出版公告：《人與AI・機器人協作／AI員工／AI時代勞動力投資組合／人才智能／原生AI組織白皮書 2026年版》
次世代社會系統研究開發機構 (INGS) 發布了 2026 年版白皮書，詳細闡述了人與AI和機器人協作的路線圖，探討它們如何從單純的工具轉變為實體與數位空間中的自主「數位員工」。
📋 文章處理履歷
- 📰 發表: 2026年4月1日 22:10
- 🔍 收集: 2026年4月1日 16:47
- 🤖 AI分析完成: 2026年4月17日 12:25（收集後379小時38分鐘）
一般社團法人 次世代社會系統研究開發機構 (INGS) 於 2026 年 4 月 1 日宣布發行《人與AI・機器人協作／AI員工／AI時代勞動力投資組合／人才智能／原生AI組織白皮書 2026年版》並公布其概要。
## 來自本白皮書編輯團隊的訊息
## 核心信息
將AI員工和數位員工視為「勞動力」而非「工具」來管理的時代已經到來。
世界經濟論壇（WEF）的《2025年未來工作報告》預測，到 2027 年，所有產業中將有 40% 的職務技能發生轉變，同時記錄了 22 種AI相關職務的激增以及 7,800 萬個工作被取代的風險。
在哈佛商學院對 776 名寶潔（P&G）員工進行的實驗中，與AI協作的團隊在統計學意義上顯著優於單獨作業的員工。正如 Karim Lakhani 教授所言：「AI不再是工具，而是團隊成員。」未能實現這種認知轉變的組織，將會被競爭對手奪走「人才」。
正如 Google DeepMind Genie 2・3、Physical Intelligence π0・π0.5、WorldLabs 的 Marble3D、Meta V-JEPA 2 等次世代模型群所展示的，AI 已經開始超越數位空間，嵌入到物理流程本身。工業 5.0（Industry 5.0）所倡導的「以人為本的自動化」理念，如今已透過國際標準 ISO/TS 15066（人機協作安全標準）以及第四代工業機器人的現場實施，開始具體成形。
然而，比數字更重要的是協作「空間」已經改變的事實。與 AI 的協作不再僅限於數位螢幕之中。
在工廠車間，協作機器人（Cobot）在符合 ISO/TS 15066 的安全設計下與人類並肩工作；在倉庫中，AMR（自主移動機器人）和 AGV（自動導引車）透過 AITL（Agent-in-the-Loop，代理協同）設計，靈活切換自主判斷與將例外狀況轉交給人類處理。
在手術室中，AI 提供診斷支援，同時透過 HITL（Human-in-the-Loop，人機協同）確保醫生的最終判斷。工業 5.0 所倡導的「以人為本的自動化」，在 2026 年已不再是理念，而是現場實施的問題。
HITL（人機協同）／AITL（代理協同）的設計是實現正式生產部署的唯一關鍵 ─ 正如數據顯示「僅有 6% 的企業完全信任代理」，缺乏人類參與設計的 AI 部署注定會失敗。
而現在，顧問諮詢公司本身正在轉變為 AI 最大的實施主體。
McKinsey QuantumBlack 正以 25,000 人的規模橫向部署 AI 代理，Accenture 則將 11,000 名 AI 員工（數位員工）納入其顧問團隊。
PwC 向客戶提供名為 Agent OS 的多代理基礎架構，而 Deloitte、KPMG、IBM 分別透過與 Google Cloud、watsonx 的合作，將 HITL/AITL 設計作為標準服務進行推廣。
大型顧問諮詢公司如今正從建議者轉變為「協作實施者」。這種變化意味著顧問公司作為 AI 戰略外包對象形象的終結，以及作為共同設計合作夥伴的新型協作模式的開始。
因此，本白皮書提出了在「使用AI／機器人」這種說法變得陳腐之後的問題。我們應該問的是 HITL/AITL 的設計哲學本身：在何處應由人類進行判斷，而在何處應委任給代理或協作機器人？
## 應用場景
本白皮書是為那些比起缺乏AI「知識」，更苦於缺乏「判斷結構」的組織而編寫的。以下各個場景，正是這種判斷具有最現實重量的現場。
