OpenAI 機器人負責人：AI 必須從軟體轉向實體世界

Caitlin Kalinowski，OpenAI 前任機器人與消費硬體主管，認為以鍵盤為基礎的人工智慧正走向飽和，且科技產業必須轉向實體世界。於 Lanny’s Podcast 一集中，Kalinowski 討論從軟體到機器人的轉型，如何需要新的製造能力、供應鏈韌性與安全協定——將企業策略轉變為國家安全議題。

• Caitlin Kalinowski，OpenAI 前任機器人主管 / 照片來源：Caitlin Kalinowski *

軟體進展放緩，當 AI 專注於實體物件

Kalinowski 主張，隨著 AI 實驗室打造出更好的模型，文字生成的價值會降低。「你在鍵盤後面用 AI 能做的事情會走向飽和，」她表示。「下一個前沿是實體世界：機器人、製造與工業化。」

要在這個新時代競爭，公司必須建立實體感測器、運作工廠，並在真實環境中部署機器人，而不是只依賴純數位應用程式。

虛擬實境促成機器人的空間感知能力

根據 Kalinowski 的說法，VR 技術透過解決空間定向問題，為機器人鋪路。「VR 幫助我們理解如何在空間中定位事物，並把一個模擬世界連結到真實世界，」她解釋。「我們弄明白了 SLAM（同步定位與地圖繪製）、深度感測器，以及人類如何感知視覺資料。現在機器人正把這些全部用起來。」

她指出，這種追蹤技術是通用的，現已成為自動駕駛車輛、無人機與製造系統的基礎。

智慧眼鏡面臨生產與社會層面的障礙

從數位程式碼轉向實體可穿戴裝置，會立刻出現挑戰。Kalinowski 指出兩個關鍵障礙：

• 在公共場合的可用性：在移動時要安靜地控制裝置，需要新的互動方式，而目前尚未有能在規模化情況下運作的方法。
• 社會接受度：遮住使用者的臉會打斷正常的人類對話，使得主流採用變得困難。

談到 Meta 的 Orion 智慧眼鏡，Kalinowski 解釋：「Orion 智慧眼鏡比它們的時代略早，因為它們使用的導波板與 microLED 尚未完全準備好進行大規模量產。良率還不夠。成本仍然很高。」

她補充說，VR 也遭遇相同的社會障礙；一旦裝置遮住了臉，消費者採用就會變成一場節節高難的戰役。

全球供應鏈暴露出碎片化問題

即使消費硬體面臨社會層面的阻礙，工業機器人卻揭示脆弱的供應網絡。要擴大產量是主要挑戰——即使設計可靠，公司也會立刻遭遇供應瓶頸。

Kalinowski 勾勒出分層的供應鏈：「從原材料與磁鐵開始……然後把它們加工處理，把它們整合到致動器，再把致動器整合到機器人。供應鏈的每一層都外包給中國、日本與韓國。要有安全的供應鏈，我們需要在這些層面具備獨立性。」

消費電子與軍事武器依賴同樣的全球供應鏈，使 U.S. 在遭遇中斷時變得脆弱。

記憶體成本上升造成財務壓力

硬體軍備競賽正在推高零件成本，迫使產業各方做出困難的營運決策：

• 機器人、手機與資料中心都需要電腦記憶體。
• AI 公司採購了現有可用記憶體的大部分，推動價格上漲。
• 大型企業能吸收更高成本，而較小團隊若在打造消費類小工具，則面臨較低利潤或產品延遲。

Kalinowski 建議：「我一直在建議新創與公司先行預購記憶體，以度過價格飆升。如果像記憶體或矽這樣的關鍵元件受限，你就沒什麼能做。你要嘛就付錢，要嘛你已經預先買夠了。」

當像 RAM 這樣的單一元件變得不可得時，就會迫使整個產品的內部架構重新設計。為了在供應鏈衝擊中活下來，Kalinowski 主張公司必須把製造帶回自家，讓元件消失時能快速轉向設計——類似於特斯拉如何在全球矽短缺中周旋。

機器人安全需要嚴格的協定

確保供應鏈只是次要於公共安全。工程師必須把優先重點放在讓機器人安全且可預測，而不是只是在製作令人印象深刻的示範。

真正的人類-機器人協作仍然很遙遠，因為多數工業機器仍需要嚴格的排除區域。Kalinowski 指出：「你可以拿到一台中國的機器人，但手冊上寫著：『人類不能在這台機器人三英尺內。』目前沒有那麼多機器人，足以在沒有這種警告的情況下做出有意義的工作。」

國防合作需要清楚的倫理界線

部署自主機器人需要公眾信任。將 AI 與國防合約結合，必須明確劃定倫理界線；若缺乏這些界線，公司的聲譽與工程團隊就會支離破碎。

回顧 OpenAI 與國防部的合作，Kalinowski 批評這項決策過於倉促，且缺乏明確的防線。她最後選擇退出，以避免未來的不確定性，並希望自己的離開能讓「其他人更容易談論他們的界線」。

Kalinowski 強調，要避免內部衝突，領導層必須有絕對清楚的定義。AI 研究者與硬體工程師之間的文化落差，造成嚴重的誤解風險。高風險的軍事合約需要共同的任務對齊，才能確保方向一致。

反論點：軟體可能並未走向飽和

雖然 Kalinowski 對實體世界的論點很有說服力，但軟體顯然尚未走到天花板。Gartner 預測，全球 AI 支出在 2026 年將達到 2.52 兆美元；而搭載代理式 AI 的供應鏈軟體，預期將從 2025 年不到 20 億美元成長到 2030 年的 530 億美元。這暗示下一波未必是從軟體乾淨地轉向硬體，而可能是混合循環：軟體代理程式愈來愈多地在實體 AI 的背後運行工廠、物流系統與工業工作流程。

供應鏈限制不止於「把製造搬進自家」

供應鏈論點面臨的限制，比單純把製造帶回自家更嚴苛。根據 2026 年 5 月 Reuters 的報導，中國仍提煉了全球 90% 以上的稀土，而 RSIS 指出，中國的 2025 年管制鎖定的是特定稀土磁鐵與分離技術。垂直整合或許能讓公司反應更快，但它無法完全解決上游對材料、加工 know-how 與出口許可所造成的依賴；這些因素都不在任何單一公司的工廠圍牆之內。

機器人安全標準正在演進

Kalinowski 對機器人安全與國防用途的擔憂，正變得不如她暗示的那樣是個空白地帶。ISO 已更新 10218-1:2025 的機器人安全要求；而根據 Association for Advancing Automation 的說法，美國的 ANSI/A3 R15.06-2025 修訂版也已正式承認網路安全漏洞是實體安全風險。

OpenAI 也在 2026 年表示，其與國防部的協議包含明確的紅線與分層的防護欄。這並未消除倫理上的緊張，但顯示產業正在開始把「實體 AI」的規則制度化，而不是在沒有任何安全架構的情況下就把機器人與國防一起推進。