理想與現實的差距：機器人在模擬裡滿分，到了真實倉庫卻迷路
個案：數位孿生機器人 完美的 Demo 但卻非真實
某次 DEMO DAY 的審查會議，輪到一支大學加速器衍生的新創團隊上台。創辦人阿哲（化名）是機器人博士，他們做的是倉儲自主搬運機器人：讓機器人在倉庫裡自己規劃路線、閃避障礙，把貨架上的箱子送到出貨區。
阿哲很自豪地介紹：「我們為倉庫建了一套數位孿生系統，機器人出任務前，可以先在虛擬倉庫裡把路線跑一遍，確認可行再出發。」
接著他播放了一段三分鐘的 Demo 影片。畫面裡，十台機器人在倉庫中穿梭，路線規劃得乾淨俐落，連續運作八小時零碰撞。台下好幾位評審都點了點頭。
他還補充：「我們已經拿到一家物流公司的 LOI。」
輪到我提問時，我只問了一句：「這段影片，是在真實的倉庫拍的嗎？」
阿哲停頓了一下：「目前……都是在 3D 模擬環境裡跑的。」
📘 新創小辭典｜Demo 與 PoC Demo（展示）是讓人看見產品「長什麼樣子」；PoC（Proof of Concept，概念驗證）是證明技術原理「做得到」。兩者都很重要，但都還停留在實驗室裡。
📘 新創小辭典｜LOI LOI（Letter of Intent，合作意向書）代表對方「有興趣」，但沒有付款義務。評審看到 LOI 會加分，但不會把它當成訂單。
📘 新創小辭典｜Digital Twin（數位孿生） 在電腦裡為真實的實體建立一個「雙胞胎」，例如一座工廠、一條產線或一座倉庫。它的關鍵在於「孿生」兩個字：虛擬模型要持續接收真實世界的數據，和實體保持同步，才能用來預測、測試和優化。如果模型只是照著標準規格建出來、從來沒有接過真實數據，它比較像一個精緻的 3D 模擬，還稱不上真正的數位孿生。
評審在擔心什麼 Sim-to-Real Gap
那天我在審查意見裡寫下：「實際可行性缺乏驗證：尚未進行實際場域驗證，Sim-to-Real Gap 沒有實際數據支持，可能引發實用性的疑慮；本案仍屬 very early stage，建議有實證的 MVP 之後再重新提出。」
問題就出在數位孿生的「孿生」兩個字。阿哲團隊的虛擬倉庫，是照著標準倉庫規格自己建模的，沒有任何一座真實倉庫的數據。換句話說，它是一個沒有雙胞胎的孿生。
而倉庫不是模擬器：
模擬裡的地板是乾淨的，真實倉庫的地面會反光、有油漬、有掉落的膠帶
模擬裡的紙箱是整齊的方塊，真實的紙箱會變形、堆歪、被臨時放在走道上
模擬裡沒有人，真實倉庫裡有趕出貨的員工、堆高機，還有 Wi-Fi 收訊死角
這些在模擬裡看不見的變數，就是機器人在現場「迷路」的原因。
📘 新創小辭典｜Sim-to-Real Gap 「模擬到現實的落差」。在模擬環境表現完美的系統，搬到真實環境後效能下降的現象。機器人、自駕、AI 視覺等領域特別常見。
📘 新創小辭典｜TRL TRL（Technology Readiness Level，技術成熟度等級）用 1 到 9 級標示技術離實際應用有多遠。只在模擬或實驗室驗證，通常落在中段；在真實場域驗證過，才會往高等級推進。很多評審心裡都有這把尺。
如果我是他們 從 PoC 走到 MVP 的路
審查結果出來後，照案例，我必須協助團隊提出優化建議；我想：如果我是阿哲，下一步會怎麼走？
第一步：找一個 Design Partner。
不必一開始就找大物流公司。找一間中型倉庫，說服老闆讓你利用夜班空檔，在一個區域測試兩週。對方得到免費的自動化試用，你得到最寶貴的東西：真實數據。
📘 新創小辭典｜Design Partner（設計夥伴） 願意提供場域、資料或回饋，陪你一起把產品打磨出來的早期客戶。他們通常也是你未來的第一個 Early Adopter（早期採用者）。
如果連設計夥伴都找不到呢？退一步：先借數據。
這是很多早期團隊的真實處境：倉庫老闆擔心機器人撞壞貨、影響出貨，或根本不想讓外人進場。這時不要放棄，可以退一步，請對方提供目前的真實數據，例如：
倉庫的實際平面圖與貨架配置
一週的出入庫紀錄與訂單尖峰時段
現場的照片或監視影片，用來了解人員與堆高機的動線
既有設備的運作紀錄
