Physical AI 是理解物理系統狀態、做出判斷，並把判斷連接到實際 action 的軟體。 就像 robot 與自駕車，半導體設備同樣可以是 sense、predict、decide、act 的對象。
重點
- Physical AI 把對物理 system 的理解連到真實 action。
- 半導體設備已經有精密 sensor 與 actuator，還需要的是估計 state、預測結果並判斷該改什麼的 intelligence layer。
- 目的不是替換機台，而是在明確安全邊界內讓現有設備更能適應變化。
Robot、車與半導體機台有共同結構
對象不同，但都要 sense 目前狀態、estimate 看不到的狀態、predict 結果、選擇 action，再從現實結果更新 decision。
對象不同，但結構相同：透過 sensor 理解 state、做出判斷，再影響 physical system。
| Robot | 車輛 | 半導體設備 | |
|---|---|---|---|
| Physical system | robot arm、mobile robot、end effector | 車輛、轉向、加速與煞車 | process equipment、chamber、wafer |
| Main sensors | camera、distance、force | camera、radar、lidar、GPS | temperature、pressure、gas flow、power、equipment sensor |
| Main control variables | position、speed、force、path | 轉向、加速、煞車 | process time、temperature、pressure、gas flow、power |
Machine 和 intelligence 是兩個不同問題
半導體機台本來就有高度 sensor 與 actuator。缺的是理解狀態、預測結果、判斷下一步要改什麼的 software。
Robotics 技術可以延伸到製造
robotics 與自動駕駛長期發展了 state estimation、sensor fusion、simulation、control、online learning 等技術。因為資料、物理現象與錯誤決策的成本不同，不能原封不動搬到半導體製造，但看問題的方式很相似。
從 sensor 推估看不到的 state、預測接下來的結果、在限制內決定 action，環境改變時再調整判斷基準。只是把控制 robot 動作換成控制製程條件，把判斷道路狀態換成判斷設備與製程 state，Physical AI 的技術 stack 就能用這種方式延伸到製造。
從設備自動化走向製造 intelligence
半導體製造對固定 command 的執行早已高度自動化，下一層是理解持續變化的狀態並在安全邊界內回應。
不是再做一台新 machine，而是讓既有 machine 可以 sense, predict, adapt, decide。