Physical AI 不是買機器人：解碼 Uber 創辦人的「原子電腦」框架，台灣的機會其實在 atoms

先給你一組數字。

一份餐點送到你家，現在的配送成本大約 12 美元。Travis Kalanick（Uber 共同創辦人）說，等機器人配送上線，這個數字會掉到 0.5 到 1 美元。生產端再降 50%，人力省 6 美元，房租攤提省 2 到 3 美元。

全部加起來，一份熱的餐點送到你家門口，總成本 8 到 10 美元。把這些節省加回去，今天同一份餐點的全包成本大約落在 28 到 30 美元。

這組數字背後有一句更狠的話。他說，判斷這門生意成不成立，只要問一個問題：你能不能把一份好菜做好、送到，成本逼近使用者自己走一趟超市？

如果可以，廚房就會發生 Uber 對計程車做過的事。

先說清楚，這篇的重點不在餐飲。它問的是每個做實體生意的人同一件事：你的生產、倉儲、配送，有沒有可能被別人重組成一張完全不同的成本表？

我在 a16z 這集 92 分鐘的對談裡聽到這段，第一個反應不是「哇好厲害」，而是覺得台灣很多老闆會誤讀這件事。我們一講到「AI 進實體產業」，腦中浮現的畫面幾乎都是買機器人、買設備、買自動倉儲。

但這場對談從頭到尾，講的是另一件事。

降維打擊不是形容詞，是一張成本表

「降維打擊」這四個字在台灣被用爛了。大家講的時候通常是指技術很強，聽起來嚇人，講完就沒了。

Kalanick 給的版本具體很多。他把整件事拆成三塊：製造和物流要在同一個地點（那是不動產）、要有自動化生產、要有自動化配送。三塊同時到位，成本結構才會塌下來。

重點是什麼？

你不是被 AI 打敗的，你是被一個成本結構跟你差三倍的對手打敗的。

技術只是手段，真正在市場上砍你的是那張成本表。這也是為什麼我覺得台灣餐飲業該把這篇看完。外送平台抽 30% 到 35% 已經痛了好幾年，但這套邏輯給的解法不是回去跟平台談抽成，是回頭重寫自己的生產和履約成本。

他還給了一個任何老闆都能立刻拿去用的下注判斷法。

先問一個很簡單的問題：二十年後，人們還會天天自己煮飯嗎？二十年後，會不會有一種保溫的輪子盒子把餐點送到你家？（他給這東西取名叫 autonomous burritos，自動駕駛捲餅。）

幾乎所有人都會說，二十年後當然會。

那就往回推。十年呢？七年呢？五年呢？

「這時候你就在把現實往現在的方向折。」他說。當每個人都同意一件事會發生，剩下的問題只剩兩個：什麼時候，以及誰。

他自己也承認，共享廚房那一局「我們押得有點早」。這句話我覺得比任何成功學都值錢。

原子電腦：把你的生意重寫成一台電腦

這是整場對談最有價值的一段。

Kalanick 說，CPU 負責運算 bits（位元），儲存裝置負責存放 bits，網路負責把 bits 從 A 點搬到 B 點。那麼反過來問：

• 什麼東西在運算原子？製造業。
• 什麼東西在儲存原子？不動產。
• 什麼東西在搬運原子？運輸和物流。

這三樣，就是一台「原子電腦」的三個核心運算資源。

聽起來像個漂亮的比喻對吧？我一開始也這樣覺得。直到他講了下面這段。

他說，他們真的拿 TCP 的壅塞控制演算法，來決定把多少訂單導去哪一間廚房，依據是那間廚房的產能和穩定度。不是拿來打比方，是真的寫進系統裡在跑。

他把比喻推到底。一座一萬平方英尺的設施，他叫它「一顆一萬英尺的半導體」，裡面 30 間廚房就是 30 核處理器。

其他零件也都有對應：走道是匯流排，理貨中心像 L1 快取，冷藏區的冰淇淋和果汁是「預先運算好、擺在邊緣的結果」。外送員？外送員是一個 TCP 封包。

主持人在旁邊笑說「這個比喻他真的推得很遠」。我聽完的感覺剛好相反。

能把比喻推到可以寫進程式碼的人，那就不是比喻了，那是架構。

你其實已經在經營一台原子電腦

請你花三十秒做一件事。

如果你在做電商：你的倉庫是 storage，你的揀貨包裝是 CPU，你的宅配和超商店取是 network。

如果你在做製造：你的料倉是 storage，你的產線是 CPU，你的調度物流是 network。

看出來了嗎？

你早就在經營一台原子電腦了，你只是從來沒有這樣命名過它。

沒有命名的後果很實際：你會把它當成一堆各自獨立的成本項目在管，而不是當成一個系統在優化。倉租一筆帳，人力一筆帳，運費一筆帳，三個部門各自去談各自的價格。

一台電腦這樣管，是跑不動的。

台灣最貴的一個老毛病

講到這裡，我要講一段自己的事。

我在雨傘產業待了七年，做過工廠業務。有一年廠裡花了不少錢買一台自動裁布機，速度確實快，展示給客戶看很有面子。

但那台機器後來大部分時間是閒置的。

因為前面的備料排單還是人工在喬，後面的車縫段接不上它的速度。裁得再快，前面沒料、後面塞車，整條線的產出一點都沒變。我們買的是一顆很貴的 CPU，但整台電腦沒有作業系統，沒有排程，沒有資料回流。

