人工智慧正在改變藝術的創作條件，也正在改變藝術被命名的速度。從 Generative Art、AI Art、Agentic Art、Autonomous Art，到 Generative Worlds、Humanoid Robot Art 與 Physical AI Art，短短數年間，新的技術名稱、創作方法與藝術分類不斷出現，逐漸形成一套看似持續向前推進的藝術發展敘述。生成式人工智慧開始普及時，藝術界關注的是機器能否產生具有審美價值的影像；當 AI Agent 開始具有規劃、決策與執行能力，藝術的討論迅速轉向機器能動性；世界模型取得即時生成三維環境的能力後，Generative Worlds 又被提出作為可能的新方向；隨著人形機器人與實體人工智慧受到關注，藝術是否將進入由機器身體參與創作的階段，也開始成為新的討論對象。
每項技術進展都可能提供新的創作條件，但技術能力的增加，是否足以構成藝術形式的變化？當藝術類別開始依照人工智慧產品的更新週期持續增加，藝術史是否逐漸失去辨認藝術差異的能力？當一個新的名稱可以在技術發表之後迅速出現，經由媒體、展覽與市場取得能見度，藝術形式的成立是否仍然需要歷史、理論與作品之間的充分論證？
問題的核心涉及藝術概念的形成速度。過去，一項藝術形式的形成往往經過相當長時間的創作、爭論、批判與制度化過程。攝影、電影、觀念藝術、錄影藝術及電腦藝術，都曾在新技術與既有藝術觀念之間形成持續的緊張關係。藝術家探索技術所提供的可能性，評論家與理論研究者則逐漸建立描述作品的語言，藝術形式的名稱經過長期使用，才取得相對穩定的歷史意義。然而，人工智慧技術的更新速度，正在大幅縮短創作實踐與藝術命名之間的距離。某項技術尚未形成足夠多的作品，新的藝術名稱便可能已經出現；一個名稱尚未經過充分討論，下一項技術又要求新的分類。
這項現象可以暫時稱為「藝術命名的通膨」（Inflation of Artistic Nomenclature）。通膨所描述的問題，並不單純是新名稱的數量增加，而是名稱與其所宣稱的藝術差異之間，逐漸失去相應的論證關係。當每一項技術更新都能取得藝術形式的名稱，新的藝術類別便可能失去原有的區辨功能。藝術史不斷增加新的分類，卻未必同步增加對作品、感知與歷史關係的理解。
人工智慧世代所面臨的藝術危機，因而可能超越作品大量生產所造成的視覺氾濫。更深的問題在於，藝術概念本身也開始大量生產，藝術的命名逐漸成為技術創新的附屬活動。當生成技術、機器行動與世界模擬不斷取得新的名稱，藝術史是否正在被改寫成一部人工智慧能力擴張的歷史，便成為需要重新檢視的問題。
當藝術名稱開始追隨技術發表
藝術史從來不缺乏新的名稱。印象主義、立體主義、未來主義、構成主義、觀念藝術、極簡藝術、裝置藝術及錄影藝術，都曾經透過特定名稱建立創作實踐之間的關聯。部分名稱來自藝術家的宣言，部分由評論家提出，也有些名稱源自批評、誤解或展覽制度，經過長期使用之後才逐漸取得相對穩定的意義。
藝術名稱的形成因此並非完全中立，也不必然由藝術家主導。批評、出版、展覽、收藏與教育制度，都可能參與藝術類別的建立。名稱除了描述作品，也會影響作品如何被理解，以及哪些實踐能夠進入藝術史。然而，名稱與作品之間仍然存在某種需要經過檢驗的關係。藝術形式的成立，通常涉及共同的形式問題、創作態度、歷史處境與感知經驗，並在不同作品之間形成可以比較的差異。
人工智慧的發展讓這段形成過程出現顯著變化。當新的模型取得影像生成能力，創作者可以立即產生大量作品；當模型能夠生成影片，藝術討論迅速轉向動態影像與電影製作；當代理式人工智慧取得行動規劃能力，Agentic Art 開始被提出；世界模型逐漸具有空間連續性與即時互動能力後，Generative Worlds 又成為新的研究方向。隨著機器人與實體人工智慧的發展，Physical AI Art 與 Humanoid Robot Art 也可能被用來指稱新的藝術實踐。
但這些名稱目前並不具有相同的學術地位。Generative Art 已有數十年的藝術史脈絡；Robotic Art 也具有可追溯的創作傳統；Agentic Art 尚處於概念使用與實踐探索的階段；Generative Worlds 同時被用於技術研究、遊戲、建築與藝術討論；Physical AI 主要來自人工智慧與機器人產業，Physical AI Art 則尚未形成廣泛公認的藝術定義。Humanoid Robot Art 同樣需要區分它究竟是在描述以人形機器人為主題的作品、由人形機器人執行的創作，或是一種具有共同美學問題的藝術形式。
若將不同成熟程度的名稱並列，便容易產生一種錯覺，彷彿藝術已經完成數次連續轉型。實際上，技術分類、創作方法、研究概念與藝術形式的名稱正混合在一起，其中部分甚至尚未獲得足夠的藝術實踐支持。
這也顯示，當代 AI 藝術的命名問題，已經開始受到技術產業的時間結構影響。技術公司需要持續發布新模型，以新的能力、性能與應用建立產品差異。藝術界則在高度競爭的文化環境中尋找新的展示內容與討論主題。兩者的需求可能互相強化，使技術更新迅速取得藝術創新的外觀。
當一項技術尚未建立相應的美學語言，便已經被納入藝術類別的敘述，技術的新穎性便可能取代藝術形式的論證。藝術不再需要經過長時間的實踐來證明差異，因為差異似乎已經由模型能力預先提供。
藝術史的時間與技術產業的時間
攝影與電影的歷史提供了理解這項問題的重要參照。十九世紀攝影技術的出現，重新安排了影像、現實與記錄之間的關係，但攝影取得藝術地位的過程，並未隨著攝影技術的發明立即完成。攝影家如何組織畫面、選擇觀看位置、處理時間與現實的關係，以及攝影應如何建立自身的表現方式，都經過長期實驗與討論。
電影也經歷相似的過程。連續影像的播放提供了電影的技術基礎，電影藝術的形成卻涉及鏡頭、剪接、敘事、空間與時間的重新組織。電影技術此後持續改變，從有聲電影、彩色電影、寬銀幕、數位攝影到電腦生成影像，每一項革新都可能深刻影響電影的製作方式，但電影沒有因為技術更新而反覆被宣布成另一種全新的藝術。
