當農夫平均年齡逼近 60，AI 的真正戰場在農田、礦場與工地

本文整理自 Lenny's Podcast 2026 年 3 月播出的單集。

{{< youtube _rcniEb9bLw >}}

{{< spotify "episode/0ruAnX2TP3ML3lEqtnOtB3" >}}

{{< apple-podcast "tw/podcast/the-most-successful-ai-company-youve-never-heard/id1627920305?i=1000753869845" >}}

---

十年後，誰來種田？

美國農夫的平均年齡已經逼近 60 歲。這個數字意味著，再過十年，大量農夫將退休，而年輕世代願意接手務農的人遠遠不夠。這不只是美國的問題，全球農業都面臨類似的勞動力斷層。礦業和建築業也有同樣的困境：工作環境惡劣、年輕勞動力不足、資深工人逐漸老去。

自駕車軟體基礎設施公司 Applied Intuition 的共同創辦人暨執行長尤尼斯（Qasar Younis）在 Lenny's Podcast 的訪談中，拋出了一個與主流 AI 敘事截然不同的觀點。他認為，未來五到十年，AI 最大的影響不會發生在軟體產業，而是在農業、礦業和建築這些「沒有人在討論」的領域。這些產業對自主化技術的需求，比任何寫程式的工具都來得迫切。

為什麼實體世界比軟體更需要 AI

打開科技媒體，AI 的討論幾乎被軟體佔滿：ChatGPT、AI 程式助手、自動生成內容、AI Agent。但尤尼斯的論點是，這些應用雖然方便，解決的是「效率」問題，不是「生存」問題。農業不一樣。如果未來十年沒有足夠的農夫，糧食供應就會出問題。礦業不一樣。如果沒人願意下礦坑，能源轉型需要的關鍵礦物就挖不出來。建築業不一樣。全球基礎建設需求持續成長，但工地的勞動力缺口年年擴大。

這些產業需要的不是更聰明的聊天機器人，而是能在真實物理環境中自主運作的機器。一台能在田裡自動播種、施肥、收割的農機。一輛能在礦坑裡自主導航、搬運的卡車。一具能在工地上自動鋪設管線的機器人。這就是 Physical AI（實體 AI）的核心概念：讓 AI 走出螢幕，進入充滿灰塵、泥土和危險的真實世界。

尤尼斯認為，這場轉變的規模將遠超過軟體 AI，因為實體世界的經濟體量本來就比軟體大得多。全球農業產值超過 3 兆美元，建築業超過 10 兆美元，礦業超過 2 兆美元。當 AI 開始改變這些產業的運作方式，影響的不只是效率指標，而是人類文明的基礎供給。

每 30 秒造一台車，比發射火箭更難

要理解 Physical AI 為什麼這麼難，必須先理解一個反直覺的事實：在實體世界大規模部署技術，比在實驗室展示技術難上百倍。尤尼斯的汽車工程背景讓他對這件事有切身的體會。他曾在通用汽車（GM）的工廠管理引擎產線，每 30 秒要生產一具引擎，品質標準不能有任何妥協，同時成本要壓到全球競爭力的水準。

他在節目中挑戰了「發射火箭很難」的常見敘事。火箭確實很難，但一年只發射幾十次。汽車一年生產數千萬台，每一台都必須達到相同的安全和品質標準。這種在極高頻率下維持品質的能力，是實體世界技術部署最核心的挑戰。當你把這個邏輯套用到 Physical AI，問題就更清楚了：一套自駕演算法在實驗場地跑得很好，不代表它能在全球各地的農田、礦場和工地上穩定運作。不同的地形、天氣、障礙物、法規環境，每一個變數都會讓系統的複雜度指數級上升。

這正是 Applied Intuition 存在的原因。公司提供的模擬測試平台，讓開發者可以在虛擬環境中驗證自主系統的行為，而不需要在真實世界做幾百萬公里的路測。全球前 20 大車廠中有 18 家是它的客戶。公司估值 150 億美元，卻從來沒花過任何一輪融資拿到的錢，完全靠客戶收入維持營運。

從自駕車到戰場：Physical AI 的版圖正在擴張

Applied Intuition 的起點是自駕車，但尤尼斯很早就看到了更大的圖景。Physical AI 的邏輯可以延伸到任何需要機器自主運作的場景。自駕卡車在高速公路上的長途運輸。農業機具在大面積農田裡的自動作業。礦場設備在地底深處的無人操控。建築機器人在工地上的精準施工。甚至軍事領域的自主無人系統。

公司近年積極往國防領域擴張。2025 年收購了 AI 公司 EpiSci，這家公司最為人知的成就是讓 AI 駕駛美國空軍的 X-62A VISTA 戰鬥機，與人類飛行員進行模擬空戰。同年也跟 Sierra Nevada Corporation 合作開發飛彈防禦系統，並獲得美國陸軍的機器人作戰車輛計畫合約。

從商用車到農機，從礦場到戰場，Applied Intuition 正在把自己定位為 Physical AI 時代的「作業系統」。就像微軟的 Windows 讓各種軟體能在 PC 上運行一樣，Applied Intuition 想讓各種自主系統能在不同的物理環境中運作。這個願景是否能實現還有待觀察，但趨勢本身已經很清楚：AI 的下一個十年，重心會從螢幕裡的文字和圖像，轉向螢幕外的農田、道路和天空。

我的觀察：臺灣在 Physical AI 時代的位置

聽完尤尼斯的論點，我第一個想到的是：如果 Physical AI 真的是未來十年的主戰場，那臺灣其實站在一個不錯的位置。

臺灣的強項從來不是軟體。在 ChatGPT 和 AI Agent 的時代，我們確實處於追趕的一方。但臺灣最擅長的事情，一直是把精密技術落地到實體世界。台積電把數十億個電晶體精確地蝕刻在指甲大小的晶片上。鴻海把全世界最複雜的消費電子產品，以驚人的速度和良率大量生產。台達電從電源供應器起家，如今在工業自動化、電動車充電和能源管理領域佈局完整。研華深耕工業物聯網和邊緣運算超過三十年。上銀的線性傳動元件被全球的精密機械和機器人廠商採用。這些公司做的事情本質上都一樣：讓數位技術在物理世界中可靠地運作。

如果 Physical AI 的核心挑戰是在真實世界大規模部署自主系統，那臺灣企業幾十年來累積的精密製造能力、品質管控經驗和全球供應鏈整合能力，都是直接可用的優勢。但前提是，我們不能只停留在硬體代工的角色。Applied Intuition 的啟示很明確：Physical AI 時代最有價值的一層是軟體平台，是讓各種機器能自主運作的「大腦」。臺灣企業如果只做感測器、馬達、控制器這些「身體」的零件，利潤空間終究有限。真正的機會在於，結合我們對實體製造的深度理解，往軟體平台和系統整合的方向走。畢竟，最懂機器身體的人，也最有資格去打造機器的大腦。