7/18 黃仁勳預言：AI下一波主流不是『軟體』科學，而是「這個」！

圖源／美聯社

NVIDIA 執行長黃仁勳近日拋出震撼彈！他表示，如果能回到大學時代，他會選擇鑽研物理科學，而非軟體科學，因為這將是 AI 未來的主流趨勢。這番話讓許多正在考慮科系或轉職的人開始思考：難道我們對 AI 的認知都錯了嗎？

從感知到物理：AI 的演進之路

黃仁勳指出，AI 歷經了幾個發展階段：

感知人工智慧 (Perception AI)：這是 AI 的第一個浪潮，讓機器能夠感知環境，例如影像辨識、語音辨識等。
生成式人工智慧 (Generative AI)：第二波浪潮，AI 模型學會理解資訊並生成新的內容，像是大家熟悉的 ChatGPT 生成文字、Midjourney 生成圖像等。
推理人工智慧 (Reasoning AI)：我們正處於這個階段，AI 不僅能理解、生成，還能解決問題、識別從未見過的情況，甚至創造出具有推理能力的數位機器人，也就是代理型人工智慧 (Agent AI)。微軟和 Salesforce 等科技巨頭都已將 AI 代理視為重點發展領域。

而黃仁勳口中的「下一波浪潮」，正是「物理人工智慧 (Physical AI)」。

為何黃仁勳獨鍾物理科學？

黃仁勳雖然沒有詳盡解釋他選擇物理科學的原因，但他對物理人工智慧的極度看好，已經透露了端倪。

他強調，未來的 AI 將需要深入理解物理定律，包括摩擦力、慣性、因果關係等。這表示 AI 不僅要會「算」，更要會「理解」真實世界的運作方式。

例如，如何預測球會滾到哪裡？抓住物體時需要多大的力量才不會損壞？甚至判斷車後是否有行人？這些都涉及物理推理能力，甚至像是物體永久性（即使不在視線範圍內，物體依然存在）這種概念，都將在 AI 下一階段扮演關鍵角色。

這與過去強調程式碼、演算法的軟體科學有顯著差異。未來 AI 的發展，將更著重於如何讓 AI 與物理世界互動、理解並操作物理實體。

物理 AI 的實際應用與未來展望

當物理人工智慧與機器人這個物理實體結合，就成了大家耳熟能詳的機器人技術 (Robotics)。黃仁勳提到，這對 NVIDIA 來說非常重要，因為他們正在全球各地建造高度自動化的工廠，以應對嚴重的勞動力短缺問題。

根據國際機器人聯合會 (IFR) 的調查數據，全球工業機器人的安裝量持續成長，2024 年全球共安裝了超過 55.3 萬台新型工業機器人，創下歷史新高。這也側面證實了自動化和機器人技術的龐大需求。

未來，工廠將更智慧、更自主，這都離不開物理人工智慧的推進。

此外，物理 AI 的應用不只在製造業，還將擴展到自動駕駛、醫療手術機器人、智慧物流、太空探索等更多需要與物理世界深度互動的領域。

延伸閱讀：PChome新聞 / OpenAI、Googe、Meta專家提醒：我們可能會漸漸失去監督AI的能力？

台灣 AI 人才的挑戰與機會

黃仁勳的「物理科學」論點，無疑為台灣的教育界和產業帶來了新的思考方向。過去我們可能更側重於軟體開發，但未來若要跟上物理 AI 的浪潮，跨領域人才的培養將成為關鍵。

台灣在半導體、精密機械等硬體製造方面具有優勢，若能將這些硬體實力與物理科學的理論基礎結合，並導入人工智慧的應用，將有機會在物理 AI 的領域佔據一席之地。

這也意味著，對學生而言，除了資訊工程、電機工程，物理系、機械系、材料系甚至化學系等基礎科學領域，在 AI 時代的價值將重新被定義。

想了解更多關於AI、科技與生活趨勢的深度分析嗎？歡迎點擊這裡加入討論交換心得：AI 工具應用蒐奇 /

https://line.me/ti/g2/gMUWGpbDuW4nyWg5yF0tl-ap7PmL7QH8-mZAhg，內有各領域大神人數常爆滿！快加入掌握更多精彩內容！

常見問答

Q1：黃仁勳說的「物理科學」具體包含哪些領域？

A1：物理科學是一個廣泛的學科，主要研究非生命系統。它通常包括物理學、化學、天文學和地球科學。在 AI 的應用上，特別是物理學和機械工程的知識，將會越來越重要。

Q2：是不是現在念軟體科學就沒前途了？

A2：當然不是！軟體科學依然是 AI 發展的基石，沒有強大的軟體支援，物理 AI 也無法運作。黃仁勳的意思是，未來的 AI 將需要更深厚的物理理解能力，因此結合軟體和物理的跨領域人才會更吃香。軟體工程師若能補強物理或機械相關知識，將更具競爭力。

Q3：台灣的學校有相關的科系或課程可以學習嗎？

A3：台灣許多大學都設有物理系、機械工程系、材料科學系等，這些都是物理科學的基礎。近年來，許多學校也開始推動跨領域學程，鼓勵學生修習人工智慧、機器人相關課程。建議可以多方查詢各校的課程規劃，或是參加相關的產業實習，為未來做準備。