這項歷史比較並不表示藝術形式只能緩慢形成，也不代表每一次技術革命都必須等待數十年才能取得藝術意義。藝術史中確實存在短時間內形成重要轉變的例子。然而，形式能否成立，仍然需要回到作品所提出的問題，以及創作實踐之間能否形成具有歷史差異的關係。
Walter Benjamin（1892－1940）在〈機械複製時代的藝術作品〉（Das Kunstwerk im Zeitalter seiner technischen Reproduzierbarkeit, 1935－1936）中，已經討論技術複製如何改變藝術作品的存在條件。攝影與電影使藝術脫離傳統的獨特時空位置，並改變作品的展示方式與社會接受條件。Benjamin 關心的問題涉及感知、技術與社會生活之間的關係，而非單純將新技術視為藝術價值的增加。
人工智慧同樣正在改變藝術作品的生產與接受條件。生成模型降低影像製作門檻，使大量視覺結果得以快速出現，並改變藝術家與創作工具之間的關係。然而，AI 藝術所處的文化環境，還增加了一項不同於早期技術媒介的條件，即技術公司能夠以高度密集的更新週期，持續提供具有不同名稱的生成能力。
當一項模型剛取得生成影像的能力，另一項模型已經開始強調影片生成；影片生成尚未建立穩定的藝術評價，世界模型又開始提供三維環境與即時互動；當世界模型仍在處理物件持續性與事件因果問題，具身人工智慧與人形機器人的發展，又將討論推向實體空間中的感知與行動。
技術持續發展本身並不構成問題。真正的困難，在於藝術論述可能被迫接受相同的更新速度。藝術家尚未充分探索某項技術的限制，下一項技術便可能將其視為過去的能力；評論家尚未建立相應的判斷語言，新名稱已經進入展覽與媒體；研究者尚未釐清不同創作形式之間的歷史關係，下一波技術宣傳又要求藝術界重新安排研究重點。
由此形成的時間壓縮，使藝術創新逐漸接近技術產業的產品週期。藝術形式不再主要透過長期的創作與批判建立，而可能依照模型的能力差異不斷重新分類。藝術史的敘述開始失去自身的時間尺度，藝術的發展也可能被理解為技術進步的連續結果。
這是藝術命名通膨的第一項條件：技術更新與藝術史判斷之間的時間差，正在受到壓縮。
生成藝術早已包含自主性
Generative Art 經常被當成生成式人工智慧普及後才取得廣泛影響的藝術類別，但其歷史與觀念可以追溯至更早的系統藝術、演算法藝術、控制論與觀念藝術。
Sol LeWitt（1928－2007）在 1967 年發表〈觀念藝術段落〉（Paragraphs on Conceptual Art），已經將藝術創作的重點放在觀念與規則的建立，並提出創作執行可以按照預先決定的程序完成。藝術家不需要直接控制作品的每一個製作步驟，因為作品的形成可以由規則與執行程序共同完成。
Jack Burnham（1931－2019）在 1968 年的〈系統美學〉（Systems Esthetics）中，進一步討論藝術從獨立物件轉向系統、過程與關係的發展。他注意到控制論與資訊技術正在改變藝術作品的組織方式，使作品不再完全依賴固定形式，而可能透過系統運作與環境互動取得意義。
生成藝術的早期實踐因此早已涉及創作控制權的分配。藝術家建立規則，系統依照規則運作，作品則在規則與偶然之間形成。2003 年，Philip Galanter 在〈何謂生成藝術？複雜性理論作為藝術理論的脈絡〉（What Is Generative Art? Complexity Theory as a Context for Art Theory）中，已經將具有一定自主性的系統納入生成藝術的定義。
這項歷史背景對今日的 Agentic Art 具有重要意義。如果生成藝術本來就包含具有自主性的創作系統，那麼 AI Agent 所提供的新能力，究竟在哪個層次改變了藝術？
Harold Cohen（1928－2016）自 1970 年代開始發展的《AARON》，已經能夠透過電腦程式中的繪畫知識與規則產生圖像。Cohen 長期研究人類的繪畫知識如何轉化為電腦能夠執行的程序，並探索藝術家與機器之間的創作關係。2024 年，Whitney Museum of American Art 為 AARON 舉辦專題展覽，重新檢視其在人工智慧藝術史中的地位。
AARON 提出的問題，與今日生成式人工智慧具有高度連續性。當系統產生藝術家未曾直接繪製的圖像，作者身份如何界定？當生成程序能夠持續運作，作品的完成時刻由誰決定？當機器產生超出藝術家預期的結果，這項差異應該被理解為自主性、偶然性，還是程式運作的效果？
近年的大型生成模型確實擴大了人工智慧的能力，讓系統能夠處理更複雜的語意、影像與行動關係，但不能因此將自主性視為當代 AI 藝術首次出現的現象。
當 Agentic Art 被提出作為新的藝術名稱，研究者有必要重新比較其與既有生成藝術之間的關係。如果所謂 Agentic Art 只是讓 AI 自行生成圖像、評估結果並選擇下一張作品，它可能屬於生成藝術中更複雜的程序性實踐。只有當代理能力實際改變作品的形成條件，使行動、決策與環境回饋產生新的感知及形式關係，新的藝術概念才可能取得相應的解釋能力。
因此，Agentic Art 的出現並不直接證明生成藝術已經進入下一個藝術階段。它首先提出的是一項歷史比較問題：新的機器行動能力究竟增加了什麼，又延續了哪些已經存在的藝術問題？
從 Agentic Art 到 Autonomous Art：自主性名稱的重複生產
Agentic AI 通常指具備目標導向、規劃、行動及回饋能力的人工智慧系統。相較於主要依照輸入產生特定結果的生成模型，AI Agent 可以在有限範圍內觀察環境，選擇行動方式，執行不同任務，並根據結果調整後續操作。
當這項技術被引入藝術創作，藝術家可以建立具有持續行動能力的系統，讓模型自行決定部分創作過程。例如，一套系統可以長期觀察觀眾反應，根據累積資料調整作品內容；另一套系統則可能持續生成、比較與選擇圖像，形成相對穩定的創作傾向。
然而，這項能力究竟構成 Agentic Art、Autonomous Art，還是 Generative Art 的延伸，目前並不存在可以直接接受的定論。
