機械人語｜AI Agents 從虛擬走向實體 自主巡邏重塑城市管理
過去幾年，生成式 AI 應用快速普及，從撰寫電郵、企劃構思、圖像生成到程式編寫，各行業已廣泛採用。到了 2026 年，技術焦點已轉移至 AI Agents（智慧代理）。這類系統已超越問答式聊天機械人的功能層級，具備目標理解、任務拆解、工具調用及持續執行的自主能力，被視為數碼勞動力的延伸。業界預測，未來相當比例的決策與工作流程，將由這類智慧代理自主完成。
如果說生成式 AI 解決的是「怎樣表達」，AI Agents 處理的則是「怎樣執行」。在辦公場景中，它能自動整理郵件、匯總數據、生成報告，甚至主動發送予相關人員；在實體環境中，它則驅動機械人與 AI 攝影機，進行自主巡邏、即場分析，再將結果呈交人類決策者。對智慧城市與智慧保安系統而言，這標誌著巡邏模式正從「人為主、機器為輔」，轉向「AI 自主、人工監督」的架構。
要實現智慧代理在實體環境中的可靠部署，Edge Computing（邊緣運算）扮演著關鍵的技術支撐。違例泊車監察、工地安全巡查、酒店保安巡邏等場景，俱屬高即時性、環境多變且不容系統中斷的應用，將 AI 算力集中於雲端雖具彈性，卻在延遲、可靠性與數據私隱方面存在制約。相比之下，將運算能力直接嵌入機械狗或巡邏機械人，使影像在現場即時分析與決策，可實現毫秒級反應，同時降低對網絡連線的依賴，顯著提升系統穩定度與安全性。
VLM 結合視覺與語言
然而，要讓機械人具備真正的場景理解能力，而不只是移動式感測器，需結合視覺與語言的跨模態模型——即視覺語言模型（VLM，Vision‑Language Model）。傳統 AI 影像分析能偵測車牌、判別車輛是否違規停泊、計算人流等，惟每項功能均須獨立設計模型與規則。VLM 則將影像識別與語言理解整合於同一多模態架構，既能處理即時視覺輸入，亦能解析人類以自然語言下達的指令與提問，並在兩者之間進行語意對齊與推理。
具體而言，當你對搭載 VLM 的機械狗下達「查看此處是否有人違例泊車」的指令，它會先解析「違例泊車」的語意與規則，再主動分析現場畫面，辨識停放在不合規位置的車輛，記錄車牌與時間，最後以文字或報表回報結果。同一模型亦可應用於其他任務，如「圈出所有大型垃圾箱」或「標示所有紙箱」，並在畫面中即時標註目標物件，無須為每類新物件重新訓練專屬模型。這正是 VLM 為巡邏型 AI Agents 帶來的根本轉變：從單一功能的專用工具，提升為具語言理解能力的通用型視覺大腦。
國際科技與資訊技術展開鑼
今年 7 月 8 至 10 日，國際科技與資訊技術展 LEAP East 將首度於香港會議展覽中心舉行，我們的團隊將在現場展示結合「VLM + Edge Computing」的新一代巡邏機械狗。在模擬街道與停車區域中，機械狗將透過內建 AI 攝影機與邊緣運算模組，自主巡邏、分析停泊車輛是否違規，並進行車牌辨識，將違例泊車的車牌、時間與位置記錄為數碼證據，未來可整合至執法或停車管理系統。對交通管理單位而言，此系統可全天候覆蓋違泊黑點路段，紓緩前線執法人員的工作負荷；對商場或住宅屋苑的保安管理，則有助更精確地維持車流秩序。
除違例泊車巡邏外，展區亦會設置大型垃圾箱、紙箱堆及其他物件，讓參觀者體驗「即時輸入指令，AI 隨即執行」的互動操作。參觀者可在操作介面上輸入如「圈出現場所有大型垃圾箱」或「標示所有紙箱」等指令，搭載 VLM 的邊緣運算模組將即時理解這些自然語言描述，在影像畫面上標註對應物件，甚至可驅動機械狗移動至指定物件附近。對非技術用戶而言，這代表他們能以語言即時定義新的視覺偵測任務；對營運方來說，這種按需配置的巡邏功能，使系統能靈活適應活動場地、貨運調度或施工現場等不同場景的變化。
當 AI Agents 從數位介面走入街道、工地、商場與住宅社區，一個由自主巡邏與智慧感知建構的城市管理新常態正在成形。VLM 為機械人提供高階視覺語意理解能力，Edge Computing 確保其在實地環境中快速而穩定地執行決策；多代理協作與人機協同機制，則進一步擴展覆蓋範圍，提升整體安全與營運效率。在今年的 LEAP East 展會上，我們誠邀各界人士親臨展台，與機械狗進行互動，親身見證 AI Agents 在真實世界中實現「自主巡邏」的技術進程，以及其對香港城市營運所帶來的創新可能。
撰文：Tobot Solution 創辦人兼行政總裁王嘉敏（Jazzy）
欲觀看更多 Jazzy 撰寫的文章，可按此瀏覽。
