TL;DR：在 AICON「讓 AI 擁有身體：從大模型邁向物理 AI」分享中，深開鴻 AI 平台部部長唐武琛博士聚焦於一個核心轉變：AI 若要從螢幕裡的語言與推理能力，走進真實世界完成任務，必須同時具備可連接設備的系統底座、可調度的算力，以及真實且完備的資料。換句話說，具身智能不只是替大模型裝上一副機器人外殼，而是要補齊感知、控制、資料與生態協作的整條鏈路。
分享將機器人與具身智能視為 AI 下一階段的重要課題。相較於主要在數位內容中互動的大模型，進入實體環境的 AI 必須面對設備差異、場域變動與任務執行等問題；模型即使能理解指令，也仍需要透過系統與設備能力，才能把理解轉成可驗證的行動。
這可類比為把一位擅長回答問題的助手，帶到真實工廠或工作現場：它不只要「知道怎麼做」，還得看得見環境、連得上各種設備、能控制成本，並在不同條件下持續完成工作。因此，演講中的討論並未把焦點限縮在單一模型，而是延伸到機器人所需的軟硬體協同與平台能力。
物理 AI具身智能機器人場域任務軟硬體協同
「解決現在的機械人。」
— 唐武琛博士
演講提到行業應用中的設備化連接，以及不同廠商、不同品牌之間的連接需求。這指出物理 AI 的第一道門檻：現場設備並非出自同一供應商，也不會天然使用一致的介面。若缺少統一的連接與處理層，AI 能力就難以穩定落到具體設備上。
在算力面向，分享也談到不能只依靠單機算力，並希望支撐多機能力的復用。可將其理解為：單一裝置像是一台獨立工作站，能處理有限任務；面對更複雜或更大規模的應用，平台需要能整合與調度多個節點，讓能力不被單點硬體綁住。
設備連接異質設備多機算力能力復用成本控制
分享中多次提及開放、系統與生態，並指出平台要能支援開發者與更多應用專案。這個方向的關鍵不在於單一產品功能，而在於建立可組合的基礎能力：設備可接入、組件可使用、開發者能在共同底座上延伸場景。對物理 AI 而言，這如同為不同型號的機器人、感測器與應用準備一套共同的「作業系統語言」。
逐字稿提及「Mobiles OS 200版本」及開源規劃：2025 年發布該版本後，預計在 7 月至 11 月完成整個 OS 的開源。由於逐字稿對產品名稱與細節辨識有限，此處僅保留演講中可辨識的版本與時程資訊，不延伸解讀其具體功能。
「2025 發佈了 Mobiles OS 200版本。」
— 唐武琛博士
開放生態開源OS開發者平台組件
演講後段明確將高品質資料列為重點，並提出資料需要具備真實性與完備性。對具身智能而言，資料不只是模型訓練時餵入的文字或影像，更必須能反映真實環境、設備狀態與任務脈絡；若資料與現場脫節，模型再強也可能在實際操作時失準。
因此，物理 AI 的資料工程可視為建立一張能對應現實世界的地圖：除了蒐集資料，更要確認資料是否來自真實情境、是否足以涵蓋任務所需的資訊。分享亦提及設備狀態與以「CMF-S」形式進行處理的內容，但縮寫與具體流程在逐字稿中不夠清楚，無法據此進一步判定技術定義。
「高質量數據，真實性，需要來自行真實，專門完備性。」
— 唐武琛博士
高品質資料真實性完備性設備狀態資料工程