Ian Cheng（1984－）的《Emissaries》（2015－2017），提供了重要的藝術史參照。他透過即時模擬建立持續變動的虛擬生態與敘事環境，角色在系統中互相影響，並形成無法完全預知的事件。作品沒有固定的單一結局，觀眾在不同時間進入作品，可能遇到不同的狀態。
《Emissaries》已經涉及行動者、環境回饋及持續生成的敘事。這項實踐早於近年 Agentic AI 的普及，卻已經將機器自主性放在作品的核心。當代 Agentic Art 若要建立獨立的藝術史位置，便需要說明其代理能力如何超越既有的人工生命與互動模擬系統。
Botto 同樣提供了值得討論的例子。自 2021 年開始運作以來，Botto 透過生成模型持續產生圖像，並讓參與社群以投票方式影響後續創作。系統的藝術方向受到模型、開發者、社群治理與市場交易共同影響，形成分散式的創作權力關係。
Botto 的重要性涉及機器創作與制度治理之間的連結。系統並未因為能夠自行生成圖像，就完全取得獨立於人類的藝術主體地位。其生成能力受到模型架構限制，作品選擇受到社群偏好影響，而治理機制又涉及不同的參與權限與經濟誘因。
這也顯示，Agentic Art 與 Autonomous Art 的概念不應直接重合。技術上的自主性主要涉及系統在有限條件中的行動能力，而藝術哲學中的自主性，長期涉及藝術與社會、政治、宗教及經濟制度之間的關係。當 Autonomous Art 被用來描述 AI 的自主創作，原有的美學概念便可能與工程上的自治能力混淆。
這種混淆具有更普遍的意義。當技術產業不斷提出新的能力名稱，藝術界若缺乏概念上的區分，便可能把不同層次的問題重新包裝成獨立藝術形式。生成、代理、自主與智能等名稱，原本各自描述不同的技術或哲學條件，卻可能在藝術論述中被用來建立連續的創新敘事。
結果是藝術名稱越來越多，概念之間的差異卻未必更加清楚。藝術史可能因此產生新的分類，卻未必取得新的理解。
Humanoid Robot Art：人形機器人是否意味新的藝術誕生？
人形機器人的發展，使人工智慧開始以更接近人類身體的形式進入公共空間。機器人具有頭部、軀幹、手臂與腿部，能夠行走、操作工具、模仿動作或與人對話，容易讓觀眾將其理解為具有意圖的行動者。當人形機器人開始繪畫、表演或參與藝術活動，Humanoid Robot Art 便可能成為描述相關實踐的新名稱。
然而，機器身體參與藝術並非人工智慧世代才出現的現象。
Nicolas Schöffer（1912－1992）在 1956 年創作的《CYSP 1》，已經透過感測器、馬達與控制系統建立能夠回應環境的動態雕塑。作品將運動與環境回饋引入雕塑，讓物件的行為成為藝術經驗的一部分。
1964 年，Nam June Paik（1932－2006）與 Shuya Abe（1932－）共同製作《Robot K-456》，將人形機器、遙控技術、聲音與公共表演結合。機器人在街道與展演空間中移動，透過特定動作及聲音參與作品。其人形外觀已經涉及技術、身體、社會角色與機器擬人化之間的關係。
Edward Ihnatowicz（1926－1988）的《The Senster》（1969－1970），則透過感測器與電腦控制大型機械身體的動作，使作品能夠依照觀眾的聲音與移動改變姿態。機器的反應並非完全由藝術家即時操作，而由內部控制系統與環境輸入共同形成。
這些作品早已提出機器身體與藝術自主性的問題。機器能否具有行為？觀眾如何理解機器的反應？當作品能夠感知環境並自行移動，雕塑是否仍然具有固定的形式？人類為何容易把機器動作理解為具有意圖的行為？
當代人形機器人確實在感測、控制、語言理解與運動協調方面取得更複雜的技術能力，但其藝術問題與早期機器藝術之間具有明顯的歷史連續性。
Ai-Da Robot 的出現，使這項問題進一步進入藝術市場與媒體討論。2024 年，Ai-Da 創作的《A.I. God. Portrait of Alan Turing》在 Sotheby’s 拍賣，以超過一百萬美元的價格成交。作品的討論除了涉及繪畫本身，也受到人形機器人身份、人工智慧與市場新穎性的影響。
這項事件呈現了一個值得研究的矛盾。藝術作品的市場價格可以因機器人作者的身份受到關注，但市場價格並不能直接證明作品具有新的藝術形式。人形機器人的身體可能增加表演性、擬人化及觀眾對機器主體性的想像，卻不能因此推導出人形機器人所完成的繪畫，在形式上必然超越其他生成藝術。
Humanoid Robot Art 的概念也存在分類上的困難。人形機器人可以作為作品中的表演者、繪畫工具、互動裝置，也可以成為作品批判的對象。機器人的形體特徵無法直接決定作品所屬的藝術形式。一件人形機器人表演可能延續劇場藝術，一件機器人繪畫可能延續演算法藝術，一套人機互動裝置則可能屬於更廣泛的機器藝術傳統。
若僅以機器是否具有人的外形作為分類依據，Humanoid Robot Art 便可能成為依照設備外觀建立的技術分類。藝術史所需要分析的，是人形身體如何改變觀看、表演、互動及作者身份，而非將擬人化機器人的出現直接視為新的藝術運動。
Physical AI Art：實體人工智慧是否構成下一個藝術階段？
Physical AI 是近年人工智慧產業的重要技術用語，主要涉及人工智慧如何透過感測、推理、控制與動作執行，在實體環境中完成任務。其應用範圍包含機器人、自動駕駛車輛、工業自動化與其他能夠感知並改變實體環境的系統。
因此，Physical AI 並不等同於人形機器人。具備操作能力的機械手臂、自主移動設備、環境控制系統，甚至整合感測器與人工智慧的建築空間，都可能涉及實體人工智慧。Humanoid Robot Art 若被用來描述具有擬人化身體的機器藝術，只能涵蓋其中一部分實踐。
當 Physical AI 的技術概念被延伸為 Physical AI Art，藝術界便需要重新提出與前述相同的問題：新技術究竟改變了藝術的哪些形成條件？
實體機器藝術的歷史已經相當豐富。Leonel Moura（1948－）長期發展自主繪畫機器人，其中《RAP》（Robotic Action Painter, 2006）透過感測與控制程序產生繪畫，並依照系統規則決定作品是否完成。