把這些真實數據帶進你的模擬環境，讓虛擬倉庫長得像一座真的倉庫、忙得像一座真的倉庫。這仍然不是場域驗證，但比起一段全靠假設的 Demo，已經向真實世界跨出一大步。你的數位孿生也終於有了「雙胞胎」。
更重要的是，當你拿著「用你們倉庫數據跑出來的模擬結果」回去找對方：這條路線可以縮短多少搬運距離、尖峰時段會塞在哪裡，對方看到的是和自己有關的價值。很多設計夥伴，就是這樣談成的。
📘 新創小辭典｜NDA NDA（Non-Disclosure Agreement，保密協議）。企業不願意給數據，常常是擔心外流。主動提出簽 NDA、承諾只用去識別化的資料、用完即刪除，能大幅降低對方的戒心。
第二步：做一個 MVP，量清楚三件事。
等到真的能進場，產品不必完美，但要能在現場運作，並且量清楚：任務成功率、平均需要人工介入幾次、每天的維護時間。
📘 新創小辭典｜MVP MVP（Minimum Viable Product，最小可行產品）常被誤解成「陽春版」。它的重點不是「最小」，而是「可驗證」：用最少的資源，在真實環境中回答一個最關鍵的問題。
第三步：面對落差，快速修正。
假設模擬裡的成功率是 98%，現場第一週只有 75%。這不是失敗，而是一張問題清單。逐一修正、再測，每一輪都更接近現實。如果發現「全自動」在現場太難，也許改成「人機協作」反而更受歡迎。
📘 新創小辭典｜Build-Measure-Learn 與 Pivot 《精實創業》提出的「建構－測量－學習」循環：做出來、量出結果、從中學習，再做下一輪。如果學到的結果顯示原本的方向行不通，就要考慮 Pivot（轉向），調整產品方向或目標客群。
第四步：把試用變成付費。
當 Design Partner 開始依賴你的機器人，就是談 Paid Pilot 的時機。從 LOI 到付費實證，是評審眼中最有說服力的一步。
📘 新創小辭典｜Pilot、Paid Pilot 與 PMF Pilot（試點）是在真實場域的小規模導入；Paid Pilot（付費試點）代表客戶願意為此付錢。當越來越多客戶主動回購、續約、推薦，你就逐漸接近 PMF（Product-Market Fit，產品市場契合），也就是市場真的需要你的產品。
傑西哥觀點 早期不丟臉，跳過驗證才危險
「Very early stage」不是判決，而是一個位置標記。它告訴你：你現在在這裡，下一站是真實場域。
如果真實場域一時進不去，也別停在原地。驗證不是只有「全有」或「全無」兩種選擇，中間有一道階梯：
純模擬 Demo → 用真實數據驅動的模擬 → 小規模場域試驗 → 付費試點
每往上走一階，評審和客戶對你的信任就多一分。最怕的不是走得慢，而是一直停在第一階，卻在計畫書裡寫得像已經走到第四階。
我最想對阿哲這樣的創辦人說的是：把模擬和現場的落差，誠實寫進計畫書。「模擬成功率 98%，現場第一週 75%，我們找到三個原因，已經修正其中兩個」，這樣的一句話，比任何完美的 Demo 影片都更有說服力。它證明你真的走出了實驗室，也知道下一步在哪裡。
沒有實地數據的計畫書，評審只能相信你的承諾；帶著實證 MVP 回來，評審看到的是你的能力。
新創小辭典總整理
詞彙 | 一句話解釋 | 你證明了什麼 |
Demo | 展示產品長什麼樣子 | 看起來可行 |
PoC | 概念驗證 | 技術原理做得到 |
LOI | 合作意向書 | 對方有興趣 |
Digital Twin | 與真實世界同步的虛擬模型 | 有真實數據時，模擬才可信 |
TRL | 技術成熟度等級 | 你離實際應用多遠 |
Sim-to-Real Gap | 模擬與現實的落差 | 需要用現場數據回答 |
Design Partner | 陪你打磨產品的早期客戶 | 有人願意給你場域或數據 |
NDA | 保密協議 | 讓對方放心提供數據 |
MVP | 最小可驗證產品 | 在真實環境中能運作 |
Pivot | 調整方向 | 你從數據中學到東西 |
Paid Pilot | 付費實證 | 有人願意付錢實證 |
PMF | 產品市場契合 | 市場真的需要你 |
本系列個案綜合本人多次審查與輔導經驗改編，產業、人物與情節皆經過改寫，並非指涉特定團隊。
延伸閱讀
站內相關文章
留言