通用 AI 機器人時代，課長與卷王都需要的工程人才
要稍微聊一下下面這支影片，因為做出類似鋼鐵人賈維斯，或是哆啦A夢這種有軀體，能夠作業的通用 AI 機器人（General Purpose AI Robots），一直是我們這輩工程師的聖杯。
文章目錄
要稍微聊一下下面這支影片，因為做出類似鋼鐵人賈維斯，或是哆啦A夢這種有軀體，能夠作業的通用 AI 機器人（General Purpose AI Robots），一直是我們這輩工程師的聖杯。
現在市場上如日中天的 AI 產品，大部分存在內容世界中，不管是 midjourney 或是 ChatGPT ，應用的場域，主要都是『內容』的創造，人類轉頭想想，既然這些生成式的 AI 會變得越來越強，律師，會計師，工程師這種職業越來越危險，是不是回去當電銲工會比較安全？
不一定會比較安全！因為有軀體的 AI，通用型機器人，已經如火如荼地同步發展中。
如果你是工程師，或是 data scientist ，建議你直接參考影片，內容是 NVIDIA 與 UW 團隊目前在 AI + Robotics 技術上面最新的研究與發展，本篇不深入技術部分，算是一半碎念個人意見，一半科普，稍微聊一下就快要來臨的通用機器人時代。
AI 與機器人交會的起點，是過去 AI 的累積
當 ChatGPT 與各種不同的 generative AI 出來後，之前紅透半邊天的影像辨識，更古老的傳統電腦視覺，線性回歸，或是古埃及就開始蓬勃發展的基礎數學是不是就要絕跡了？
不是這樣的！現代 AI 的爆發性成長，恰恰就是過去這些看似隨機的技術累積。
人類重大的科技發展好像都遵循著這個模式，當某們學科的技術累積成熟，就會有人開始看到不同的可能性，以該技術為基礎的研究就會，波! 波! 波! 地一個個跑出來，然後『量變帶來質變』，忽然間就長出之前一般人完全沒有辦法想像的應用方式，經歷高速成長，然後達成新的一個平衡。
這樣的軌跡，代表如果身為技術人員的你，想抄進路，直接跳到這裡的話（見下圖紅色箭頭），你最好確定你在管理層，而且還略懂底層技術的理論！
忽略基本功，忽略堆疊技術的基石，而直接攻頂，就沒有辦法像其他競爭者一樣，能夠直接調教 AI 本身，進而解決問你的商業問題，大部分的狀況，你只能拿 github 上面開源的 AI 專案亂兜，但兜出來的大多無法確切地解決問題。
在大家都求速成，直攻最熱門的上層技術時，能扎扎實實的把上下都了解通透的人才，反而才能提供最大價值。
面試 AI 相關人才時，我們都會請合作的團隊專注驗證基本功，因為上層兜 github 專案連我也會，不是稀缺資源。
AI 跨到實體世界的媒介，是遊戲引擎
AI 訓練最困難的，是基礎資料的蒐集與分析。在真實世界中，尤其是有機械設備參與的真實世界中，測試與取得訓練資料是非常昂貴與費時的。
AI 界利用用遊戲引擎（unity 或是 unreal ）生成訓練資料已經很久了，畢竟在虛擬世界，光源，重力，摩擦力，材質，形變 … 等，都可以模擬的非常精準了。用程式化的方式生成這些訓練資料，已經是業界公開的撇步。
然後在工業 4.0 的領域中，用 digital twin 在虛擬世界模擬真實世界設備的作法也是行之有年。
零件都在那邊了，這時候，當然會有研究團隊把這兩個東西加在一起作撒尿牛丸：模擬設備在不同情況下，不同動作的反潰，然後同時用程式模擬千百萬次！
模擬有什麼用？答案是：產生 AI 模型的訓練資料。
你以為在真實世界中，難以取得的大量訓練資料，大多可以在遊戲引擎中大量模擬出來。在遊戲引擎中，你更可以快速校正一些在實驗室中難以達成的參數，比如說摩擦力的變化，在水中，或是太空中的操作狀況 … 等，也可以把現實實驗中遇到的狀況迅速模擬到設備上，以人類過去沒有辦法的方式與速度迭代。
這代表只要時機成熟， AI 機器人的學習速度是人類沒有辦法想像的。算是一個全新的物種。
在遊戲引擎中使用機械手臂，同時模擬不同的『抓取』動作千萬次的狀況。
unreal engine 5 模擬撞車的狀況
你的機器人，不是我的通用機器人
現在市面上，已經有有非常多所謂的 AI 機器人產品，除了特斯拉大力推廣的自動駕駛以外，還有以下這個 AI 電銲工：
https://youtu.be/t1MlFJOV-3w
或是自動鎖定敵機，做出相對應處理的戰鬥機機器人：
你可以想像，在遊戲引擎世界中，他能夠跟真人駕駛一起，模擬多少空戰的狀況？然後再跟 Alpha Go 一樣，跟不同數量的自己無限次的對奕？（危險）
然而，上列這些機器人，非常需要特定的軟硬體整合，以達成某些非常特定的功能需求，比如說電銲，或是駕駛戰鬥機跟真人快打。這種垂直式的軟硬整合，會讓生產廠商擁有相當大的議價權，販售整套的解決方案。
上列這些功能性機器人，早就行之有年，最近因為 AI 與模擬技術的發產，處於一個世紀噴發的狀態，但依舊不是本文想討論的通用型機器人。