Sougwen Chung（1985－）自 2015 年開始發展《Drawing Operations》系列，透過機械手臂與藝術家共同繪畫。早期系統依照藝術家的手部動作進行模仿，後續版本則導入機器學習，利用藝術家過去的繪畫資料形成新的動作關係。作品將人類身體、機器動作與繪畫痕跡連結起來，使創作過程具有共同表演與持續回饋的特徵。
這些案例已經涉及今日 Physical AI Art 可能提出的核心問題。機器如何透過身體參與創作？感測資料如何轉化為動作？人類與機器之間如何分配行動權？實體動作的限制如何影響作品？機器在繪畫過程中的延遲、誤差及非預期結果，又如何進入形式的形成？
當代 Physical AI 可以提供更複雜的運動學習、環境辨識與任務規劃能力，但技術差異不能直接被理解為藝術史的斷裂。新的模型可能改善機器手臂的穩定性，也可能增加人形機器人的操作能力，然而，作品是否因此建立新的美學問題，需要透過實際創作加以檢驗。
Physical AI Art 的討論還具有另一項重要性。相較於數位影像生成，實體人工智慧必須面對物理環境中的限制。重力、碰撞、摩擦、重量、動作延遲、身體尺度及空間距離，都會影響系統的運作。當機器進入展場、街道或公共空間，觀眾不再只是觀看生成結果，也需要與一個能夠移動、接近或改變環境的機械身體共同存在。
這項變化可能重新組織藝術中的身體關係。機器的動作可能影響觀眾的位置，觀眾的接近又可能改變機器行為；創作過程可能產生不可逆的物理痕跡，也可能因技術故障而中斷。與可以重新生成的數位影像相比，實體行動所形成的後果具有不同的持續性。
然而，作品具備物理後果，並不保證其藝術價值。觀眾看見一具人形機器人流暢地行走，可能因技術精密程度而感到驚訝，但技術展示與藝術經驗仍然具有不同的判斷條件。
Physical AI Art 因而提供了研究藝術與實體行動關係的機會，同時也暴露命名通膨的另一項風險：當技術產業將 Physical AI 定義為新的發展方向，藝術界是否會隨即要求建立相應的藝術名稱？
如果機器藝術、動態雕塑、互動藝術與表演藝術原有的理論仍然足以解釋相關作品，那麼新的技術術語未必需要立即取得獨立藝術形式的地位。
Generative Worlds：從生成影像到生成世界的命名誘惑
當生成式人工智慧逐漸取得空間連續性與即時互動能力，Generative Worlds 成為另一個受到關注的概念。
相較於單張影像或固定影片，世界模型可以嘗試建立可探索的三維環境，使使用者在其中移動、改變視角，並與生成場景互動。2025 年，World Labs 公開推出 Marble，展示透過文字、影像與其他輸入建立三維世界的能力。Google DeepMind 在 2025 年發表 Genie 3，進一步展示可即時探索的生成環境；2026 年 10 月 27 日發表的 Genie 4，則將聲音、角色行為、環境變化與多步驟事件模擬整合至世界模型之中。
這些技術進展，確實將生成能力從固定視覺結果延伸至持續運作的空間環境。然而，能夠生成環境，是否等於能夠生成世界？
一個具有大量建築、街道、人物、植物與天空的三維場景，可能在視覺上十分完整，卻仍然缺乏世界所需要的歷史關係。當使用者離開某條街道再返回時，原有建築是否維持相同狀態？當某個角色作出選擇，後續事件是否受到影響？當一座橋梁被拆除，交通與生活是否因此改變？如果過去事件無法對未來形成持續約束，生成環境便可能只具有即時的視覺連續性。
截至 2026 年 10 月，世界模型在長時間一致性、物件持續性與複雜互動方面仍存在限制。模型可以生成具有說服力的場景，也可以在短時間內模擬事件，但長時間的歷史累積與穩定的因果關係，仍然需要進一步研究。
藝術理論因此需要區分生成影像、生成環境與生成世界。生成影像主要涉及形式及視覺結果；生成環境增加空間關係與互動能力；生成世界則涉及規則、記憶、時間、事件及內部關係的持續形成。
這三個層次無法單純依照技術複雜程度排列。文學作品可以透過有限的文字建立具有完整歷史的世界，數位系統則可能生成龐大的三維環境，卻缺乏具有持續性的社會與時間關係。
Ian Cheng 的《Emissaries》早已透過即時模擬處理世界與敘事的生成。人工生命藝術、遊戲藝術及互動裝置，也長期探索環境如何持續演化。Generative Worlds 若要形成具有歷史差異的藝術問題，便必須與既有實踐建立比較關係。
更重要的是，Generative Worlds 可能首先是一種跨領域的技術與研究概念，並不必然屬於藝術。世界模型可以應用於遊戲、電影、建築設計、機器人訓練及虛擬模擬，藝術只是其中一種使用方式。
當某項技術具有廣泛應用，便將其直接轉化為藝術形式的名稱，容易忽略藝術作品自身的形成條件。Generative Worlds 的藝術價值不能僅由生成規模、真實程度與互動能力證明，仍然需要回到世界如何組織感知、時間與歷史的問題。
從 Generative Worlds 到 Agentic Worlds：新的名稱是否仍有必要？
當生成世界與 AI Agent 結合，系統便可能建立具有多個行動者的持續運作環境。角色各自具有目標、記憶與行動能力，並透過互動改變環境。世界在運作過程中形成事件，過去的事件又可能影響未來。
這項結合具有研究潛力，也可能被稱為 Agentic Worlds。然而，當 Generative Art、Agentic Art、Generative Worlds 與 Agentic Worlds 依序出現，我們是否又一次將技術能力的組合視為新的藝術類別？
這個問題顯示，藝術命名的通膨可能具有自我擴張的傾向。生成、代理、身體、世界等技術或理論概念可以不斷組合，形成新的名稱。當名稱的建立主要依靠概念排列，而缺乏具體作品與共同問題意識的支持，藝術分類便可能逐漸脫離藝術實踐。
但 Agentic Worlds 仍然可以具有研究上的價值。它可以作為暫時性的分析概念，協助我們討論具有行動者的生成世界，並區分其與一般生成環境之間的差異。這項概念能否取得藝術形式的地位，需要由後續創作與批判逐步確認。