### ① 急需將 AI 代理過渡至正式生產部署設計的場景
正如 Gartner 調查所示，2026 年企業應用程式中有 40% 已達到整合特定任務型 AI 代理的階段。然而同時，如 Dynatrace 所記錄，在進行代理 AI 概念驗證（PoC）的企業中，有 50% 無法衡量投資回報率（ROI），74% 甚至連衡量 ROI 的方針都沒有。
本白皮書以 MIT CISR、Automation Anywhere、WiserMethod 研究提出的 AI 成熟度五階段模型（從增強搜尋到自訂工具創建）為軸心，剖析了阻礙企業從 PoC 畢業的 4 個結構性因素，並系統性地分析了從第 2 階段過渡到第 3、4 階段所能實現的 EBIT 改善（第 3 階段：+4.7%，第 4 階段：+13.9%）的條件。
從確立 MCP（模型上下文協議）、實施 Agentic RAG，到多代理協同架構的設計準則，網羅了企業級正式部署所需的技術層面。
### ② 製造、物流、醫療現場需要物理層面人機協作設計的場景
協作機器人（Cobot）如今不再是「製造機械」，而是「由 AI 驅動的新同事」。對製造業的數位轉型（DX）負責人來說，導入協作機器人如今已不再是「自動化投資」，而是「重新設計勞動力投資組合」的問題。
符合 ISO/TS 15066 的第四代協作機器人，透過力覺感測器、AI 視覺和即時安全協議，將與人類的物理距離降至零。AMR、AGV 動態地靈活運用基於 AITL 的自主判斷與基於 HITL 的例外處理，正從根本上改變倉庫的人員效率。
利用 AR（擴增實境）對現場操作員進行即時 AI 輔助，可同時提升在品質檢測、設備維護和工程管理中的判斷速度與準確度。
本白皮書進一步詳述了 NVIDIA Cosmos、Google DeepMind Genie、Physical Intelligence π0 系列、Meta V-JEPA 2 所開創的實體 AI（Physical AI）與世界模型技術的業務適用性，以及 Sim-to-Real 技術帶來的機器人部署成本革命，為製造業現場決策層提供了未來 5 年必知的技術地圖。
### ③ 考慮將實體 AI／世界模型（World Model）技術應用於業務的場景
NVIDIA Cosmos、Google DeepMind Genie、Physical Intelligence π0 系列、Meta V-JEPA 2 的出現，正從根本上改寫「用來驅動機器人的 AI」這一概念。
由於 Sim-to-Real 技術的快速進化，將數位空間中的模擬學習轉移到實體機器人上的成本與週期已大幅減少。
本白皮書提供了一個分析框架，以 HITL/AITL 設計的語境，評估這些次世代實體 AI 技術的現狀，以及將其整合至現有生產、物流、醫療和基礎設施管理設備中的可行性。
### ④ 需要針對混合勞動力（人類＋AI代理＋協作機器人）進行人才戰略與組織設計的場景
WEF 在 2025 年警告的 7,800 萬個工作職位被取代，以及 1,900 萬個新職務的創造，正在同時進行。
問題不在於「工作是否會消失」，而在於「如何重新定義哪些角色，以及讓誰學習什麼」的設計速度。
倉庫作業員與 AMR 共享「角色分配協議」，品質管理技術員被重新定義為 AI 視覺系統的 HITL 監控者。製造維護工程師開始扮演「驗證者」的角色，以驗證 AI 進行的預測性維護（Predictive Maintenance）的 AITL 判斷。
Workday 的 Agent System of Record 提供了一個將 AI 代理作為人才管理對象進行註冊、評估與進化的基礎；而 Adecco × Salesforce 的 Salesforce Career Connect 以及 Adecco 的「r.Potential」則將基於技能的招聘與內部職業流動性進行一體化設計。
CoachHub、MY Pi、TalentLMS、Disprz 等 AI 教練平台，正如 BCG 向 18,000 名員工部署 GPT 的案例所展示的，實現了以 1:1 數位教練的規模，全面提升組織整體的 AI 素養。
本白皮書解釋了歐盟 AI 法案（EU AI Act）第 14 條（人類監督義務）在人力資源、製造、醫療領域具體規定了哪些 HITL 設計要求，並提供了指南，說明如何將合規應對措施視為「信任設計的基準線」而非「限制」加以利用。
