輝達與 LG 機器人合作再升溫，黃仁勳女兒親赴首爾建置「機器人資料工廠」

輝達與 LG 在機器人領域的合作持續加溫，黃仁勳的女兒親赴首爾，協助推進當地「機器人資料工廠」的建置。這項安排凸顯實體 AI 的競爭焦點，正從模型本身轉向訓練資料的產生能力。

「機器人資料工廠」這個概念，回應的是機器人學習面臨的核心困境。語言模型能從網路上既有的海量文字中學習，但機器人需要的是動作資料——抓取、移動、施力、應對失敗——這類資料在網路上並不存在，必須透過實際操作或模擬環境逐筆產生。而蒐集一次真實的機器人操作資料，成本遠高於抓取一段文字，這使得資料量成為實體 AI 發展的主要瓶頸。

解法目前沿兩條路徑並行。一是大規模的模擬環境，在虛擬世界中生成數百萬次的操作嘗試，再把學到的策略遷移到實體機器上；二是遙操作與示範學習，由人類操作實體機器完成任務，把過程記錄為訓練資料。兩者各有限制——模擬與現實之間存在落差，而人類示範的產出速度有限。「資料工廠」的思路，是把這兩條路徑工業化，以標準化的流程與設施持續產出高品質資料。

選擇在首爾建置，與韓國的產業條件有關。當地在家電、電子製造與重工業上都有深厚基礎，具備大量可供機器人實際作業的場景；同時，製造業自動化的需求明確，資料蒐集與商業應用能在同一場域內閉環。相較於純研究導向的資料蒐集，貼近實際生產環境的資料在遷移到商用時的落差更小。

對輝達而言，這條布局延續其在實體 AI 上的一貫策略——不只提供運算晶片，而是把模擬平台、訓練框架與資料流程整合成完整的堆疊。當機器人開發者的工作流程建立在這套堆疊之上，其硬體的採用便成為自然結果。這與該公司在資料中心領域建立生態的作法邏輯一致。

對 LG 而言，價值則在於把既有的製造與家電優勢延伸到機器人領域。機器人產品的競爭力不只取決於機構設計，更取決於軟體與學習能力；透過與晶片業者的深度合作取得資料與訓練基礎設施，能縮短自行摸索的時間。

從產業層面看，這也反映了實體 AI 競爭的一個轉折：資料的產生能力正成為與模型能力同等重要的競爭要素。誰能持續產出高品質、貼近真實場景的動作資料，誰就掌握了實體 AI 迭代速度的關鍵。

後續觀察重點包括：資料工廠的實際產能與資料品質、合作成果在 LG 產品線上的落地時程，以及其他業者是否跟進類似的資料基礎設施投資。