那台機器最後變成一個很貴的展示品。

如果你問我，台灣要進 Physical AI（實體 AI）這一局，最大的風險完全不是技術買不到：

買了設備、流程沒有重寫，那不叫自動化，那叫買了一塊很貴的鐵。

這個坑不是製造業限定。一堆公司導入 AI 工具的樣子，就是同一件事的軟體版：每個人都開了帳號，但團隊產出速度沒變快，因為工作流沒跟著改。這個症狀我在〈AI 原生組織的 4 個工作方式〉和〈「18,000 個 AI agent」不是重點，90% 才是〉裡都寫過，跟那台裁布機一模一樣。

單點很強，系統沒接上，等於零。

框架的真正用途，是預測和招人

Kalanick 講了一句我很喜歡的話。框架為什麼重要？

因為框架會告訴你未來長什麼樣子。

他帶團隊在全球蓋了很多共享廚房設施（公司官網目前的說法是 30 幾個國家、110 幾個城市、400 多個據點、5,000 多間廚房）。他常自我調侃說「我就是一個在地的、謙卑的蓋廚房的人」。

但他說，招人的時候不能這樣講。招人的時候你得說：

「這是一台食物電腦。」

同樣的水泥和不鏽鋼，兩種說法，招到的人完全不一樣。這就像從賣一顆螺絲，變成賣一條產線：東西沒變，你對它的理解變了，能吸引的人也就變了。

他還補了一個反直覺的觀察：用軟體去優化實體空間，那塊不動產會增值，跟會折舊過時的硬碟剛好相反。

這件事對台灣特別有感，因為我們的家底一直都在 atoms（原子，指實體世界）：製造、供應鏈、精密機械、物流密度。

過去二十年，我們一直在為「台灣沒有軟體業」這件事自卑。

但按這套框架，bits 那半場的主要平台位置多半已經被巨頭占住了。真正還沒被開發的，是實體世界的 CPU 和 storage，也就是數位化的製造和數位化的不動產。

我們可能一直拿著錯的記分板在打分數。

前提是知識要能移轉。這跟黃仁勳講「模型是租來的，know-how 才是你的」是同一個道理，我在那篇解碼裡有展開。

知識可以跨產業移轉，設備不行。

系統擴張之前，先看你的問題處理容量

把公司看成一台原子電腦之後，最先爆掉的通常不是設備，是你自己處理問題的頻寬。

對談中他丟了一個自己叫「meta problem（元問題）」的規則，我覺得經營者可以直接抄走。

白話講就是：你創造問題的速度，必須小於或等於你解決問題的速度。

一旦創造問題的速率超過解決問題的速率，你就開始滅頂。水淹到脖子怎麼辦？他的規則很硬：停止創造任何新問題，直到水位退到腰部，你才可以再開新戰場。

Ben Horowitz 補了一句更重要的：這裡的「容量」有很大一部分指的是創辦人自己的注意力容量，不只是團隊容量。你開一個新戰場，就代表你沒辦法再用同樣的細緻度看舊戰場，而舊戰場那時候必須能自己跑。

還有一條反向的：如果事情開始變輕鬆了，你必須主動把它弄難。

這大概是全世界最不適合貼在辦公室牆上的一句話。但它是實話。

為什麼要躲八年：框架和掌聲之間的時間差

一個框架要真的長成系統，中間會有很長一段外面看不懂、也不會給掌聲的時間。

這就是他為什麼要躲八年，也是多數編譯報導會漏掉的那一半。

Kalanick 的新公司叫 Atoms，2026 年 3 月 13 日才走出隱身狀態，7 月 22 日宣布完成 17 億美元股權募資，由 a16z 領投，Ben Horowitz 進入董事會，旗下三塊：食物、採礦、運輸。

在那之前，他躲了八年。

躲到什麼程度？公司在美國叫 CloudKitchens，法律上的名字卻是 City Storage Systems（城市儲存系統）。他說這名字是「刻意取得很無聊」的，因為要隱身。你想像有人跟你說他在一間叫「城市儲存系統」的公司上班，你大概二十分鐘後就忘了。各地還刻意取不同名字，讓外人連不起點。

