人形機器人真正的競爭是AI大腦？從具身智慧看AI機器人專利布局｜灃郁智權

人形機器人的競爭不只在硬體：從AI大腦、強化學習看機器人專利布局新戰場

人形機器人（Humanoid Robot）正在從「展示技術」逐步走向真實工作環境。

過去我們看到的人形機器人，多半展示走路、跑步、跳躍、搬運或舞蹈等單一能力；現在產業真正開始挑戰的，是讓機器人進入辦公室、工廠、倉儲、商場等複雜環境，自己判斷下一步該做什麼。

例如：收到「到一樓拿取包裹，再送回指定位置」的任務後，機器人必須自行完成：

辨識環境 → 規劃路徑 → 開門 → 行走 → 上下樓梯 → 搭乘電梯 → 找到物品 → 抓取 → 搬運 → 放置。

圖片來源：AI人形機器人於辦公室自主執行取件任務示意圖｜AI生成

真正困難的地方，已經不是讓機器人的手「能抓」、腳「能走」。

而是讓機器人理解：

現在在哪裡？下一步應該做什麼？發生意外時又該如何重新決策？

這也使人形機器人的競爭，逐漸從機械結構、馬達與關節，進入**AI模型、機器人控制、模擬訓練、強化學習與具身智慧（Embodied AI）**的新階段。

從「會動」到「會做事」：AI機器人的技術門檻正在改變

傳統工業機器人非常擅長重複工作。

只要工作環境固定、物件位置明確、動作流程可以事先設定，機器人就可以快速而精準地重複執行。

但真實世界並不是固定的。

門可能開著，也可能關著；走道可能突然出現障礙物；包裹的位置每天不同；電梯可能正在其他樓層；抓取的物品尺寸、重量與方向也可能不同。

因此，新一代AI機器人的核心問題，不只是「如何執行動作」，而是：

如何理解環境、選擇技能、安排順序，並根據現場狀況即時調整。

這也是近年Physical AI、Embodied AI及機器人基礎模型受到高度關注的原因。

什麼是機器人的「AI大腦」？

可以將新一代AI機器人的控制架構簡化成三個層次：

例如機器人收到：

「到樓下取回包裹。」

上層AI並不需要直接計算每一個馬達應該轉幾度。

它可以先將任務拆解成：

離開房間 → 開門 → 前往樓梯 → 下樓 → 尋找包裹 → 抓取 → 返回。

再由不同的技能模組完成各個動作。

這種「高階決策＋技能模組＋底層控制」的架構，使機器人更有機會從執行單一任務，逐步走向處理複雜工作流程。

強化學習為什麼成為機器人發展的重要技術？

讓機器人在真實世界不斷試錯，成本非常高。

機器可能跌倒、碰撞設備、損壞零件，甚至造成安全問題。

因此，許多機器人技術會先利用**模擬環境（Simulation）**進行大量訓練。

機器人可以在虛擬世界反覆嘗試：

• 如何保持平衡
• 如何走過不同地面
• 如何爬樓梯
• 如何開門
• 如何抓取不同物品
• 如何搬運物體
• 遇到障礙物如何重新規劃

再透過**強化學習（Reinforcement Learning）**等方法，逐步學習較有效率的策略。

這也帶出另一項重要技術：

Sim-to-Real（模擬到真實）。

如果在模擬環境學會的技能無法有效移轉到真實機器人，模擬訓練本身的商業價值就會受到限制。

因此，模擬環境、訓練方法、模型架構及Sim-to-Real轉換技術，都可能成為AI機器人企業的重要智慧財產。

人形機器人的競爭，正在從硬體走向「軟硬整合」

市場常用一句話描述這項趨勢：

硬體逐漸標準化，AI才是機器人的大腦。

這個方向有一定道理，但從專利與產業競爭角度來看，更精確的說法應該是：

下一階段真正具有競爭力的企業，很可能掌握的是「AI模型＋控制系統＋機器人硬體」之間的整合能力。

因為即使AI模型非常強大，如果無法精確控制不同品牌、不同尺寸及不同自由度的機器人，仍難以形成可規模化產品。

反過來，一台性能很好的機器人，如果每換一個工作環境都必須重新人工編程，也很難真正成為通用生產力工具。

因此，未來機器人的核心競爭力，很可能存在於：

感知 → 理解 → 決策 → 技能選擇 → 動作控制 → 環境回饋 → 再決策

所形成的閉環系統。

從專利角度看AI機器人：可以保護的不只是機械結構

傳統機器人專利經常集中在機械結構、關節、傳動、末端執行器及控制裝置。

但進入AI機器人時代後，可以思考的專利布局範圍已經大幅擴張。

這也是AI軟體專利與傳統機械專利最大的差異之一。

真正值得保護的可能不是某一個演算法本身，而是：

AI模型如何與感測器、控制器、機器人及實際工作流程結合，解決具體的技術問題。

AI模型該申請專利，還是保留為營業秘密？

這是AI機器人公司很重要的智慧財產策略問題。

不是所有AI技術都適合公開申請專利。

如果一項技術會直接呈現在產品或系統運作上，競爭者容易透過測試或逆向工程理解，通常可以優先考慮專利。

