據《華爾街日報》報導，德國工業機器人新創 RobCo 在一筆約 4,000 萬美元的股份交易後，估值突破 10 億美元。這筆交易主要是員工等既有股東出售持股，並非公司又募得 4,000 萬美元。就在今年 1 月，RobCo 才完成 1 億美元 Series C，當時估值約 5 億美元。目前公司已售出超過 1,000 台機器人，BMW 也是客戶之一。
公司估值翻倍很容易成為新聞焦點，但這次 RobCo 事件更值得思考的問題是：機器人進入工廠後，每次換產品、換工作、重新配置產線後，還要花多少時間與成本，才能重新投入生產？
這是一筆經常被工廠忽略的成本，也是一直限制著工業自動化能進入哪些工作的關鍵，而 RobCo 近年的產品路線，正是沿著這個問題一路解決，他們先用模組化硬體與 no-code 軟體降低設定門檻，再透過 Robotics-as-a-Service（RaaS）降低前期資本投入，現在又希望利用實體 AI ，減少工作改變後重新編程與調整的成本。
如果這條路走得通，那受到影響的，就不只是機器人的能力，而是哪些工作開始值得被自動化。這期我們就從 RobCo 談談，工業自動化這筆經濟帳正在發生什麼變化。
買機器人只是第一筆錢
傳統工業機器人很適合大量、固定、長時間重複的工作。產品不變、動作不變，即使前期需要花不少時間設計產線、寫程式、製作治具與整合設備，只要生產量夠大，成本還是可以攤平。
但是這對於生產少量多樣的工廠來說，情況就不同了。國際機器人聯合會（International Federation of Robotics，IFR）曾指出，程式設計與系統整合約佔機器人應用總成本的 50% 至 70%。當產品或生產批次一改，就可能需要重新設定機器人，因此許多中小型製造商即使知道某項工作技術上可以自動化，最後仍然算不過這筆帳。
IFR 引述專家估計，未來 AI 可能會把機器人的程式設計時間縮短約一半，也可能明顯減少重新設定所需時間。
麥肯錫在與機器人業者做交流時，有人提到：「沒有什麼比工業自動化更人工。」一套系統往往同時涉及機器人程式、PLC、3D cell design 與現場整合，而且往往使用不同的工具。在調查中有 61% 的主管表示，即使公司已經算出合理的自動化投資效益，內部還是缺乏把專案真正完成的能力。
所以，工業機器人發展了數十年，困難早已不只是「機器會不會做」，而是工廠有沒有能力持續讓它配合生產變化。
RobCo 先把一部分設定工作交回現場
RobCo 並不是等到實體 AI 熱潮出現後，才開始處理這個問題。它先從模組化機器人與 RobFlow no-code 軟體切入，把部分原本需要機器人工程師完成的工作，轉成現場人員可以自行設定。
德國電子零組件製造商 Rosenberger 過去在部分 CNC 設備更換產品時，需要外部人員協助，有些調整甚至需要好幾天。依 RobCo 公佈的客戶案例，導入其模組化機器人系統後，Rosenberger 的員工可以在廠內自行完成產品更換，時間縮短到數小時。
另一家製造商 KABZA 的案例則顯示，現場人員即使沒有程式設計知識，也能重新教導機器人工作流程。RobCo 表示，導入後單班設備使用時間由 8.5 小時提高至 11 小時，產出比人工上下料提高 11%，每年約節省 2.5 萬歐元的人事成本。
這些都是 RobCo 自己公佈的客戶案例，不能直接套用到其他工廠。但它們指出了一個很實際的成本來源：如果每次換產品都得等外部工程師進場，企業付出的不只是工程費，還包括等待與停機時間。所以，如果廠內人員能自己完成更多調整，自動化這筆帳就開始改變。
Alfie 要處理的是下一層問題