一家數千人規模的公司，掛著「stealth（隱身）」去 LinkedIn 冷招募、去跟餐廳客戶談生意，這是地獄難度。他為什麼要這樣搞？

理由不是保密。

他說 2017 年之後「一天有 150 篇負面報導」（這是他自己給的數字），他要的是讓團隊可以做事，而不必擔心《紐約時報》明天會寫什麼。

然後他講了整場對談我認為最重要的一句話：

「你會開始根據外部驗證，而不是內部正確性來做決定。你會失去真北。」

這句話最辛辣的應用

他把這套邏輯直接套到 AI 大廠身上，下手很重。

他說，大家一直問為什麼那些大實驗室老是自己打自己的臉。他的解讀是：因為他們的員工對外部認可上癮。我想當個好人，我想當個好的 AI 研究員，那就去跟大家說我們要奪走所有人的工作吧。

「你根本不知道那是不是真的，但你就是想講。」

他的建議是：如果你真這樣想，那就去解那個問題。你擔心模型會 reward hack（獎勵駭客，指鑽考核漏洞），那就去把它解掉，而不是出去到處講，因為你在乎外部驗證勝過在乎那件事本身。

這一刀砍得很準，而且不只砍到 AI 圈。

台灣經營者的版本長什麼樣？得獎。媒體露出。榜單。發表會。同業聚會時別人的眼神。

以前你判斷一個決策好不好，看的是它有沒有讓數字變好。現在很多決策在做的時候，心裡想的第一件事是「這個講出去好不好聽」。

真北就是這樣被換掉的，而且過程通常沒人察覺。這跟我寫過的〈情緒智商不是雞湯，是你後台從沒監控的那組營運數據〉是同一件事的兩個切面。

這裡跟我自己寫過的另一篇打架

我之前寫過〈AI 時代，把產品做好已經不是護城河〉，主張這個時代「被看見」才是護城河。

結果這篇的主角躲了八年。

兩篇看起來在打對台，所以我給一個分辨標準：

要被市場看見，和要被同溫層稱讚，是兩件不一樣的事。

Kalanick 從來沒有停止面對市場。他有客戶、有營收、有 30 幾個國家的據點。他躲掉的是輿論場和媒體版面，不是市場。

如果你是中小品牌，你缺的通常是前者，那就該去被看見。如果你已經有穩定的客戶回饋迴路，要小心的就是後者。分清楚你現在缺的是「訂單」還是「掌聲」，這題就不難答。

誠實的部分：這套哲學是有帳單的

寫到這裡我必須把另一面放上來，不然這篇就變成公關稿了。

「只相信內部判斷」是一具很強的引擎。但同一個人在 Uber 的時候，這具引擎沒有煞車，開出來的結果是有紀錄的。

2017 年 2 月 19 日，工程師 Susan Fowler 發表文章，掀開 Uber 內部的性騷擾處理與人資失能。3 月 3 日，《紐約時報》揭露 Greyball 專案：Uber 對疑似監管人員的帳號顯示假的叫車畫面，後來引來美國司法部刑事調查。6 月 13 日，前司法部長 Holder 主持的調查出爐，開了 47 項改革建議。6 月 21 日，他在五大投資人施壓下辭去執行長。

他在對談裡怎麼講這段？他說他到現在仍然支持自己在 Uber 做的每一個決定，但也承認「我確實常常貼著線在走」。他還講了一句我覺得很誠實的話：

「當海盜變成海軍的時候，規則就不一樣了。」

小公司挑戰體制時可以很兇，等你變成那個體制，同樣的動作就不再被接受。他說他當時沒把這個資訊吃進去。

但我要補一句：上面那份清單裡，有些不是尺度問題，是治理問題。性騷擾申訴沒有被好好處理，跟「創業者太衝」是兩回事。

還有一件事，讀者有權知道。Atoms 的採礦業務，技術核心來自 2026 年 4 月併購的 Pronto，而 Pronto 的創辦人是 Anthony Levandowski。這名字對科技圈不陌生：他是 Waymo 竊取營業秘密案的中心人物，2020 年認罪、被判 18 個月徒刑。

這裡有個細節連不少媒體都寫錯，所以我特別確認過：他一天牢都沒坐。入監執行前，他在 2021 年 1 月 20 日獲得特赦。

我把這件事寫出來，不是要批鬥誰，也不是湊八卦。是因為它剛好是這篇論點的一部分：

內部判斷是很強的引擎。但引擎沒有煞車，開久了就會開回 2017。

那他學到了嗎？有一個訊號滿有意思。他在對談尾聲講到現在缺什麼人，清單裡有一個是 general counsel（法務長），理由是：「找一個可以坐在副駕的人，因為我喜歡貼著線走，我們應該離線幾吋就好。」