可以設想一件藝術作品，藝術家建立一座具有地形、氣候、道路、建築及人口的虛擬城市，並為其設定能源、水資源、土地使用與居住制度。城市內部存在多個 AI Agent，各自具有不同的行動目標與記憶。當某個角色提出興建道路，其他角色可能因資源分配而產生衝突。道路完成後，土地利用與交通關係發生改變，城市的社會組織也逐漸調整。
如果一次洪水摧毀部分城市，居民必須重新安排居住與移動，制度可能因環境變化而受到挑戰。觀眾在不同時間進入作品，便可能面對一個已經歷特定事件、具有自身歷史的世界。
這項作品的藝術價值，可能涉及時間、記憶、制度與行動關係的組織。其關鍵並不在於系統能夠生成多少棟建築，或同時運作多少個 Agent，而在於事件能否形成持續的後果，以及觀眾能否理解世界內部的關係。
然而，即使如此，是否有必要將它命名為 Agentic Worlds，仍然需要審慎判斷。這項作品可能同時涉及系統藝術、人工生命、互動敘事、遊戲藝術與都市模擬。新的名稱可以協助研究者描述作品，但不能因為名稱存在，就預設它已經形成新的藝術史階段。
因此，新的藝術名稱應當具有暫時性與可修正性。研究可以先使用概念辨認尚未成熟的現象，並保留後續調整與取消分類的可能。當一個名稱無法有效區分作品，或無法提供比既有概念更深入的解釋時，研究者便需要重新考慮其必要性。
藝術理論不能把提出新名稱本身當成研究成果的充分證明。
從虛擬世界回到實體世界：技術整合是否必然帶來藝術整合？
世界模型與 Physical AI 的發展，正在人工智慧研究中形成新的連結。世界模型可以提供環境模擬，實體人工智慧則需要在物理空間中感知、推理及執行行動。當兩者結合，系統可能先在模擬環境中學習與測試，再將部分能力轉移至實體機器。
這項技術方向可能對藝術產生影響。藝術家可以建立具有感測器與機器裝置的空間，讓 AI Agent 依照觀眾行動改變環境。機械手臂可能移動物件，燈光與聲音系統可能根據空間狀態調整，機器人也可能與觀眾形成持續互動。
但實體空間中的自主環境，早已是動態藝術、控制論藝術、互動藝術及環境藝術的重要研究對象。世界模型與 Physical AI 可以增加系統能力，卻未必立即改變藝術形式的基本問題。
更深的差異可能發生在虛擬模擬與實體後果之間的關係。數位世界可以透過重新生成修改事件，實體環境中的行動則受到物理條件限制。機械動作可能產生磨損、破壞、碰撞或不可逆的痕跡，空間中的人也可能受到機器行為直接影響。
當 AI 開始參與實體空間的持續調整，藝術家的工作將涉及行動邊界、安全責任、環境控制及觀眾的身體位置。作品的自主性因此需要受到具體限制，藝術家不能僅以開放生成作為充分的創作說明。
然而，技術上的物理自主性仍然不等於藝術上的自由。機器可以自行移動，卻可能完全依照預先設計的目標運作；系統能夠持續觀察觀眾，卻不代表觀眾因此取得更大的參與權；作品可以在實體空間產生複雜效果，也可能只是將技術展示擴大到建築尺度。
這也涉及建築與都市理論。當一座建築開始透過感測系統與 AI 持續調整環境，建築的操作條件可能發生變化，但它仍然需要處理空間、使用、社會關係與權力分配。建築是否因此取得新的藝術身份，不能只由其導入人工智慧的程度決定。
藝術史需要關注的是，當 AI 從影像進入空間，從虛擬模擬延伸至實體行動，作品的感知與社會關係如何改變。Physical AI Art 可以作為討論這個問題的暫時性名稱，但若將它直接當成藝術演進的必然階段，便會再次把技術整合誤認為藝術整合。
從新媒介到新藝術形式：概念層次的混淆
Rosalind Krauss（1941－）在《北海航行：後媒介狀態下的藝術》（A Voyage on the North Sea: Art in the Age of the Post-Medium Condition, 1999）中，討論當代藝術如何超越傳統媒介分類，以及媒介身份如何在新的藝術實踐中受到重新界定。
她在《藍杯之下》（Under Blue Cup, 2011）中進一步討論技術支撐（technical support）與媒介慣例之間的關係。媒介不能完全被簡化為作品使用的設備或物理載體，因為藝術形式的成立還涉及特定的操作規則、歷史記憶與表現方式。
這項理論對 AI 藝術具有直接的啟發。生成模型是一種技術條件，AI Agent 是一種行動機制，世界模型則涉及環境模擬。Physical AI 描述人工智慧與實體系統的結合，Humanoid Robot 指向特定的機器身體形式。這幾個概念分屬不同層次，卻可能在藝術命名中被視為相互競爭的新類別。
如果缺乏概念區分，藝術界便可能不斷依照技術的功能分類建立新名稱。當模型能夠生成影像，便有生成影像藝術；當模型能夠行動，便有代理藝術；當機器具有身體，便有實體 AI 藝術；當機器具有人的外形，便有 Humanoid Robot Art；當系統能夠建立世界，便有 Generative Worlds。
這種分類方式表面上十分完整，實際上卻混合了技術能力、操作方式、物件形態與藝術形式。名稱的增加沒有相應改善我們對作品的理解，反而可能讓藝術分類受到技術產品的特徵支配。
藝術理論有必要重新區分技術、媒介、創作方法、藝術形式與藝術運動。
技術描述系統能夠完成哪些操作；媒介涉及作品依賴的技術支撐與表現慣例；創作方法說明藝術家如何使用系統；藝術形式關心作品如何組織時間、空間、感知與意義；藝術運動則需要考慮創作者之間的共同問題意識，以及相關實踐所處的歷史與制度環境。
不同層次之間當然可能互相影響，但無法直接互相替代。
一件採用 AI Agent 的作品，仍然可能是一件表演藝術作品；一套 Physical AI 裝置，可能延續動態雕塑與互動藝術；人形機器人創作的圖像，仍然需要接受繪畫與生成藝術的判斷；世界模型支援的藝術環境，也可能屬於已有長期歷史的沉浸式裝置。
因此，人工智慧可能深刻改變既有藝術媒介，卻未必需要讓每一項技術能力取得新的藝術形式名稱。藝術史應該辨認差異實際發生的位置，而不能只依照技術的外部分類重新安排作品。
藝術命名的通膨如何形成？
如果藝術命名通膨已經成為值得研究的現象，我們需要進一步分析其形成條件。