本文所討論的通用型機器人，比較像是是被 Nvidia 點名上台的這些非戰鬥型鋼鐵人：
通用機器人的東風已經吹起？
當初因為有 image net 這個開源資料集，再加上 cnn 在 GPU 上的應用，圖片識別的領域才會迅速地推出 LeNet，AlexNet，VGG-Net，ResNet … 等不同的架構，讓圖片識別的技術一日千里，發展速度非常令人驚艷。GPU 參賽 ImageNet 才過去十年左右，在 github 上的那些電腦視覺專案，竟然大多可以拿來直接商用，而且毫無違和感。
最可怕的是，2016 年以前，這些視覺模型，都只有大顆 GPU 才能跑得起來。沒幾年功夫的時間，好多 ARM based 的省電型 SoC，都已經具備運算這些模型的能力。更有甚者，直接讓沒有整套 OS 的 MCU 跑這些模型，還跑得有模有樣！
生成式 AI 的開源也是，chatGPT 這個指標性服務，才出來沒有兩年，開源界以 facebook 為首，就已經能夠推出僅離 OpenAI 一步之遙的各種模型，供各路英雄豪傑搭建各種 AI 應用，不管是 AI 女朋友，或是 AI 法律顧問，你使用的 AI 服務，後端不一定需要 chatGPT ！
硬體業與製造業的腳步呢？這裡更是驚人，強者我朋友 Jay 所屬的 Avalanche Computing Taiwan Inc.，今年已經在各個國際會展上，demo 出跑在 NVIDIA Jetson 上的 LLMA！
在嵌入式電腦，離線的電腦中跑得起上列感知型 AI 與生成式 AI ，代表『雲端服務』已經不是機器人的必備品。
電腦能夠感知，能夠生成，就已經有了腦袋，只要加上能夠作業的軀體，任何中小企業都可以自製機器人，與整個世界競爭。
那『軀體』在哪裡呢？除了幾間被 Nvidia 點名上台的，每家都貴三三的機器人公司以外，機器人的軀體在哪裡？
我覺得關鍵在以下兩點：一、開源的機器人訓練資料，與二、祖國人的『過硬捲術』。
先聊第一點，機器人的規格與訓練資料，跟 Image Net 一樣，都是可以開源的，而且站在 Nvidia 與 Qualcomm 這種賣鏟子的 SOC 商家來說，作個 index design ，並把資料開源其實是再自然不過的東西。只要任何研究機構或公司開源：
- 機器人的BOM或規格書，狗的，人的，或是任何通用種類皆可
- 該種機器人的 digital twin 模型
- 截至目前為至的訓練資料（optional）
開源社群與 maker 社群就有辦法使用這些開過街源資料，手做出一台台有趣的通用機器人。
有人能拿這些東西手作，就有人能拿這些東西量產！千萬不要小看祖國人的想像力，有了上面這些東西，再加上過剩的產能，美金 1000 元內的 AI 機器人大軍即將席捲而至。
通用機器人產業，可以喚醒卷王
在開源的規格，資料集，與模型的蹂躪下，通用機器人硬體市場，唯一的壁壘就只剩下『製造』本身了。而製造，剛剛好是目前本星球『卷王』所擅長的領域。
就像是被中國電動車產業作爛的電動車市場一樣，如果這個市場被祖國官方相中，未來的機器人市場，將會充斥著品質說不定 ok ，但位於傾銷價格的商品。先不論資安與隱私的問題（畢竟每台機器人其實就是錄影機 + 錄音機 + 電腦，還會到處走來走去 XD），這樣的價格，對通用型機器人的推廣，其實非常有幫助。
況且通用機器人不像汽車產業一樣，有諸多的法規限制，應用的範圍，從小跟班到全能助理都適用，市場腹地非常開闊，能捲的地方非常充足，可以大量地釋放目前無解的過剩產能！
課長與卷王都需要的工程人才
最近幾年的技術發展流派中，美國流的代表依然是『課長』，懂得運用強大的課金能力取得領先優勢。祖國流的代表，當然就是上列所述的『卷王』，燃燒龐大工程師基數的肝，進行非等價交換，鍊出嫌者之石。
既然通用機器人的世界已經在不遠之處，身為能寫扣的工程師，要不要學一下 ROS 2 （Robot Operating System），超前佈署一下？
不！其實能寫扣的工程師在通用機器人應用中的路數更廣，除了 ROS 工程師以外，市場還非常需要 UNREAL Engine 與 unity 的工程師，有底層數學基礎的 AI 工程師，有底層數學基礎的控制工程師，以及能夠在 SoC 中整合各種應用的 embedded system 工程師。
作機器人不是作網站或是內容，有實體測試與運作的需要，需要肉體，再加上專業，就不容易被純內容式的 AI 取代掉，至少未來 20 年內是這樣吧！
所以，不管是課長，還是卷王，都需要有良好基礎的工程師大軍當作後盾。至於是幫課長，還是卷王工作，就看你的物理位置在地球的哪裡吧！
台灣呢？
各位看官認為除了半導體與 SoC 代工這種傳統強項以外，台灣會加入課長，還是卷王的陣營呢？除了半導體，與 SoC 之外，還有哪些產業台灣可以切入這個國際供應練呢？
