Path 03
2026 年，真正把 AI 從螢幕推進現場的，不只是模型公司，而是兩條線同時成熟: 一條是機器人腦與身體，另一條是能用合理延遲與成本支撐部署的推論基礎設施。
最後校對：2026 年 4 月 18 日。以下內容以官方新聞稿、官方技術文件與官方產品頁為主；涉及性能、吞吐與部署規模時，會明確視為供應商自述，不把宣稱包裝成第三方定論。
Reading Guide
重點不是影片好不好看，而是有沒有持續把模型推進長時任務、真實場域與資料飛輪。
看供應商是否已經走到 API、雲服務、開發工具與可購買產品，而不是只停在實驗室。
真正難追的是資料、軟硬整合、場域合作與部署經驗，不是單一模型分數或單代晶片。
Embodied 01
Figure AI 在 2026 年最值得注意的，不是單一人形機器人的噱頭，而是它持續把 Helix 從「上半身操作」往「全身自主」推進，並同步建資料、算力與部署場景。
實務判讀： Figure 值得追的地方，在於它已經把「資料飛輪、模擬與真實部署」綁在一起。若這條線成立，機器人公司的護城河就不只是一台機器，而是持續收集與再訓練的能力。
Embodied 02
Physical Intelligence 不是先賣單一產品，而是想把通用機器人 foundation model 變成一個新的技術層。它的官方網站到 2026 年 4 月仍主要圍繞 late-2025 的研究節點，這本身就是一個訊號：公司仍把重心放在能力積累而非過度商業包裝。
實務判讀： 如果你要找的是「機器人版基礎模型公司」，Physical Intelligence 很有代表性。但這類公司距離大規模商業化仍有不確定性，讀它要更重視研究節奏與泛化能力，而不是短期營收故事。
Embodied 03
Skild AI 的打法很鮮明：不是為某一種機器人打造腦，而是主張 one brain for any robot。這會讓它的商業路線自然橫跨物流、工業與高風險場景。
實務判讀： 當一家機器人 AI 公司開始用收購換取真實部署資料與客戶入口，它就不再只是研究故事，而是朝平台化與產業控制點移動。
Embodied Summary
2026 年的機器人戰場，已經不是「誰先做出 humanoid」這麼簡單，而是誰更能把資料蒐集、真實場域、控制模型、感測整合與後續部署成本一起閉環。若你剛讀完 基礎模型與安全智能，這一頁就是從數位世界跨進物理世界的延伸。
Inference Layer
Cerebras 的核心敘事是 wafer-scale 與極高速推論。官方 2025 年新聞稿提到北美與歐洲新 datacenters，2026 年公司部落格更把重點放在「fast inference」已成為市場主軸。這代表它正在把產品定位從研究級訓練，轉向可被企業採購的推論基礎設施。
看點： 若一家公司一直強調速度與資料中心擴張，真正要追的是實際客戶採用、API 可用性與總擁有成本，而不只是一顆晶片有多大。
Groq 到 2026 年的關鍵訊號有三個：一是 2025 年 Compound 在 GroqCloud 進入 GA，二是 2025 年 12 月與 Nvidia 達成非獨家 inference technology licensing agreement，三是 2026 年平台文件持續顯示模型輪替速度很快。它在押的是低延遲推論會變成 agent、語音與即時系統的底層標準。
看點： Groq 的勝負手不是 benchmark 漂不漂亮，而是能否持續把新模型、agent workflows 與低延遲 API 商品化。
Tenstorrent 的特色是把 open stack、RISC-V、chiplet 與可購買硬體產品綁在一起。2026 年 CES 官方宣布與 Razer 合作的 compact AI accelerator device，同時官方也把 TT-Forge 編譯棧推到 public beta，說明它正在從 IP 公司走向更完整的平台供應商。
看點： 如果市場想降低單一 GPU 供應商風險，Tenstorrent 這類公司就有戰略價值，但前提是軟體工具鏈足夠成熟。
Practical Checklist
官方 demo 可當成方向指標，但不能直接等同可量產能力。要另看量產、合作場域與資料蒐集機制。
如果沒有 compiler、runtime、API、模型支援與採購方案，再快的硬體也很難擴張。
對機器人公司來說，最值錢的不一定是硬體 BOM，而是能不能持續蒐集高品質場域資料。
國防、機器人與高效能硬體都可能牽涉安全驗證、商用限制與出口規範，不能把技術文章當採購建議。
Cross-Reading
Official Sources
Recommended Reading