計畫緣起
近年來，AI 技術快速發展，模型能力與模擬成果不斷突破，然而多數 AI 教育與訓練仍停留在「模型使用」與「理想化模擬」階段。當 AI 系統真正走入真實生活與產業場景時，往往才發現挑戰才正要開始。
01
實體系統的真實落差
在模擬環境中可順利完成的任務，一旦接上實體設備，便會面臨馬達誤差、感測雜訊、反應延遲與環境不確定性。
02
動態情境的複雜需求
在日常生活中，問題往往是多面向且動態變化的，需要同時考量使用者需求、情境判斷與資源限制，而非單一指令即可解決。
許多應用型 AI 並非單純「回答問題」，而是必須從使用者角度出發，理解需求、拆解任務並持續調整行動策略。
顯示當前 Agent 開發所欠缺的，往往不是模型能力，而是來自真實使用情境的經驗與系統整合能力。
因此，NAPAI 將 AI 人才培育的重心，聚焦於 Agentic AI 與 Physical AI 兩大前瞻主軸：
- Agentic
培育能主動推理、規劃並回應使用者需求的智慧代理能力
- Physical
培育能面對真實世界限制，將 AI 落實於實體系統中的實作能力
透過這兩大主軸的整合，NAPAI 致力培育能跨越模型、模擬與真實世界落差，真正解決現實問題的前瞻 AI 技術人才。
AI 的下一步，不只是更強的模型，而是能理解真實需求、並在真實世界中行動的系統。