韓國政府 29 日宣布，將「物理 AI」提高為國家戰略產業，定調三年關鍵窗口期。副總理兼科學技術資訊通信部長裴京勳（Bae Kyung-hoon，音譯）表示，要讓物理 AI 在製造、農業、照護與安全等場景落地，首要難題不是模型架構，而是遠遠不足的資料量與資料品質；與以網路大規模文本與影像為訓練來源的生成式 AI 相比，物理 AI 依賴真實互動，但資料規模明顯不足，公開真實互動資料總量通常不到數千小時，而企業生產資料雖可能規模較大，但整體差距仍非常大。
裴京勳指出，物理AI無法像文字或圖片模型那樣直接從網路抓取資料，因必須將現實世界動作、物理變數與工作流程轉成可訓練數據，因此每筆資料多要靠現場蒐集、注釋與驗證。為補足缺口，政府將優先建立製造資料的蒐集與整合體系，推動跨部會以及產業間的分散資料串接，並規劃由國家主導的「製造AI資料庫」，同時把即將退休的熟練工人隱性知識轉成可被AI利用的資料。
技術藍圖方面，政府打算以現場資料結合虛擬模擬與合成資料，打造能理解並預測真實世界的「世界模型」，並以此為通用物理AI基礎模型的核心。裴京勳形容，若把機器人比作身體，物理AI模型與世界模型就是大腦，而資料與AI資料中心扮演血液與心臟。政府同時提出，至2029年推動8.4GW、約550兆韓圜規模的AI資料中心投資，並預定2035年前再追加約10GW，總投資規模可望達數兆億韓圜。
產業界也呼籲建立資料標準化與可追溯的資料供應鏈。多家物理AI企業表示，最大痛點之一，是不同公司蒐集方式與標準都不同，導致資料難互通、品質參差不齊。業者建議政府建立統一資料採集生態，尤其鼓勵以第一人稱視角（如穿戴式攝影等）蒐集現場操作資料，並設計能讓資料集中、審核、再開放利用的制度，避免大量投資卻無法組織成共同標準。
國際競爭物理AI資料基礎設施也越明顯。專家指出，與模型權重相比，真實世界互動資料、資料標註與可驗證的資料血統（provenance）是更稀少的資產。目前出現三種主要策略：一是以大規模的真實示範資料為主；二是倚賴高品質的合成資料來擴增多樣性與規模；三是發展開源資料集與工具以降低進入門檻。但無論策略為何，能否建立可追溯、可驗證且具規模化能力的資料供應鏈，將成為物理AI下階段競爭的關鍵門檻。
- 배경훈 부총리 “피지컬AI 1강, 향후 3년이 골든타임…생산성 20%↑ 목표"
- 대도약 3대 메가프로젝트 …피지컬AI 기업들 “연합군·데이터 표준 생태계 필요"
- 배경훈 “피지컬AI 국가전략산업화…향후 3년이 골든타임”
- 배경훈 “피지컬AI 1강, 향후 3년이 골든타임…국가전략산업화"
- 배경훈 “피지컬AI, 향후 3년이 골든타임…주력 산업 생산성 20% 높일 것"
- 배경훈 부총리 “피지컬 AI 1강 도약, 3년이 골든타임"
- Physical AI Hits A Data Labeling Wall That Only Cash Can Fix
（首圖來源：達志影像）
科技新報粉絲團
加入好友
訂閱免費電子報
