AIVEX在自主製造AI世界秀(AMWS 2026)上發表「實體AI模型·數據閉環平台」
- 公開整合資料、AI模型與機器人的「Physical AI Closed-loop平台」 - 提出從判斷延伸至執行的基於Physical AI的製造創新策略 - 公開融合AI視覺、MLOps平台與機器人技術的端到端自主製造生態系統
2026.04.27
- 新聞稿 · 媒體報導
2026年4月27日,首爾 – 工業用物理AI企業艾貝克斯(AIVEX)於27日在COEX舉辦的「自主製造AI世界展(AMWS 2026)」主題演講中,公開了「物理AI模型×資料閉環平台」。
艾貝克斯代表成敏洙強調,將透過資料、AI、機器人融為一體的「閉環(Closed-loop)自主製造循環」,實現向超越判斷、延伸至物理執行的「行動中心AI」的轉型。
成代表以「超越判斷,走向行動:Physical AI開啟的自主製造革新方向」為主題,指出了以往製造AI停留在辨識與分析階段的侷限,並闡明了從實際工序延伸至執行的Physical AI架構的必要性。
他特別指出製造現場未能快速向AI轉型的原因,包括△複雜的現場環境 △資料取得及利用的困難 △性能驗證及營運穩定性確保的侷限等,並將「製造Physical AI」的概念定義為解決這些問題的方法。
為克服這些侷限,艾貝克斯提出了整合AI視覺、資料平台、機器人控制的「端到端自主製造循環」。該循環由AI視覺檢測(AIVision;艾視覺)、資料平台(AIVData;艾博資料)及MLOps平台(AIVOps;艾博維運)、AI機器人自動化(AIVot;艾博特)四大核心產品群組成,其特點是從資料採集到學習、決策、物理執行連接為一個流程。
艾貝克斯表示,由此可基於製造現場產生的資料讓AI持續學習,並使其結果即時反映到機器人控制中,從而實現基於「資料飛輪(Data Flywheel)」的閉環架構。
成代表表示:「AI如今已超越單純判斷的階段,正進入自主執行的階段」,並表示「將透過以物理AI為基礎、自主營運實際工序的架構,提出製造競爭力的全新標準」。
他接著補充道:「製造業是AI技術與實際生產力直接掛鉤的核心競爭舞台」,「我們將透過性能經過驗證、能夠在現場穩定營運的AI,逐步實現自主製造」。
艾貝克斯計劃在當天下午的分會場環節,具體介紹基於AI的檢測自動化及機器人技術應用案例,以及在實際製造現場的實現方式。
另外,艾貝克斯於今年1月由原艾博(AiV)變更了公司名稱。這反映了其從AI視覺檢測起步,將事業領域擴展至MLOps平台與機器人技術,建構資料、AI、機器人相整合的物理AI生態系統的「擴張(Expansion)」策略。


