇樹 G1 價格打到 10 萬人民幣以下。華碩若想切入，靈巧手自由度、單位成本控制、VLA（Vision-Language-Action）模型落地是三道必過關卡。

🧠 Pro Tip 專家見解： 許多外界誤以為華碩是在「造機器人」，實際上 PAS BG 的定位是「提供讓 AI 進入實體世界的完整解決方案」。這句話裡的關鍵字是「方案」而非「硬體」。華碩的邏輯是：用自有 EMS 驗證 → 沉澱標準化軟硬體模組 → 對外輸出給同樣痛點的製造業客戶。這條路徑比直接賣機器人更有彈性，也更符合華碩系統整合商的基因。

EMS 自有產能：華碩獨有的「實戰訓練場」護城河

這是華碩最被低估的殺手鐧。區別於 Figure AI 必須找 BMW 做 PoC、特斯拉只能用自家工廠、初創公司只能在實驗室跑仿真，華碩擁有全球少數「自有 EMS 製造產能」的品牌廠身分。這意味著什麼？

數據飢渴不再是問題：組裝、測試、包裝、物流、倉儲——每個工站每天產生 TB 級多模態數據（視覺、力覺、本體感覺、日誌），全是真實生產環境下的「黃金訓練集」。
迭代週期極短：模型上午在邊緣伺服器更新，下午就能在隔壁產線實測，晚上回收數據繼續訓練。這種「數據飛輪」轉速，外包給代工廠的對手根本跑不出來。
成本結構可控：機器人本體 BOM 成本中，精密減速機、無框力矩馬達、六維力傳感器佔比超過 60%。華碩作為供應鏈整合大廠，拥有話語權壓低關鍵零組件成本，甚至可反向客製化規格。

工商時報報導透露，PAS BG 初期將聚焦「在 EMS 產業建立可衡量、可重複的能力」，並以自身運作環境經驗建立 Reference Platform。這招極聰明：先把自己家工廠變成「示範教室」，再去賣門票給同業。台積電、聯電、日月光、甚至非半導體的筆電組裝大廠，都是潛在客戶。

紅海廝殺：特斯拉、Figure、英偉達，華碩怎麼贏？

2026 年人型機器人賽道已經不是藍圖比拼，而是交付量、單價、VLA 模型成熟度的硬碰硬。我們觀察到的競爭格局：

玩家	2026 關鍵進度	核心護城河	華碩切入點
特斯拉 Optimus	Gen 3 目標產 5,000+ 台，$20-30K 成本	垂直整合（FSD 神經網絡→機器人）、自產馬達/電池	不做本體對標，做「製造業場景落地方案」
Figure AI	Figure 02 低百台出貨 BMW，$50K+ 售價，Helix VLA 成熟	OpenAI 合作、端到端 VLA、企業級部署經驗	EMS 場域數據更豐富、成本結構更優
英偉達 GR00T	Cosmos 3 開源、Omniverse/Isaac Sim 生態、Jetson Thor 邊緣晶片	平台賣水人、定義標準、晶片壟斷	深度綁定生態、貢獻製造數據換取優先支援
宇樹/Agility/1X	G1 破價、Digit 亞馬遜倉儲、NEO 家庭場景	極致成本控制、垂直場景深耕	採購其本體/模組，整合進華碩方案
華碩 PAS BG	9/1 掛牌、三大事業部、EMS 實戰驗證	自有 EMS 實戰場域+供應鏈整合+系統整合基因	差異化定位：方案商而非本體商

華碩的贏面在哪？不做「通用人型機器人」這條最紅的海。PAS BG 定位是「電子製造業實體 AI 訓練、驗證與部署的 Reference Platform」。這意味著：華碩可以採購宇樹 G1 或 Figure 模組作為本體，專注於「如何在 EMS 產線真正好用」的軟硬體整合——包括夾爪設計、工站佈局、安全標準、ERP/MES 串接、模型微調。這條路徑避開了本體研發的底坑，精準切中「製造業不缺機器人，缺會用機器人的方案」這個痛點。

🧠 Pro Tip 專家見解： 2026 年 Physical AI 產業已進入「Sim-to-Real 落地驗證」關鍵期。NVIDIA Cosmos 3 開源、Omniverse 達成 99% 仿真精度（ABB RobotStudio HyperReality 實測），意味著「仿真訓練→實體部署」的技術門檻大幅降低。華碩若能率先在自有 EMS 跑通「從仿真到量產」的標準化 SOP，並將其封裝為可複製的軟硬體模組，就能卡住「製造業導入實體 AI」的標準制定權——這比賣幾千台機器人值錢得多。

對台系供應鏈的連鎖效應：從被動元件到精密減速機

華碩這步棋，對台灣供應鏈是利多中的利多。別只盯著 AI 伺服器的 PCB、被動元件、散熱模組，Physical AI 將拉動一整條新產業鏈：

精密減速機（RV/諧波）：機器人關節核心，單台人型機器人需 20-30 顆，國產化率仍低（雷賽智能、兆輝、高勁等為關鍵標的）。
無框力矩馬達/直驅馬達：高扭矩密度、低慣量，華碩若自製或深度綁定廠商（如台達、東元、科博達），可卡位成本結構。
六維力傳感器/觸覺皮膚：靈巧手與安全協作必備，國內廠商（群聯、啟碁等）正切入。
邊緣 AI 晶片/模組：Jetson Thor、Orin、華碩自有邊緣運算板卡，需求量將隨機器人部署呈指數增長。
高速連接器/線纜組件：機器人本體內部佈線極其複雜，耐彎折、抗扭轉、高可靠度規格遠超一般消費電子。
機器視覺模組：ToF、結構光、事件相機、多模態融合感測器，華碩既有供應鏈可快速轉單。

更關鍵的是：華碩本身就是供應鏈整合者。PAS BG 若能制定「電子製造業實體 AI 導入標準」，就能帶動上游關鍵零組件的規格標準化、量產化，進而拉低成本曲線。這正是台系供應鏈從「代工思維」轉型「生態定義者」的稀有窗口期。

🤔 常見問題 FAQ

Q1：華碩 PAS BG 會不會像當年 AIoT BG 一樣，最後不了了之？

A1：背景完全不同。AIoT BG 時代（約 2018-2025）缺乏「大模型」這個通用智慧核心，只能做設備聯網與數據收集；現在有了 VLA、World Foundation Model、Sim-to-Real 成熟工具鏈，技術門檻已被突破。加上董事長親自定調、雙共同執行長聯名背書、AI 伺服器賺到的錢可作為彈藥庫，資源投入力道非往日可比。

Q2：華碩會不會自製人型機器人本體？

A2：短期極低機率。內部信強調「提供完整解決方案」而非「製造機器人」。策略極可能是：採購成熟本體（宇樹、Figure、Apptronik 等）+ 自研靈巧手/末端執行器 + 自主平台軟體堆疊 + EMS 場域驗證 = 標準化方案。這樣風險最低、現金流最好、最快變現。

Q3：投資人應關注哪些具體催化劑？

A3：三大里程碑：① 2026 Q4 首個「AI 製造解決方案」標準化產品發布（含定價與 KPI 承諾）；② 2027 H1 首個外部客戶（非華碩集團內部）簽署 PoC 或採購合約；③ 人型機器人原型機曝光並展示在真實產線作業（非 Demo 環境）。若三者皆達標，PAS BG 將有望貢獻 2028 年營收可見增量。