COMPUTEX 2026／機器人為何學不會走路？NXP執行長脊髓反射解密實體AI關鍵
記者黃仁杰／台北報導
當生成式AI快速從雲端走向真實世界，從人形機器人、自駕車到智慧工廠，究竟什麼樣的AI，才能真正進入現實世界獨立運作？COMPUTEX 2026今（3）日進入第二天，恩智浦半導體（NXP Semiconductors）NXP執行長 Rafael Sotomayor於COMPUTEX主題演講中，從足球巨星梅西（Lionel Messi）的一個動作開始，回答實體AI（Physical AI）最大的挑戰。
Sotomayor指出，真正頂尖的智慧並非來自複雜推理，而是來自反射（Reflex）。而未來機器人若想進入真實世界，必須先學會像人類一樣「先反應、再思考」。
梅西之所以偉大 關鍵不在思考而在反射
Rafael Sotomayor開場便拋出問題。
「什麼是頂尖（Elite）？」
如果把目光放到世界級運動員身上，你會發現他們並不是因為體能特別好，也不是因為比別人更了解規則而成為頂尖選手。真正的差異，在於能夠在極高壓力下，以最高水準完成任務。
他以梅西為例指出，當梅西帶球突破、面對守門員時，往往能在最後一瞬間決定射門方向。從觀察、判斷到執行動作的極短時間差，可能是地球上最精密的智慧表現之一。
更重要的是，梅西並不是靠思考完成這些動作。
「他的反射正在替他思考。」
Rafael Sotomayor認為，人類超過95%的日常行為其實都不是透過意識完成。調整坐姿、移動雙手、維持平衡，甚至走路，大多來自反射系統的自動運作。而這也帶出機器人產業長期面臨的「Moravec悖論（Moravec’s Paradox）」。
AI會下棋卻不會摺衣服 反射才是最難複製的能力
Moravec悖論指出，看似困難的人類能力，例如下棋、數學推理或解決複雜問題，對電腦而言反而相對容易。相反地，人類習以為常的事情，例如走路、抓取物品、摺衣服或維持平衡，卻是機器人最難克服的挑戰。
Rafael Sotomayor表示，這是因為反射與動作控制遠比語言理解與推理更接近真實世界。
當AI從雲端走向邊緣（Edge），進入汽車、工廠與機器人場域後，真正重要的已不只是模型規模，而是能否在極短時間內完成決策與執行。
「AI正在進入真實世界，而真實世界需要的是低延遲、低功耗、高安全性與高可靠度。」
為了解釋反射的重要性，Rafael Sotomayor分享自己當天早上的親身經歷。由於時差影響，精神有些渙散，在距離會場不遠處過馬路時，差點被一輛腳踏車撞上。
他表示，大腦皮質（Cerebrum）的反應時間約為300毫秒，但在那一瞬間，真正救他的並不是負責推理與決策的大腦。
「當我像貓一樣跳開時，大腦根本還沒反應過來。」真正發揮作用的是脊髓（Spinal Cord）。
他進一步舉例，當人手碰到燙的東西時，訊號會先送到脊髓，脊髓立即命令肌肉縮手。等大腦意識到發生什麼事時，手早已經縮了回來。人類其實是先行動、再思考，而這套機制，正是未來Physical AI必須複製的能力。
NXP提出Neural Axis架構 模仿人類神經系統
基於上述觀察，NXP提出名為「Neural Axis（神經軸）」的新架構。
Rafael Sotomayor認為，人類智慧之所以能夠有效運作，並不是因為擁有一顆更大的大腦，而是因為智慧被分散在不同層級。
Neural Axis將智慧拆分為推理（Reasoning）、協調（Coordination）與反射（Reflex）三個層級，讓不同運算單元各自負責不同任務。
其中推理層負責規劃與決策，協調層負責系統運作與控制，而反射層則直接處理即時反應。三個層級彼此獨立，但又高度協同運作。