第一項條件是技術產業持續更新的商業需求。人工智慧公司需要透過新的模型名稱、技術架構及能力展示建立市場差異。生成式人工智慧、代理式人工智慧、世界模型與實體人工智慧，分別具有不同的技術研究與應用背景，但也經常被放進具有階段性進步意味的產業敘事。
第二項條件是文化媒體對新穎性的需求。新的人工智慧能力容易形成具有傳播效果的影像與事件。當機器人能夠繪畫、AI 能夠自行生成影片，或世界模型能夠即時建立城市，相關內容很容易取得媒體注意。技術展示所具有的可見效果，也可能被直接轉譯為藝術創新的證據。
第三項條件是展覽與文化機構對當代議題的回應。美術館、藝術節及文化機構需要持續處理新興技術與社會變化，人工智慧自然成為重要的策展主題。然而，當技術的新穎性取得過高的展示權重，展覽便可能逐漸接近科技成果展示。作品的歷史脈絡、形式分析與批判問題，則可能被簡化為技術能力的介紹。
第四項條件是藝術市場對差異化的需求。新的藝術名稱有助於建立商品分類與市場敘事。藝術作品如果能夠被描述為某種新類別的首次實現，便可能取得特殊的歷史與商業位置。然而，市場上的稀少性與藝術史上的重要性，仍然需要區分。
第五項條件是學術研究自身的創新壓力。當代研究經常需要提出新概念、新方法與新研究領域。人工智慧技術的不斷變化，提供大量可以重新命名的現象，使研究者容易透過新的術語建立題目。概念創新當然是理論研究的重要工作，但當新名稱缺乏相應的論證，概念本身便可能成為研究成果的替代品。
這幾項條件相互作用，使藝術名稱的生產逐漸形成循環。技術提供能力，媒體放大新穎性，藝術機構建立展示情境，市場提供交換價值，學術研究則可能進一步給予概念上的正當性。名稱經過反覆使用後，逐漸取得獨立存在的外觀。
然而，名稱被廣泛使用，不代表它已經具有充分的藝術史意義。藝術分類可能因制度傳播而取得穩定位置，卻仍然缺乏對作品差異的深入解釋。
藝術命名的通膨因此具有制度性特徵。它涉及技術公司、媒體、藝術機構、市場與學術研究之間的關係，不能完全歸因於某些創作者過度追求新穎性。
在這個環境中，藝術史的角色也可能受到改變。研究者若只是依照技術產業提出的名稱整理作品，藝術史便逐漸成為技術進步的文化註解。藝術批判需要重新建立判斷距離，讓新技術的名稱接受歷史與概念檢驗，而非直接將其納入藝術演進的敘事。
當藝術概念開始大量生產，藝術是否因此廉價化？
人工智慧已經顯著降低部分創作的生產成本。影像、音樂、影片與文字的生成，可以在短時間內完成，創作者也能迅速比較大量不同的結果。過去需要專業訓練與複雜製作流程才能完成的內容，現在逐漸成為一般使用者能夠取得的技術能力。
但生產成本降低，不代表藝術價值必然下降。
Marcel Duchamp（1887－1968）的《噴泉》（Fountain, 1917），早已對製作技術與藝術身份的關係提出挑戰。藝術作品可以透過選擇、命名與展示脈絡重新取得意義，其價值無法完全由製作難度衡量。觀念藝術、系統藝術及大量採用工業製品的當代藝術，也不斷重新界定藝術家與製作行為之間的關係。
因此，AI 藝術的廉價化不能僅從生成速度、作品數量或技術門檻判斷。更多人取得創作能力，可能擴大文化參與，也可能形成新的表達方式。藝術不應透過重新提高製作成本，來維持自身的價值。
真正需要檢視的是藝術判斷是否因技術新穎性而降低要求。
當一件作品僅憑使用最新模型，便被視為藝術創新；當一具人形機器人能夠繪畫，便被認為開啟新的藝術時代；當世界模型能夠生成城市，便被直接稱為新的世界藝術，藝術評論需要負擔的論證責任便逐漸減少。
藝術的廉價化可能因此發生在三個層次。首先是作品生產的大量化，使視覺內容供給增加，觀眾的注意力受到分散。其次是技術展示取代作品分析，藝術價值逐漸依賴生成能力與新穎性。最後則是藝術概念的廉價化，新名稱可以迅速取得創新地位，卻未必需要證明它與既有藝術形式之間的差異。
第三項問題可能最為深遠。
當藝術概念本身容易大量生產，藝術史的分類能力便可能受到削弱。越來越多名稱宣稱代表新的藝術階段，研究者卻越來越難判斷其中哪些真正改變藝術的形成條件，哪些只是既有創作方法的技術更新。
近年被稱為 AI Slop 的現象，主要關心大量、低投入或低品質的生成內容如何充斥文化環境。相關討論涉及作品的品質、平台傳播、注意力分配與文化負擔。然而，藝術命名通膨所提出的是另一個層次的問題。它關心的並非只有生成內容的大量增加，也涉及描述內容的藝術概念是否同樣開始快速增殖。
大量作品可以稀釋觀眾的注意力，大量藝術名稱則可能稀釋分類與判斷的能力。當新名稱不斷取得相似的創新宣稱，其區分藝術差異的功能便可能逐漸下降。
這也形成一項值得進一步研究的現象：人工智慧降低作品生產成本的同時，是否也降低了藝術形式取得名稱與歷史位置的門檻？
若答案成立，AI 藝術的廉價化便不只是視覺文化的問題，也涉及藝術理論與藝術史本身的知識生產。
當世界模型與實體 AI 進入藝術，創作逐漸涉及治理
生成世界與實體人工智慧的發展，確實可能讓藝術創作面對新的問題。當作品不再停留於固定的影像或物件，而成為具有感測、行動、記憶及環境回饋的持續系統，藝術家便可能需要決定系統如何運作，以及不同參與者具有哪些行動權限。
一套自主運作的藝術環境，可能包含多個 AI Agent、實體機器裝置、觀眾及空間控制系統。藝術家需要設定哪些行動可以發生，哪些操作受到限制，系統如何記錄過去事件，以及何種情況下應該停止運作。
這項轉變使藝術創作逐漸涉及規則與治理。
然而，當藝術家具有設定世界條件的能力，作品也可能重新產生權力分配的問題。哪些行動者可以改變環境？哪些角色只能接受既定規則？觀眾是否能夠拒絕系統的感測？機器是否可以在未經明確授權的情況下改變空間？當系統形成非預期結果，責任由誰承擔？
這些問題具有藝術上的研究價值，並與建築、都市規劃及環境治理形成關係。建築與城市的形成同樣涉及空間規則、使用權限、資源分配與長期變化。當 AI 可以參與環境的持續調整，藝術便可能進一步探討空間與權力之間的關係。