### ⑤ 將建立 2026〜2030 年整合營運模型列入經營議程的場景
本白皮書的結論並非 2030 年的「未來預測」，而是作為一項「當前的結構性決策」提出，若不現在著手設計便為時已晚。
基於 MAPE-K（監控-分析-計畫-執行-知識）框架的自主型 AI 架構、最小可行組織（MVO）設計原則、AI 複利結構（持續累積特定領域協議與專有智能）的建立——這些都不是技術部門的課題，而是企業經營戰略的核心主題。
白皮書俯瞰包含 Web 4.0、AR/VR/MR 整合、IoT/OT 融合、量子計算（IBM Qiskit AI）在內的技術地平線，並透過將 Gartner 5 階段進化模型與 BCG 3 層變革路線圖交叉融合的「雙軸指南針」，系統性地呈現 2026〜2030 年的路線圖。
### ⑥ 經營戰略・AI投資判斷的場景
─ 企業可根據 88% 的 AI 使用率現狀與「PoC 陷阱」的結構性因素、BCG 的影響力差距理論、Gartner 5 階段進化模型，制定自家的 AI 投資優先順序與全公司部署路線圖。
人力資源・人才戰略制定的場景
─ 可直接應用於應對 WEF「2025 年未來工作」指出的 40% 技能轉變，以及基於技能的招聘、內部職業流動性、績效評估自動化的設計，和人才智能平台的選擇。
數位轉型（DX）・數位工作場所設計的場景
─ 可作為實施 MCP（模型上下文協議）、Agentic RAG、多代理協同架構，以及 20 多種 AI 工作流程模式（HITL 驗證、並行化、迴圈型自我修復等）的實施指南。
合規・治理應對的場景
─ 可獲得關於應對歐盟 AI 法案的差距分析框架、NIST AI RMF、SOC 2 Type 2 合規，以及代理行為審計軌跡設計的系統性資訊。
### ⑦ 欲將顧問諮詢公司的 AI 部署案例應用於自家戰略制定的場景
全球主要顧問諮詢公司如今已從「談論 AI 的人」轉變為「大規模實施 AI 的主體」。
McKinsey Agents-at-Scale 與 QuantumBlack 在自身營運中證實了相當於 AI 成熟度第 4 階段的全公司部署，並將其作為可重現的實施模式提供給外部。
BCG 透過 ChatGPT Enterprise（18,000 人規模）以及專屬 GPT（Deckster・GENE）的開發，累積了提升生產力的量化證據。
PwC Agent OS 作為 4 層的多代理基礎架構向客戶推廣，而 KPMG × Google Agentspace 則將透過 Agent2Agent 協議進行的跨代理協作作為標準實施。
IBM watsonx + IBM Garage 將醫療保健、人力資源、製造領域的 HITL/AITL 設計體系化，作為從 PoC 過渡到正式生產的模式；NTT DATA 與 NRI 則發布了 AI CoE 設計指南，以突破日本市場特有的「從 PoC 到 PoC（遲遲無法正式上線）」的障礙。
本白皮書橫向分析了這些公司的 AI 實施架構與部署手法，並以可直接作為自家 AI 戰略制定「參考模型」的結構進行呈現。
## 行動計畫／提議要點
本白皮書針對管理層與組織提出的行為準則可歸納為以下 5 點。
### ① 識別從 PoC 畢業的「4 道牆」並尋求突破
MIT CISR 數據顯示，從第 2 階段過渡到第 3 階段所帶來的 EBIT +4.7% 增長，比起技術成熟度，更關乎組織的承諾。在構成 PoC 陷阱的 4 個結構性因素（缺乏 ROI 測量、缺乏 HITL 設計、缺乏跨組織治理、未與 KPI 連結）中，利用本白皮書的診斷框架找出適用於貴公司的因素，並在本期內制定與 AI CoE（卓越中心）權限設計相連動的過渡計畫。
### ② 在所有業務流程中完整描繪 HITL/AITL 的「委任地圖」
Gartner 指出的「僅有 6% 完全信任」的現實表明了一個結構性事實：缺乏階段性建立信任的自主化將增加組織風險。
利用本白皮書提出的 HITL（人類最終判斷）、AITL（代理自主處理）、HOTL（Human-On-The-Loop：透過統計品質管理進行高階監控）3 種模式分類，為貴公司所有主要業務流程繪製「委任地圖」。應將歐盟 AI 法案第 14 條的人類監督義務作為其外部的強制驅動力。