NXP認為，未來機器人、自駕車與工業設備都將採用類似架構，而非依賴單一中央AI模型控制所有功能。
從無人機到人形機器人 NXP秀出完整晶片布局
除了架構概念之外，NXP也同步展示其Physical AI產品藍圖。
在無人機領域，NXP透過Neural Axis架構將飛行規劃、飛行控制與馬達執行分散到不同層級處理器，以確保飛行穩定性與低延遲反應能力。
在汽車市場，NXP則主打5奈米S32N中央運算平台，負責ADAS與車輛動態協調；搭配S32Z與S32E系列處理器，管理煞車、懸吊等安全關鍵功能。
Rafael Sotomayor表示，這也是NXP能夠在軟體定義汽車（SDV）市場建立領先地位的重要原因。
至於市場高度關注的人形機器人，NXP則推出T-Series處理器系列，將控制能力直接部署到關節、手部與各種執行器節點。
Rafael Sotomayor描述一個場景，假設機器人在倉庫搬運昂貴且易碎的包裹，途中突然遭受碰撞，系統必須在40毫秒內完成恢復平衡、確認包裹狀態、重新調整握力、判斷位置並繼續前進。
這些任務無法依賴雲端模型推理，也不能等待網路傳輸。
「智慧必須存在於身體本身，存在於關節、手掌與每一個控制節點。」
光會動還不夠 機器人還得理解世界
然而，能夠穩定運動仍然不夠。
Rafael Sotomayor指出，一台機器人即使能完美抓起一瓶糖漿，也不代表它知道瓶子傾斜後液體會流出來。
它需要理解重力、慣性與摩擦力等物理規則。
因此產業開始投入世界模型（World Model）與視覺語言動作模型（Vision-Language-Action，VLA）開發，希望讓機器人建立對現實世界的理解能力。
不過，大部分VLA模型都是在雲端訓練完成，難以直接部署到功耗與記憶體資源有限的邊緣設備。
為此，NXP同步展示eIQ Toolkit工具鏈，可將雲端模型進行量化（Quantization）、剪枝（Pruning）與最佳化編譯，使其能夠運行於實際機器人與工業設備之上。
Rafael Sotomayor形容，世界模型就像電影《駭客任務》中直接下載知識的概念，讓機器人不需要實際跌倒上千次，也能學會如何在真實世界中行動。
實體AI真正考驗非算力 而是信任
在演講最後，Rafael Sotomayor認為，未來Physical AI最大的挑戰並非效能，而是信任（Trust）。
因為當AI進入醫療、自駕車與工業控制等場景時，錯誤不再只是數位世界中的一個Bug，而可能演變成交通事故、工業災害甚至醫療風險。
「你可以透過軟體更新修復程式錯誤，但無法透過軟體更新修復一根斷掉的骨頭。」
因此NXP提出Contain（隔離）、Protect（保護）與Verify（驗證）三大信任框架，並結合SafeAssure驗證計畫，將安全與可信任機制直接設計進晶片架構中。
目前相關技術已導入Boston Dynamics機器人平台、智慧工廠以及醫療設備市場。NXP引用客戶案例指出，部分導入Physical AI系統的應用場域已可提升約40%生產力，而醫療診斷機器人市場需求更在2025年出現超過650%的成長。
不同於近兩年AI產業聚焦大型語言模型與算力競賽，NXP認為下一波產業競爭核心將從雲端推理能力，轉向真實世界中的即時決策能力。
Rafael Sotomayor表示，AI產業過去十年都在打造更強大的「大腦」，但下一個十年真正重要的，將是如何建立屬於機器的「神經系統」。
「Physical AI的未來，不是打造更大的大腦，而是把智慧放在最需要它的地方。」
隨著人形機器人、自駕車與智慧設備逐步走出實驗室，這場競賽的關鍵，或許不再是誰擁有最大的模型，而是誰能讓機器像人類一樣，在真實世界裡安全地行動、學習與生存。