反之，如果是競爭者難以從外部得知的：

訓練資料、資料清洗方法、模型參數、Reward Design、訓練流程及工程Know-how，

則可能更適合納入營業秘密管理。

因此，AI機器人公司的智慧財產布局，通常不應只有「申請多少件專利」。

更重要的是建立：

專利＋營業秘密＋資料治理＋軟體著作權＋契約管理

的組合式智慧財產策略。

機器人基礎模型，可能改變產業的商業模式

如果未來一套AI模型可以適配不同品牌、不同尺寸甚至不同用途的機器人，就可能出現新的產業分工。

機器人產業可能逐漸形成：

硬體平台商 × AI模型商 × 機器人作業系統 × 技能開發商 × 系統整合商

這與今天智慧型手機的產業結構有些類似。

真正具有高度商業價值的公司，不一定需要自己製造每一個零件。

如果掌握的是可以跨不同硬體平台使用的核心AI能力，就可能透過：

軟體授權、模型授權、API、Robot-as-a-Service（RaaS）或技術授權

建立新的商業模式。

這時候，智慧財產權的重要性會更加明顯。

因為企業的主要價值，可能已經不在工廠設備，而是在模型、資料、演算法、專利與Know-how。

從技術鑑價角度，AI機器人的價值怎麼看？

如果是一家AI機器人新創，單純用「有幾件專利」判斷企業技術價值，可能並不完整。

還應該進一步確認：

• AI模型是否具有自主技術
• 訓練資料如何取得
• 資料是否具有合法使用權
• 模型是否依賴第三方開源技術
• 是否能跨不同機器人平台部署
• 是否具有Sim-to-Real能力
• 核心Know-how是否有營業秘密管理
• 專利是否真正涵蓋產品核心功能
• 技術是否已完成實際場域驗證

這些因素都可能直接影響技術的可控制性、可移轉性、可授權性與商業價值。

因此，AI機器人的技術鑑價不能只看硬體BOM或研發成本。

真正需要評估的，是整套智慧財產與技術能力所形成的經濟效益。

人形機器人的下一階段：從「會表演」走向「能工作」

人形機器人真正的產業轉折點，不是機器人能不能跑得更快、跳得更高。

而是它能不能在一個沒有為機器人特別設計的環境裡，理解任務並可靠地完成工作。

這代表產業的核心問題正在從：

「機器人能不能動？」

逐漸變成：

「機器人能不能理解、決策並完成任務？」

當機器人從展示場走進工廠、物流中心、商場與辦公室，真正的競爭也會從硬體性能，延伸到AI模型、訓練資料、模擬環境、控制技術以及完整的智慧財產布局。

對AI機器人新創而言，真正值得建立的護城河，未必只是做出一台機器人。

而是讓這台機器人「會做事」的整套技術。

常見問題 FAQ

Q1：什麼是AI機器人？

AI機器人是將人工智慧技術與機器人硬體結合，使機器具備環境感知、任務理解、決策、規劃及動作執行能力。近年生成式AI、多模態模型與強化學習的發展，使機器人逐漸從固定程式控制走向更具自主性的系統。

Q2：什麼是具身智慧（Embodied AI）？

具身智慧通常指AI透過實體或虛擬身體與環境互動，利用感知、決策與行動形成學習及智能。人形機器人、自主移動機器人及智慧機械都是重要應用方向。

Q3：AI機器人的軟體可以申請專利嗎？

可能可以，但必須視具體技術內容及申請國家的專利規定而定。若AI演算法與感測、控制、機器人動作或其他具體技術手段結合，並解決特定技術問題，通常比單純抽象演算法更具有專利布局空間。

Q4：AI模型應該申請專利還是保留營業秘密？

需要依技術是否容易被逆向分析、技術生命週期、公開程度及商業模式個別判斷。實務上常採取專利與營業秘密並行，而不是二選一。

Q5：AI機器人公司的核心智慧財產有哪些？

除了專利之外，通常還包括AI模型、訓練資料、軟體程式碼、演算法、模型參數、工程Know-how、商標、著作權及營業秘密。

灃郁觀點

AI與機器人的結合，使智慧財產布局開始跨越傳統的機械、電子與軟體分類。

一套AI機器人系統，可能同時包含機械結構、感測器、控制技術、AI模型、訓練資料、軟體程式與工程Know-how。

因此，企業在規劃智慧財產時，需要先辨識真正創造產品差異化的核心技術，再決定哪些適合申請專利、哪些應採取營業秘密管理。

灃郁長期協助企業與新創團隊進行AI專利、軟體專利、機器人專利、專利前案檢索、競爭者專利分析、專利布局、營業秘密策略、專利鑑價與技術作價。

對AI及機器人新創而言，越早建立完整的智慧財產架構，越能在後續募資、技術授權、國際合作及企業價值評估時，清楚說明自己的核心技術究竟掌握在哪裡。

灃郁國際智權運營股份有限公司｜灃郁專利商標事務所

AI專利｜軟體專利｜機器人專利｜專利布局｜專利檢索分析｜專利鑑價｜技術作價｜智慧財產運營