### ③ 將協作機器人（Cobot）・AMR 的導入與 HITL 設計一體化推進
## 來自本白皮書編輯團隊的訊息
## 核心信息
將AI員工和數位員工視為「勞動力」而非「工具」來管理的時代已經到來。
世界經濟論壇（WEF）的《2025年未來工作報告》預測，到 2027 年，所有產業中將有 40% 的職務技能發生轉變，同時記錄了 22 種AI相關職務的激增以及 7,800 萬個工作被取代的風險。
在哈佛商學院對 776 名寶潔（P&G）員工進行的實驗中，與AI協作的團隊在統計學意義上顯著優於單獨作業的員工。正如 Karim Lakhani 教授所言：「AI不再是工具，而是團隊成員。」未能實現這種認知轉變的組織，將會被競爭對手奪走「人才」。
正如 Google DeepMind Genie 2・3、Physical Intelligence π0・π0.5、WorldLabs 的 Marble3D、Meta V-JEPA 2 等次世代模型群所展示的，AI 已經開始超越數位空間，嵌入到物理流程本身。工業 5.0（Industry 5.0）所倡導的「以人為本的自動化」理念，如今已透過國際標準 ISO/TS 15066（人機協作安全標準）以及第四代工業機器人的現場實施，開始具體成形。
然而，比數字更重要的是協作「空間」已經改變的事實。與 AI 的協作不再僅限於數位螢幕之中。
在工廠車間，協作機器人（Cobot）在符合 ISO/TS 15066 的安全設計下與人類並肩工作；在倉庫中，AMR（自主移動機器人）和 AGV（自動導引車）透過 AITL（Agent-in-the-Loop，代理協同）設計，靈活切換自主判斷與將例外狀況轉交給人類處理。
在手術室中，AI 提供診斷支援，同時透過 HITL（Human-in-the-Loop，人機協同）確保醫生的最終判斷。工業 5.0 所倡導的「以人為本的自動化」，在 2026 年已不再是理念，而是現場實施的問題。
HITL（人機協同）／AITL（代理協同）的設計是實現正式生產部署的唯一關鍵 ─ 正如數據顯示「僅有 6% 的企業完全信任代理」，缺乏人類參與設計的 AI 部署注定會失敗。
而現在，顧問諮詢公司本身正在轉變為 AI 最大的實施主體。
McKinsey QuantumBlack 正以 25,000 人的規模橫向部署 AI 代理，Accenture 則將 11,000 名 AI 員工（數位員工）納入其顧問團隊。
PwC 向客戶提供名為 Agent OS 的多代理基礎架構，而 Deloitte、KPMG、IBM 分別透過與 Google Cloud、watsonx 的合作，將 HITL/AITL 設計作為標準服務進行推廣。
大型顧問諮詢公司如今正從建議者轉變為「協作實施者」。這種變化意味著顧問公司作為 AI 戰略外包對象形象的終結，以及作為共同設計合作夥伴的新型協作模式的開始。
因此，本白皮書提出了在「使用AI／機器人」這種說法變得陳腐之後的問題。我們應該問的是 HITL/AITL 的設計哲學本身：在何處應由人類進行判斷，而在何處應委任給代理或協作機器人？
## 應用場景
本白皮書是為那些比起缺乏AI「知識」，更苦於缺乏「判斷結構」的組織而編寫的。以下各個場景，正是這種判斷具有最現實重量的現場。
### ① 急需將 AI 代理過渡至正式生產部署設計的場景
正如 Gartner 調查所示，2026 年企業應用程式中有 40% 已達到整合特定任務型 AI 代理的階段。然而同時，如 Dynatrace 所記錄，在進行代理 AI 概念驗證（PoC）的企業中，有 50% 無法衡量投資回報率（ROI），74% 甚至連衡量 ROI 的方針都沒有。
本白皮書以 MIT CISR、Automation Anywhere、WiserMethod 研究提出的 AI 成熟度五階段模型（從增強搜尋到自訂工具創建）為軸心，剖析了阻礙企業從 PoC 畢業的 4 個結構性因素，並系統性地分析了從第 2 階段過渡到第 3、4 階段所能實現的 EBIT 改善（第 3 階段：+4.7%，第 4 階段：+13.9%）的條件。
從確立 MCP（模型上下文協議）、實施 Agentic RAG，到多代理協同架構的設計準則，網羅了企業級正式部署所需的技術層面。
