何世池指出，现阶段限制仍在于成本。要达到高度功能与多轴控制，需要大量感测器与高价手臂模组，若非大规模采购，单机成本依旧偏高，因此应用仍以机器手臂为主，而非完整人形机器人。他强调，AI模型训练仍需依赖高效能伺服器，仅有完成训练的模型才能落地于Edge端。随著运算力持续提升、价格维持稳定，验证与应用模型的速度将大幅加快，机器人也将更具实用性。
针对美国制造与劳动力短缺，他直言，自动化是必然手段。若美国强制将低附加价值产业（如玩具）移回本土，并不符合成本逻辑，只有半导体等高附加价值产业回流才具意义，否则只是把低薪工作带回，美国社会也不会接受。
他表示，美国幅员辽阔，客户服务成本远高于台湾，「台湾从北到高雄能当日往返，但美国支援客户需跨州飞行，成本显著增加」。因此企业赴美投资必须考虑规模与自动化程度，否则将缺乏竞争力。
何世池认为，美国市场每一州规模都超过台湾，协作型机器人在地缘与产业回流趋势下具发展潜力。不过，他坦言「目前没有看到迫切需求」将生产线直接移往美国。他补充，自动化投资报酬率通常与当地工资直接相关，工资越高，自动化越划算，因此若美国加速产业回流，协作型机器人必将扮演关键角色。
至于辉达最新发表的「机器人大脑」Jetson Thor是否能带动公司业绩，他态度谨慎，认为短期难见直接效益，但长期而言，这样的运算平台确实为协作型机器人产业注入强大动能。达明将持续专注AI与自动化整合，抓住这波产业升级契机。
达明机器人财务长王伟霖说明，未来机器人核心不在于外型，而是「学习模式」。无论单臂或双臂，都必须透过视觉学习来观察环境并判断动作，这将突破传统以坐标转换定位的限制，更贴近人类的操作逻辑。他举例，「人不会用坐标计算，而是透过眼睛观察距离与角度，例如拿起手机靠的是影像变化与手眼协调」。
王伟霖指出，「学习模式」让机器人能透过示范直接学会动作，例如人手拉著手臂完成一次动作，机器人即可记录并重复执行，省去繁复编码。这不仅提升弹性，也能拓展到工业以外的应用场景。
在谈到人机协作时，他强调，传统工业手臂追求速度与负载重量，但安全性不足，与人接触时往往会造成伤害；协作型手臂设计是为了与人共同作业，当侦测到人员靠近或发生接触时，会自动停止运作，这不是强调速度与力量，而是强调安全与协作，这才是未来发展的核心方向。
王伟霖认为，视觉导向与模仿学习将会是机器人产业的下一个趋势，能让达明的手臂产品在智慧工厂、人机协作与跨产业应用中找到更广泛的落地场景。
點擊閱讀下一則新聞
