科技創業週報 #553：機器人能不能走進更多工廠，關鍵在每次「換工作」要花多少錢
機器人能否走進更多工廠，關鍵不只在硬體能力，而在每次換產品、換工作後的重新配置成本。RobCo 透過模組化硬體、no-code 軟體、RaaS 與實體 AI，正在降低工業自動化導入與轉換門檻。
機器人能不能走進更多工廠，關鍵在每次「換工作」要花多少錢
德國工業機器人新創 RobCo 在股份交易後估值突破 10 億美元，引發市場關注。不過，這起事件真正值得觀察的，不只是公司估值成長，而是工業機器人進入工廠後，每次換產品、換工作或調整產線時，需要多少時間與成本才能重新投入生產。RobCo 透過模組化硬體、no-code 軟體、Robotics-as-a-Service 與實體 AI，試圖降低設定、導入與重新編程成本，讓更多工廠工作開始具備自動化的經濟可行性。
科技創業週報 #544：Tau Robotics 推出每小時 30 美元家用機器人清潔，競爭家庭資料蒐集與自主化速度
Tau Robotics 的家用機器人清潔試辦，不只是販售每小時 30 美元的清潔服務，而是在測試實體 AI 商業化路徑。透過遠端操作、家庭場景資料蒐集與模型訓練，家用機器人競爭正走向自主化速度之戰。
Tau Robotics 推出每小時 30 美元家用機器人清潔，競爭家庭資料蒐集與自主化速度
Tau Robotics 推出每小時 30 美元的人形機器人居家清潔試辦服務，表面上提供吸塵、擦拭、清空垃圾與整理地面雜物等家務協助，實際上則結合人工遠端操作、家庭影像錄製與真實世界資料蒐集，用來訓練未來的視覺—語言—動作模型。這項服務的重點不只是清潔效率，而是驗證消費者接受度、家庭資料取得方式，以及人形機器人能否透過資料累積逐步降低人力依賴。
科技創業週報 #537：RLWRLD 把現場工作者動作變成機器人訓練資料，Physical AI 真正競爭的是現場知識
當 Physical AI 從實驗室走向真實世界，競爭的關鍵可能不再只是模型參數、機器人硬體或算力規模，而是誰能掌握更多來自現場的真實工作知識。RLWRLD 的案例顯示，未來機器人產業的重要資產，可能是那些過去藏在老師傅經驗與工作細節中的隱性知識。
RLWRLD 把現場工作者動作變成機器人訓練資料，Physical AI 真正競爭的是現場知識
南韓 Physical AI 新創 RLWRLD 近期獲得 InnoVEX 2026 Grand Prize，並宣布與 NVIDIA 合作推動 DexBench 評估基準建設。其核心策略並非打造更炫目的機器人，而是透過旅館、物流與便利商店等真實場域蒐集工作者動作資料，將多年累積的操作經驗轉化為可訓練的機器人知識庫。這反映 Physical AI 的競爭正逐漸從硬體能力，轉向現場知識的資料化、標準化與規模化
科技創業週報 #529：人形機器人半程馬拉松真正測的不是速度，而是實體人工智慧能否落地
人形機器人半程馬拉松的真正意義，不在於它跑得多快，而在於實體人工智慧開始進入可公開驗證、可被市場比較的階段。當機器人被放進真實道路與長距離條件中測試，競爭焦點就不再只是炫技，而是能否在續航、導航、散熱與穩定性上真正落地。
人形機器人半程馬拉松真正測的不是速度，而是實體人工智慧能否落地
北京亦莊舉行的人形機器人半程馬拉松，不只是少見的科技展示，更是一場更接近真實世界的能力驗證。比起「機器人跑得比人快」這種表面敘事，真正值得關注的是：在 20.097 公里的公開道路條件下，步態控制、自主導航、續航、散熱與機械結構能否同時成立。這場賽事標誌著人形機器人正從展演式展示，邁向可被公開比較與市場檢驗的實體 AI 驗證階段。