### ② 製造、物流、醫療現場需要物理層面人機協作設計的場景
協作機器人（Cobot）如今不再是「製造機械」，而是「由 AI 驅動的新同事」。對製造業的數位轉型（DX）負責人來說，導入協作機器人如今已不再是「自動化投資」，而是「重新設計勞動力投資組合」的問題。
符合 ISO/TS 15066 的第四代協作機器人，透過力覺感測器、AI 視覺和即時安全協議，將與人類的物理距離降至零。AMR、AGV 動態地靈活運用基於 AITL 的自主判斷與基於 HITL 的例外處理，正從根本上改變倉庫的人員效率。
利用 AR（擴增實境）對現場操作員進行即時 AI 輔助，可同時提升在品質檢測、設備維護和工程管理中的判斷速度與準確度。
本白皮書進一步詳述了 NVIDIA Cosmos、Google DeepMind Genie、Physical Intelligence π0 系列、Meta V-JEPA 2 所開創的實體 AI（Physical AI）與世界模型技術的業務適用性，以及 Sim-to-Real 技術帶來的機器人部署成本革命，為製造業現場決策層提供了未來 5 年必知的技術地圖。
### ③ 考慮將實體 AI／世界模型（World Model）技術應用於業務的場景
NVIDIA Cosmos、Google DeepMind Genie、Physical Intelligence π0 系列、Meta V-JEPA 2 的出現，正從根本上改寫「用來驅動機器人的 AI」這一概念。
由於 Sim-to-Real 技術的快速進化，將數位空間中的模擬學習轉移到實體機器人上的成本與週期已大幅減少。
本白皮書提供了一個分析框架，以 HITL/AITL 設計的語境，評估這些次世代實體 AI 技術的現狀，以及將其整合至現有生產、物流、醫療和基礎設施管理設備中的可行性。
### ④ 需要針對混合勞動力（人類＋AI代理＋協作機器人）進行人才戰略與組織設計的場景
WEF 在 2025 年警告的 7,800 萬個工作職位被取代，以及 1,900 萬個新職務的創造，正在同時進行。
問題不在於「工作是否會消失」，而在於「如何重新定義哪些角色，以及讓誰學習什麼」的設計速度。
倉庫作業員與 AMR 共享「角色分配協議」，品質管理技術員被重新定義為 AI 視覺系統的 HITL 監控者。製造維護工程師開始扮演「驗證者」的角色，以驗證 AI 進行的預測性維護（Predictive Maintenance）的 AITL 判斷。
Workday 的 Agent System of Record 提供了一個將 AI 代理作為人才管理對象進行註冊、評估與進化的基礎；而 Adecco × Salesforce 的 Salesforce Career Connect 以及 Adecco 的「r.Potential」則將基於技能的招聘與內部職業流動性進行一體化設計。
CoachHub、MY Pi、TalentLMS、Disprz 等 AI 教練平台，正如 BCG 向 18,000 名員工部署 GPT 的案例所展示的，實現了以 1:1 數位教練的規模，全面提升組織整體的 AI 素養。
本白皮書解釋了歐盟 AI 法案（EU AI Act）第 14 條（人類監督義務）在人力資源、製造、醫療領域具體規定了哪些 HITL 設計要求，並提供了指南，說明如何將合規應對措施視為「信任設計的基準線」而非「限制」加以利用。
### ⑤ 將建立 2026〜2030 年整合營運模型列入經營議程的場景
本白皮書的結論並非 2030 年的「未來預測」，而是作為一項「當前的結構性決策」提出，若不現在著手設計便為時已晚。
基於 MAPE-K（監控-分析-計畫-執行-知識）框架的自主型 AI 架構、最小可行組織（MVO）設計原則、AI 複利結構（持續累積特定領域協議與專有智能）的建立——這些都不是技術部門的課題，而是企業經營戰略的核心主題。
白皮書俯瞰包含 Web 4.0、AR/VR/MR 整合、IoT/OT 融合、量子計算（IBM Qiskit AI）在內的技術地平線，並透過將 Gartner 5 階段進化模型與 BCG 3 層變革路線圖交叉融合的「雙軸指南針」，系統性地呈現 2026〜2030 年的路線圖。
