建立智慧製造基礎　BMW 將德國 Landshut 工廠打造為實體 AI 技術研發中心

BMW 近日宣布將德國 Landshut 零組件工廠打造為集團實體 AI (Physical AI) 技術的重要研發中心，負責 AI 機器人相關軟體開發，涵蓋開放式軟體平台、訓練資料生成、模擬運算、動作規劃以及機器人訓練等核心技術，期望藉此建立未來智慧製造的重要基礎。

<BMW 近日宣布將德國 Landshut 零組件工廠打造為集團實體 AI (Physical AI) 技術的重要研發中心，負責 AI 機器人相關軟體開發，涵蓋開放式軟體平台、訓練資料生成、模擬運算、動作規劃以及機器人訓練等核心技術，期望藉此建立未來智慧製造的重要基礎。

此次計畫的核心，在於打造一套開放且具備高度擴充性的 AI 機器人軟體架構。BMW 採用開放平台，結合傳統確定性程式設計與新一代 Vision-Language-Action (VLA) 模型，讓機器人能同步整合視覺辨識、語意理解及動作控制能力，進一步建立模組化機器人生態系，使不同型態的機器人皆能共享技術能力與運作平台。

<此次計畫的核心，在於打造一套開放且具備高度擴充性的 AI 機器人軟體架構。BMW 採用開放平台，結合傳統確定性程式設計與新一代 Vision-Language-Action (VLA) 模型，讓機器人能同步整合視覺辨識、語意理解及動作控制能力，進一步建立模組化機器人生態系，使不同型態的機器人皆能共享技術能力與運作平台。

為了讓 AI 能真正理解工廠環境，Landshut 團隊持續蒐集真實生產現場及測試設備的大量資料，再將其導入虛擬模擬系統中，建立完整的機器人運動模型與動作規劃流程。透過數位模擬，BMW 能夠在正式導入生產線之前完成測試，大幅縮短開發週期並降低導入風險。所有新技術皆會先於獨立測試環境驗證，再透過試點專案逐步擴大應用範圍。

<Landshut 團隊持續蒐集真實生產現場及測試設備的大量資料，再將其導入虛擬模擬系統中，建立完整的機器人運動模型與動作規劃流程。透過數位模擬，BMW 能夠在正式導入生產線之前完成測試，大幅縮短開發週期並降低導入風險。所有新技術皆會先於獨立測試環境驗證，再透過試點專案逐步擴大應用範圍。

除了透過模擬學習之外，BMW 也導入示範式學習方式培養機器人技能。開發團隊先由真人示範完整作業流程，再透過攝影機、動作捕捉設備及資料手套等工具記錄所有操作細節，最終將這些資料轉換成可泛化的 AI 行為模型，讓機器人未來能將相同能力延伸至不同工作與應用場景。

<BMW 也導入示範式學習方式培養機器人技能。開發團隊先由真人示範完整作業流程，再透過攝影機、動作捕捉設備及資料手套等工具記錄所有操作細節，最終將這些資料轉換成可泛化的 AI 行為模型，讓機器人未來能將相同能力延伸至不同工作與應用場景。

在實際應用方面，BMW 將聚焦於零組件製造中需要高度柔性與精密操作的工作，例如辨識工件與周遭環境、判斷零件位置及狀態、規劃最佳移動路徑，以及精準抓取與搬運零組件等。這些工作過去難以透過傳統工業機器人完成，而人形機器人結合 AI 後，將具備更高的環境適應能力與自主決策能力。

<BMW 將聚焦於零組件製造中需要高度柔性與精密操作的工作，例如辨識工件與周遭環境、判斷零件位置及狀態、規劃最佳移動路徑，以及精準抓取與搬運零組件等。這些工作過去難以透過傳統工業機器人完成，而人形機器人結合 AI 後，將具備更高的環境適應能力與自主決策能力。

BMW 表示，Landshut 工廠將與目前已在德國 Leipzig 工廠及美國 Spartanburg 工廠進行的人形機器人試點計畫相互配合，進一步推動 AI 機器人在汽車零組件生產中的實際應用。BMW 指出，Landshut 長期肩負集團自製零組件的重要任務，產品種類多元、生產流程複雜，因此成為驗證 AI 機器人技術的理想場域。透過真實生產環境，工程團隊可測試各項 AI 技術，評估未來哪些工作最適合由人形機器人執行，尤其是需要高度靈活性、精細操作能力以及環境理解能力的作業。

<

為加速技術成熟，BMW 也積極建立產學合作體系。其中最重要的合作夥伴為 Athenyx Robotics，這家新創公司源自德國亞琛工業大學 (RWTH Aachen University) 機床與生產工程研究所 (WZL)，並設立於 Landshut 工廠附近。雙方正共同開發 AI 機器人軟體平台，打造涵蓋感知、學習、模擬及決策能力的智慧堆疊 (Intelligence Stack) 架構，讓人形機器人未來能在工業環境中自主完成更複雜的工作。此外，BMW 也與 Landshut 應用科技大學合作，投入資料生成、模擬技術以及各項實際應用場景的驗證，希望透過產學合作持續完善 AI 機器人技術，加速未來智慧工廠的實現。

<

從汽車產業發展趨勢來看，BMW 此次布局顯示車廠競爭焦點已逐漸從自動化設備升級為 Physical AI 能力的競爭。相較於傳統工業機器人只能依照固定程式重複執行工作，導入 Vision-Language-Action 模型的人形機器人具備理解環境、推理決策與自主學習能力，可望勝任更多過去仍需仰賴人工完成的生產流程。隨著 AI 模型、感測器與算力持續進步，未來汽車製造將從高度自動化邁向具備自主判斷能力的智慧工廠，而 BMW 此次將軟體研發、資料平台與製造現場整合，也反映全球車廠正將 AI 視為下一波提升製造效率與競爭力的關鍵核心技術。