RobCo 今年 4 月發表的雙臂機器人 Alfie，則把這個問題再往前推一步。Alfie 鎖定組裝、揀取、備料、棧板堆疊與物料搬運等工作，希望利用感知能力與實體 AI，因應不同物件、位置、流程與環境。公司的目標，是讓機器人在遇到新物件或新工作時，減少對人工重新編程的依賴。
RobCo 4 月的官方資料明確表示，Alfie 當時仍在最後開發階段，第一批客戶部署預計於 2026 年稍晚展開。到了 9 月，公司任命新任技術長時，也仍把 Alfie 的開發，以及把 AI 帶進真實生產環境，列為下一階段重點。
所以目前已經有實際客戶案例顯示，RobCo 的模組化、自助設定與重新配置方式，已經進入實際工廠使用；實體 AI 能不能再往前一步，讓機器人自己處理更多生產變化，還要看進入真實工廠後的部署結果。
工廠主管最後看的是多久可以重新生產
實體 AI 要在製造業產生商業價值，重點不只是機器人能做多複雜的動作，還有要能回答工廠主管真正關心的問題：
1. 產品換了，要多久才能重新生產？
2. 零件尺寸改變，需要工程師介入多久？
3. 新的工作要重新寫一套程式，還是現場人員示範幾次就能開始調整？
4. 發生例外狀況時，現場能不能自己處理？
這些問題決定的是一套設備一年真正能工作多少時間，以及這筆自動化投資到底划不划算。
製造商希望減少的，是每一次產品改變，都必須重新進行一次大型工程整合。西門子今年談彈性自動化時，也把焦點放在類似問題上。傳統機器人依賴精確設定與固定環境，一旦產品與生產條件改變，重新配置就可能變得困難而昂貴。而由 AI 驅動的自動化，其所想改善的正是機器人面對這些變化時的適應能力。
AWS 與合作夥伴在 2026 漢諾威工業展上所展示的製造系統，也採取「先模擬、再部署」的方式，以因應少量生產、產品變化與客製化需求。
少量多樣正是台灣所熟悉的
台灣製造業者，有很多是面對著少量、多樣、客製化、產品週期短的訂單，同時還有缺工與交期壓力。在這種環境下，機器人做不做得到只是第一個問題，訂單一改，工廠多久能讓機器人跟著改好，這才是讓許多製造業者更在意的問題。
像台灣鈑金製造商富專鋼鐵（Fu Zhuan Steel）的案例就很具體，根據 Universal Robots 公佈的資料指出，公司過去使用傳統工業機器人時，操作人員需要較高的程式能力，培訓時間超過一個月，因此只有少數員工能操作。採用可以透過手動教導，設定工作路徑的協作型機器人後，操作人員通常一至兩天便能熟悉。
這說明了一件事：對於少量多樣的訂單來說，設定、修改與重新學習的成本，就是自動化是否划算需要考慮的。實體 AI 如果能繼續把這筆成本往下降，一些過去因為批量太小、產品變化太快而不值得自動化的工作，就可以重新進入評估範圍。
下一場競爭，是誰能讓「變動」變的更便宜
RobCo 還透過「機器人即服務」模式降低前期資本門檻，把硬體、軟體、部署與服務整合在一起，讓企業不必一開始就投入大筆設備資金。至於實際投資報酬，當然還是會受到產量、工時、產品變化、工廠環境與合約條件影響。
而 RobCo 的做法，是先降低導入自動化的門檻，再降低設定與重新配置的成本。所以，接下來 Alfie 需要證明的是，生產條件改變後，能不能也把重新讓機器工作的成本降下來。
接下來值得我們關注的是：Alfie 進入工廠後，承接一項新工作，需要多久的部署時間？需要投入多少位工程師？品質、生產與安全能否維持？
對台灣製造業來說，除了問「這台機器多少錢」，還要再問：下一次客戶改規格、產品換代、產線重新配置時，需要再花多少錢、多少時間，才能讓這台機器重新工作？這才是製造業判斷是否投資機器人的有價值判斷。如果供應商能讓這個數字持續下降，那工業機器人的市場，才有機會跟著增長擴大。
本文依 CC 創用姓名標示 - 非商業性 - 相同方式分享 4.0 國際釋出