A16Z · 原始發布 2026 年 8 月 14 日

AI 要離開螢幕，
先得學會承擔現場

Travis Kalanick 的判斷是：下一波 AI 不在替白領工作多加一個介面，而在讓軟體真正接手食物、礦業與製造業的成本、流程和交付。

SCROLL TO READ ↓

PART 1 · 問題不在模型

「實體 AI」不是把聊天機器人搬進工廠

訪談中的「bits to atoms」指向一個更難的產品問題。數位產品可以先用低成本介面測試，但餐點、物流、採礦與製造會立刻遇到人力、設備、原料、空間與安全。模型只有接進這些限制，才會變成可驗證的產品。

這也是為什麼 Kalanick 把機會描述為多個可能被自動化的兆美元產業，而不是單一軟體品類。規模很大不代表部署容易；每個場域都有自己的流程、例外與責任歸屬。

來源：a16z YouTube〈Travis Kalanick: How AI Will Transform the Physical World〉，原始發布 2026 年 8 月 14 日。本文整理訪談中的主張與脈絡，不構成投資或商業建議。

PART 2 · 軟體必須進到流程裡

Kalanick 以餐飲自動化為例：如果一份餐點的準備與配送成本無法明顯下降，消費者不會因為背後用了 AI 就改變選擇。AI 的價值要在交付時間、單位成本、品質穩定性或可服務範圍中出現。

模型理解、預測與決策

現場系統設備、人員、原料與例外處理

驗收成本、品質、交付與可持續運作

因此，「Demo 很驚艷」和「單位經濟成立」是兩個不同關卡。實體世界的回饋速度較慢，卻也更難被表面數字掩蓋。

PART 3 · 創辦人的不舒服區

訪談回顧 Uber 的高速成長，也談到現在的 Atoms 與 CloudKitchens。對 Kalanick 而言，選擇難題不是避開衝突，而是持續追問：如果不為最好的想法辯護，究竟在為哪個較差的版本妥協？

這不等於任何做法都合理。它更像一個經營提醒：當公司宣稱要改造實體產業，必須把組織文化、現場安全、監管與受影響的人一起算進產品，而不是只把「快」當成答案。

PART 4 · 讀者該怎麼看

評估「實體 AI」時，值得問的不是它是否使用最強模型，而是它是否把某段工作從展示變成可重複的營運：誰處理例外？成本是怎麼下降的？品質如何量測？出錯時又由誰承擔？

這些問題會讓熱鬧的宣傳變得具體，也能區分一個新介面和一套真的改變現場的系統。

「下一場工業革命，不會只由能說話的模型完成；它得在現場把成本、品質和交付一起扛起來。」

根據 Travis Kalanick 在 a16z 訪談中對「bits to atoms」的論述整理

回到 a16z 的完整影片，查看 Kalanick 對 Uber、Atoms、餐飲自動化與實體 AI 的原始說法。