商傳媒｜何映辰／台北報導
人工智慧（AI）領域近日迎來重大突破。AI 公司 Anthropic 旗下大型語言模型 Claude Opus 4.7 在實體機器人編程任務中，展現超越人類團隊 20 倍的速度與效率，這標誌著 AI 從虛擬世界走向實體應用的一個重要里程碑。
Anthropic 於今年 6 月公布的「Project Fetch Phase Two」實驗結果顯示，Claude Opus 4.7 僅耗時 9 分 35 秒就完成了四項機器人編程任務。相較之下，2025 年 8 月的首次實驗中，配備 AI 輔助的真人團隊需要 181 分鐘，而完全未經輔助的團隊則耗費 361 分鐘。這項成果代表 Claude Opus 4.7 的效率比 AI 輔助團隊快 19 倍，比未輔助團隊快近 38 倍。
這次實驗使用的任務涵蓋機器人的感測器連接、路徑監控程式編寫以及電腦視覺物件偵測，例如辨識沙灘球。值得注意的是，這些能力的提升並非來自於針對機器人技術的專門訓練，而是源於大型語言模型（LLM）普遍能力規模化帶來的結果，顯示 AI 的通用能力正在延伸至物理世界。
Anthropic 研究人員指出，Claude Opus 4.7 透過「agentic loop（代理迴圈）」機制運作。這是一種三階段循環，模型會先收集情境資訊、採取行動，再驗證結果，然後重複循環。結合名為 Claude Code 的工具集，Claude 得以讀取感測器輸出、編寫並執行程式碼、觀察連接是否成功，並據此修正後續指令，使其能有效應對「open-loop tasks（開迴路任務）」，即模型執行指令後觀察結果，無需即時反饋調整的任務。
然而，模型在處理「closed-loop control（閉迴路控制）」任務時仍面臨挑戰。例如，實時引導機器人推動沙灘球回原位，這需要系統持續讀取感測器數據、即時計算並快速發出修正指令。麻省理工學院（MIT）電腦科學與人工智慧實驗室主任 Daniela L. Rus 表示，雖然目前已有許多機器人車隊全天候運作，但這些系統多半依賴專用機器人軟體，而非通用型大型語言模型。
Anthropic 認為，這項發展標誌著「physical agentic AI（實體代理型 AI）」的開端。其研究人員在 2026 年 6 月發表的 Anthropic Economic Index 報告中也提到，Claude 現在已負責 Anthropic 內部超過 80% 的程式碼整合工作，工程師每日整合的程式碼量更是 2024 年的八倍，顯示 AI 能力的成熟正多面向同步進展。