### ⑥ 經營戰略・AI投資判斷的場景
─ 企業可根據 88% 的 AI 使用率現狀與「PoC 陷阱」的結構性因素、BCG 的影響力差距理論、Gartner 5 階段進化模型，制定自家的 AI 投資優先順序與全公司部署路線圖。
人力資源・人才戰略制定的場景
─ 可直接應用於應對 WEF「2025 年未來工作」指出的 40% 技能轉變，以及基於技能的招聘、內部職業流動性、績效評估自動化的設計，和人才智能平台的選擇。
數位轉型（DX）・數位工作場所設計的場景
─ 可作為實施 MCP（模型上下文協議）、Agentic RAG、多代理協同架構，以及 20 多種 AI 工作流程模式（HITL 驗證、並行化、迴圈型自我修復等）的實施指南。
合規・治理應對的場景
─ 可獲得關於應對歐盟 AI 法案的差距分析框架、NIST AI RMF、SOC 2 Type 2 合規，以及代理行為審計軌跡設計的系統性資訊。
### ⑦ 欲將顧問諮詢公司的 AI 部署案例應用於自家戰略制定的場景
全球主要顧問諮詢公司如今已從「談論 AI 的人」轉變為「大規模實施 AI 的主體」。
McKinsey Agents-at-Scale 與 QuantumBlack 在自身營運中證實了相當於 AI 成熟度第 4 階段的全公司部署，並將其作為可重現的實施模式提供給外部。
BCG 透過 ChatGPT Enterprise（18,000 人規模）以及專屬 GPT（Deckster・GENE）的開發，累積了提升生產力的量化證據。
PwC Agent OS 作為 4 層的多代理基礎架構向客戶推廣，而 KPMG × Google Agentspace 則將透過 Agent2Agent 協議進行的跨代理協作作為標準實施。
IBM watsonx + IBM Garage 將醫療保健、人力資源、製造領域的 HITL/AITL 設計體系化，作為從 PoC 過渡到正式生產的模式；NTT DATA 與 NRI 則發布了 AI CoE 設計指南，以突破日本市場特有的「從 PoC 到 PoC（遲遲無法正式上線）」的障礙。
本白皮書橫向分析了這些公司的 AI 實施架構與部署手法，並以可直接作為自家 AI 戰略制定「參考模型」的結構進行呈現。
## 行動計畫／提議要點
本白皮書針對管理層與組織提出的行為準則可歸納為以下 5 點。
### ① 識別從 PoC 畢業的「4 道牆」並尋求突破
MIT CISR 數據顯示，從第 2 階段過渡到第 3 階段所帶來的 EBIT +4.7% 增長，比起技術成熟度，更關乎組織的承諾。在構成 PoC 陷阱的 4 個結構性因素（缺乏 ROI 測量、缺乏 HITL 設計、缺乏跨組織治理、未與 KPI 連結）中，利用本白皮書的診斷框架找出適用於貴公司的因素，並在本期內制定與 AI CoE（卓越中心）權限設計相連動的過渡計畫。
### ② 在所有業務流程中完整描繪 HITL/AITL 的「委任地圖」
Gartner 指出的「僅有 6% 完全信任」的現實表明了一個結構性事實：缺乏階段性建立信任的自主化將增加組織風險。
利用本白皮書提出的 HITL（人類最終判斷）、AITL（代理自主處理）、HOTL（Human-On-The-Loop：透過統計品質管理進行高階監控）3 種模式分類，為貴公司所有主要業務流程繪製「委任地圖」。應將歐盟 AI 法案第 14 條的人類監督義務作為其外部的強制驅動力。
### ③ 將協作機器人（Cobot）・AMR 的導入與 HITL 設計一體化推進
常見問題
什麼是HITL和AITL？
HITL（人機協同，Human-in-the-Loop）是指在AI流程中引入人類判斷的設計；AITL（代理協同，Agent-in-the-Loop）則是讓AI代理進行自主判斷，並將例外情況轉交人類處理的設計。
這份白皮書的目標讀者是誰？
主要面向致力於全面導入AI的企業高層、製造與物流行業的數位轉型（DX）領導者，以及負責設計混合勞動力組織的人力資源專家。
什麼是實體AI（Physical AI）？
指超越數位空間，透過機器人等設備直接介入現實世界的物理流程，並進行學習、判斷與執行的次世代AI技術。