他沒說自己變乖了。他說的是引擎需要一個踩煞車的人。

至於煞車到底裝上去了沒有，現在還沒有答案。這篇也不打算給你一個乾淨的結論。

還有一個對比值得玩味：這輪 17 億美元的募資裡，Uber 自己也投了。八年前把創辦人送走的公司，八年後投資了他的新公司。

這件事證明不了當年的問題被改寫。它只證明市場仍然願意押注他把系統做出來的能力。這兩件事可以同時成立，也應該分開看。

你今天可以做的四件事

• 第一，把你的生意畫成一台電腦。 拿一張紙寫三格：CPU（你在哪裡加工、處理）、Storage（你在哪裡囤放）、Network（你怎麼移動）。填完看哪一格最貴、最慢、從來沒有資料。那格就是你的下一個題目。
• 第二，對你買過的每一台設備做一次體檢。 問一句話就好：買它之前和之後，我的流程有沒有改？如果沒改，它就還是一塊鐵。先改流程，再談要不要買下一台。
• 第三，用「二十年 → 五年」自己跑一次。 挑一件你行業裡「二十年後一定會發生」的事，而且只能挑跟成本結構有關的（人力、倉儲、配送、產能、等待時間），不要挑抽象趨勢。然後往回推到十年、七年、五年。推到你會冒汗的那個年份，就是你該開始準備的時間點。
• 第四，回看你最近三個重大決定。 每一個問自己：這是為了正確，還是為了好看？判斷「正確」有個很土的標準：它有沒有讓客戶、毛利、交期、留存或現金流其中一項變好？如果三個裡有兩個答不出來，你的真北已經在偏了。

Kalanick 在對談裡還講了一句話，我想拿來收尾。他說，最重要的求真是去找「有價值的、還沒有人知道的真相」。但你越擅長找到這種真相，你製造的改變就越快；改變越快，人性就會做它最擅長的事，也就是抗拒。

「所有人都愛進步。他們受不了的是改變。」

這句話送給每一個正在推動公司轉型的人。你遇到的阻力，大部分時候跟你的方案好不好沒有關係。

至於台灣，我的判斷是這樣：bits 那半場我們確實沒拿到太好的位置，但 atoms 這半場才剛開始，而我們手上握著製造、供應鏈和全世界少見的物流密度。

這一局的入場券，我們一直都有。差別只在於，你把它當成一堆設備，還是當成一台電腦。

常見問題

Q：Physical AI（實體 AI）到底是什麼？跟一般講的 AI 差在哪？

一般講的 AI 處理資訊：文字、圖片、程式碼。Physical AI 處理實體世界的物質：東西怎麼被製造、被存放、被移動。Kalanick 自己覺得 physical AI 太抽象，他改用 industrial AI（工業 AI），定義是「一套由軟體、感測器、機器人、機械組成的堆疊，一次自動化一個產業」。他也明講他們做的是非人形機器人，也不碰軍工。

Q：這跟我開餐廳、做電商、開工廠有什麼關係？

關係是成本結構。當同業把生產、倉儲、配送三段一起重寫，他的單位成本可能只有你的三分之一。到那時候你的產品再好也很難打，因為你們不在同一張成本表上。

Q：我已經買了機器手臂／自動倉儲，這樣算自動化了嗎？

不一定。判斷標準只有一個：買它之後，你的流程有沒有跟著重寫？資料有沒有回流到系統裡去改善調度？如果前後段還是人工在喬，那台設備只是一顆孤立的 CPU。這是台灣製造業最常見也最貴的坑。

Q：現在進場會不會太早？怎麼判斷？

用他的方法：先問二十年後這件事會不會發生。如果答案是「當然會」，就往回推十年、七年、五年，推到你覺得不安的那一年。他自己也承認共享廚房那局押得有點早，所以這方法不保證你不會早，但至少讓你的判斷是有結構的。

Q：Travis Kalanick 是誰？他為什麼離開 Uber？

Uber 共同創辦人，2010 年創立，2017 年 6 月 21 日在投資人施壓下辭去執行長。那一年 Uber 接連爆發內部性騷擾處理失當（Susan Fowler 的公開文章）、Greyball 規避監管專案遭《紐約時報》揭露、Holder 調查提出 47 項改革建議等事件。他目前經營控股公司 Atoms，旗下有食物、採礦、運輸三塊業務。

資料來源：a16z Podcast〈Building a Company in Stealth | Travis Kalanick with a16z〉（2026 年 7 月 22 日，92 分鐘）。文中引號內為對談原話的中文翻譯，時間碼可回原片查證。公司資訊參考 Atoms 官方網站 與 a16z 投資說明。2017 年相關事件參考《紐約時報》與同期公開報導。

協作聲明與免責

這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 來源名稱 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。

內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。