2026 年，德國法蘭克福 Museum Angewandte Kunst 舉辦《AI-Worlding: Artistic Research on AI-generated World Models》，將人工智慧生成世界的過程與藝術研究結合。展覽關注生成系統如何受到資料、社會觀點與經濟利益影響，並透過藝術實踐檢視世界模型所宣稱的開放性。
這類研究提供了一個不同於技術展示的方向。作品可以使用世界模型，也可以藉由世界模型揭露生成技術的限制；藝術家可以建立自主系統，也可以讓觀眾理解自主性如何受到制度與技術條件約束。
然而，新的研究問題仍然不必然要求建立新的藝術類別。世界模型可以進入裝置藝術，實體人工智慧可以進入表演藝術，AI Agent 也可以成為觀念藝術的一部分。作品的批判性可以來自對既有形式的重新組織，無須以全新的名稱作為前提。
當代 AI 藝術真正值得關注的，可能是創作逐漸從生成結果延伸至生成條件。藝術家不僅安排作品的外觀，也開始處理系統如何決定、行動、記憶及改變環境。
但即使這項轉變具有深刻意義，我們仍然需要透過作品分析與歷史比較，判斷它是否形成新的藝術形式。
人工智慧是否正在將藝術史改寫為技術進步史？
藝術命名通膨最值得警惕的後果，可能是藝術史逐漸接受技術產業的進步敘事。
當 Generative Art 被描述為 AI 藝術的初始階段，Agentic Art 被描述為其後的自主階段，Generative Worlds 被視為更進一步的環境生成，而 Physical AI Art 又被安排為走向實體世界的新階段，藝術的發展便形成一條看似清晰的技術進步路線。
這條路線具有相當強的說服力，因為相關技術能力確實持續增加。生成模型可以處理更複雜的影像與影片，AI Agent 能夠完成更多連續任務，世界模型開始模擬環境與事件，機器人則逐漸取得更精細的身體控制能力。
然而，技術能力的增加，無法直接推導出藝術形式的進步。
藝術史中的形式變化，經常涉及對既有能力的限制、拒絕與重新安排。藝術家可能減少視覺效果，取消敘事，使用簡單的物件，或讓作品停留在未完成的狀態。作品的價值不一定來自更高的效率、更大的規模或更複雜的技術。
當 AI 技術可以生成高度寫實的影片，藝術家仍然可能選擇低解析度、斷裂或無法完成的影像；當 AI Agent 能夠持續完成任務，藝術作品可能刻意建立彼此衝突的目標，讓系統無法順利運作；當世界模型能夠生成龐大的城市，藝術家也可能只建立一個房間，讓觀眾透過反覆進入，理解空間與時間之間的微小差異。
這些選擇無法由技術進步的尺度充分解釋。藝術所提出的問題，可能恰好發生在技術能力受到限制的位置。
因此，藝術史應當重新檢視自身如何描述創新。當技術公司以能力增加作為產品進步的主要依據，藝術史不能直接採用相同的判斷方式。藝術形式的變化需要涉及觀看、身體、時間、空間、制度與社會關係的重新組織，也需要與既有藝術實踐建立可以辨認的差異。
如果藝術史只依照技術名稱排列作品，便可能逐漸成為人工智慧產品發展的文化年表。藝術家在不同歷史條件中提出的批判問題，則可能被壓縮為技術使用的差異。
藝術史需要保留技術進步與藝術進步之間的距離，也需要辨認技術能力沒有增加、藝術問題卻發生重要變化的時刻。
藝術形式是否需要暫緩命名？
面對短時間內大量出現的新名稱，藝術理論不需要全面拒絕新的概念，也無法透過禁止命名維持藝術史的穩定。新的名稱有時能夠協助研究者理解尚未成熟的創作實踐，建立跨領域的討論，並揭露既有分類難以容納的問題。
但概念的提出與藝術形式的成立，應該保持必要的區分。
Agentic Art 可以暫時用來研究代理能力如何進入藝術創作，Physical AI Art 可以作為討論人工智慧與實體行動關係的概念，Humanoid Robot Art 可以協助分析人形機器人在藝術中的擬人化、表演及作者問題，Generative Worlds 則可以用來研究世界模型如何改變空間、時間與歷史的形成條件。
這些名稱能否發展為具有穩定意義的藝術類別，需要透過具體作品與持續的理論研究加以檢驗。
研究者可以進一步建立概念的不同成熟程度。技術術語首先描述系統能力，創作方法則說明藝術家如何使用技術；當某項方法在多件作品中形成具有共同性的問題，便可能取得批判概念的意義；只有當相關實踐建立可辨識的歷史關係、形式特徵與美學問題時，研究者才有充分理由討論其是否已構成新的藝術形式。
這項區分並非要求藝術史建立僵化的分類制度，而是保留概念接受修正與反證的可能。當一個新名稱無法有效描述作品，或無法區分既有藝術實踐，研究者應當允許它被重新定義、併入其他概念，甚至逐漸停止使用。
新名稱不應因為曾經取得媒體注意或進入展覽論述，便自動保留藝術史上的獨立位置。
這也需要重新檢視藝術批判的責任。藝術評論不能僅重複技術公司對模型能力的描述，也不應將模型的新穎程度直接當成作品價值。研究者需要理解作品所使用的技術，但最終仍應回到形式、感知、觀念、歷史與制度條件。
對 Agentic Art 而言，應當分析代理能力究竟如何改變作品的決策與行動關係；對 Physical AI Art 而言，需要檢視身體與物理環境是否形成新的感知條件；對 Generative Worlds 而言，則應追問世界的時間性、記憶、因果及內部制度是否真正參與作品的形成。
若這些條件無法在作品中得到充分說明，新名稱便應保持暫時性，而不宜直接取得藝術史的分類地位。
從藝術創新回到藝術判斷
人工智慧的發展確實正在擴張藝術創作的可能性。生成影像、代理系統、世界模型與實體人工智慧，可以提供不同的感知、互動及環境條件，並讓藝術家探索過去難以實現的創作方式。
然而，藝術的可能性增加，與藝術價值的形成仍然具有不同的條件。技術可以在短時間內取得新的能力，藝術作品卻需要透過形式組織、觀看經驗、歷史比較與批判討論，逐漸建立自身的意義。
當新名詞以高度密集的速度進入藝術界，藝術理論面臨的工作不應只是將最新技術轉譯成新的藝術形式。更需要分析的是，藝術命名如何受到技術更新、文化市場、媒體傳播及學術研究共同影響，以及名稱的增加是否真正改善我們對藝術的理解。
Generative Art、Agentic Art、Autonomous Art、Humanoid Robot Art、Physical AI Art 與 Generative Worlds，可以作為不同研究問題的暫時入口，但它們之間不存在必然的線性演進關係。生成藝術早已包含自主性，機器藝術具有數十年的歷史，人形機器人的藝術實踐也早於當代 AI 熱潮，世界生成更與文學、建築、遊戲及互動藝術形成複雜的歷史連結。
如果將相關技術依照能力增加的順序排列，便可能產生一種表面完整的藝術發展敘事。這項敘事容易忽略藝術形式的歷史連續性，也可能讓技術產業取得決定藝術史階段的權力。
AI 藝術的廉價化，因此不應只從大量生成作品所造成的文化氾濫理解。藝術命名本身也可能逐漸廉價化。當新的技術名稱可以迅速轉換為新的藝術分類，藝術形式的形成便可能失去相應的歷史與理論要求。
這項現象並不表示 AI 無法產生具有重要價值的藝術，也不代表新的藝術形式不可能從人工智慧技術中出現。相反地，人工智慧正在提供大量值得深入研究的創作條件，從機器自主性到實體身體，從環境互動到世界的歷史形成，都可能改變藝術作品的存在方式。
但真正的新藝術形式，需要在作品中建立可辨認的差異，也需要經過藝術史與批判理論的檢驗。名稱可以先於成熟的藝術實踐出現，卻不能因此免除後續的論證。
因此，面對 AI 世代不斷出現的新名詞，藝術史需要重新建立自身的判斷時間。技術發展可以快速前進，藝術理論卻不必依照相同速度宣布新的藝術時代。研究者可以持續觀察新技術如何改變創作，同時保留既有藝術史的比較尺度，讓新概念接受作品、歷史與制度之間的反覆檢驗。
當生成能力越來越普遍，藝術的差異可能更依賴對生成條件的選擇與限制；當 AI 開始具有行動能力，藝術需要進一步處理決策與權力的分配；當世界模型能夠建立持續運作的環境，藝術則需要重新面對時間、記憶及歷史如何形成；當人工智慧進入實體空間，身體、物理後果及社會責任也將成為作品無法迴避的條件。
這些問題各有不同的歷史與理論背景，不能僅由一連串新的藝術名稱完成說明。
人工智慧可能讓藝術生產逐漸失去技術稀缺性，但藝術價值並不必然因此消失。更值得警惕的是，當藝術史不斷接受技術產業提供的創新名稱，藝術自身的判斷能力可能逐漸受到削弱。技術可以快速產生新的能力，藝術形式的成立仍然需要歷史、實踐與批判之間的持續關係。
當藝術名稱增加的速度超越藝術差異被理解的速度，我們所面對的便不只是新藝術形式的出現，也包括藝術史如何在技術高度加速的時代，維持自身的解釋能力。
參考文獻與案例資料
Benjamin, Walter. 〈機械複製時代的藝術作品〉（Das Kunstwerk im Zeitalter seiner technischen Reproduzierbarkeit, 1935－1936）。
Burnham, Jack. 〈系統美學〉（Systems Esthetics）. Artforum, 1968.
Galanter, Philip. 〈何謂生成藝術？複雜性理論作為藝術理論的脈絡〉（What Is Generative Art? Complexity Theory as a Context for Art Theory）. Generative Art Conference, 2003.
Krauss, Rosalind E. 《北海航行：後媒介狀態下的藝術》（A Voyage on the North Sea: Art in the Age of the Post-Medium Condition, 1999）. Thames & Hudson.
Krauss, Rosalind E. 《藍杯之下》（Under Blue Cup, 2011）. MIT Press.
LeWitt, Sol. 〈觀念藝術段落〉（Paragraphs on Conceptual Art）. Artforum, 1967.
Kac, Eduardo. 〈機器藝術的起源與發展〉（Origin and Development of Robotic Art）. Art Journal, 2001.
Zivanovic, Aleksandar, and Stephen Boyd Davis. Elegant Motion: The Senster and Other Cybernetic Sculptures by Edward Ihnatowicz. Kybernetes, 2011.
Whitney Museum of American Art. Harold Cohen: AARON. Exhibition, 2024.
Museum of Modern Art / MoMA PS1. Ian Cheng: Emissaries. Exhibition, 2017.
Sougwen Chung. Drawing Operations. Ongoing artistic research, since 2015.
Leonel Moura. RAP: Robotic Action Painter. 2006.
Botto. Governance and Artistic Development. Project documentation.
World Labs. Marble: A Multimodal World Model. 2025.
Google DeepMind. Genie 3: A New Frontier for World Models. 2025.
Google DeepMind. Genie 4: A New Generation of World Simulation. October 27, 2026.
Museum Angewandte Kunst. AI-Worlding: Artistic Research on AI-generated World Models. Exhibition, 2026.
NVIDIA. What Is Physical AI? Technical glossary.
Silbey, Jessica M., and Woodrow Hartzog. AI Slop. Working paper, 2026.