從橫濱Minato-Mirai 21看電動車Carsharing之營運|數位時代 BusinessNext

一、前言
Carsharing源自於歐洲，至90年代末期日本開始興起類似概念。最先讓此概念成型的是Honda的ICVS（Intelligent Community Vehicle System），ICVS認為透過多位使用者共同使用一部車的車輛共享機制，可以減少民眾擁有車輛的需求。在此同時，Toyota也成立了名之為〝Crayon System〞的Carsharing計畫，主要是由多部輕型都會區電動車組成，提供給Toyota員工做為商務及通勤使用。

除了民間企業外，日本的官方組織也有類似的計畫推動。日本通商產業省成立了日本交通駕駛電子技術協會（Japan Association of Electronic Technology for Automobile Traffic and Driving, JSK），希望以建立Carsharing組織的方式來帶動電動車的發展。JSK共推動了兩個主要的Carsharing計畫，一個是Inagi EV-Car Sharing，營運期間自1999年至2002年，另一個即為著名的橫濱Minato-Mirai 21（MM21）。

二、橫濱Minato-Mirai 21 (MM21)
MM21是JSK於1999年10月在橫濱Minato Mirai區域設立的電動車Carsharing組織，主要目的為發展電動車的Carsharing示範系統與建立一套可移轉的營運模式。

其發展概念為促成一個無縫運輸體系，提供電動車Carsharing做為聯繫大眾運輸的次系統，以滿足平日通勤者的上下班需求。因此，MM21所提供的服務以會員住家與大眾運輸和大眾運輸與工作地點之間的接駁為主，運作方式如圖一所示。計畫初期共提供了50輛電動車，並設有11個場站，至今已有超過550個會員。圖一

圖一 MM21所提供的接駁運作方式
**（一）營運模式
**MM21系統主要包含了控制中心、場站與電動車輛。會員透過電話或網際網路預約車輛並完成付費，在接收到相關訊息後，控制中心透過遠端控制完成車輛的預約與車況管理。會員於預約後，即可於約定時間前往取車。

（二）系統架構
MM21系統架構包括預約系統、會員管理系統、遠端控制系統、付費系統、車輛管理系統等，如圖二。

圖二橫濱Minato-Mirai 21 系統架構

（三）營運成效
橫濱當地通勤人口眾多，一直有停車位不足的問題。MM21 示範計畫除要建立一套Carsharing營運模式外，也希望能夠減少區域內車輛的使用，同時使用電動車做為運具對電動車輛之推廣亦有相當程度的助益。然而根據Masahiko Teramoto NISSAN MOTOR CO.,LTD的評估，認為短期內Carsharing的營運仍需要政府的補助，長期下才有可能只依賴營運收入來維持組織運作。除了Carsharing的營運模式被大眾接受的程度仍有待觀察之外， MM21使用的車輛為電動車，充電站或電池交換站等基礎設施之建置需要投入大量的資金，全面性的建置非一般公司所能負擔；且基礎設施的建置受到當地的法令規範、道路設施等影響，也非一般民間機構所能獨立完成。因此若要將電動車Carsharing的營運模式擴展至全國各地，政府的支持程度扮演了相當重要的角色。

三、結論
從橫濱Minato-Mirai 21的經驗來看，其以電動車輛做為Carsharing運作的基本運具，並結合預約系統、會員管理系統、遠端控制系統、付費系統、車輛管理系統等系統架構，目前已取得了一定的成效。在台灣的電動車推廣方面，初期可以建立一個小型的Carsharing組織為示範，等到產品和技術更為成熟且價格壓低後，再進一步推廣至大區域的範圍。如此可針對民眾的需求，對產品設計及服務方式持續修改及更新應用，建立電動車輛的試運行機制後，可逐步達到宣傳和推廣之成果。此外，也可藉由Carsharing之推動，促使相關廠商投入遠端控制系統、車輛管理系統、智慧交通系統等技術之研發，帶動相關產業之發展。

更多文章請上ITIS智網

若將生成式人工智慧（GenAI）技術視為改變人與資訊互動的重要分水嶺，Physical AI（實體AI）則讓 AI 真正理解並介入真實世界：從機器人、自駕車到智慧製造，AI 正從「理解內容」走向「理解物理世界」，其中，自駕車被公認是 Physical AI 最具代表性的落地場域，也是目前最能驗證 AI 感知、推理與決策能力的應用，因為，不僅要控制車輛，還必須即時與人流、車流、道路設施及各類載具互動，需要極高的 AI 感知、推理與執行能力。

對深耕智慧移動多年的勤崴國際而言，Physical AI不只是 AI 技術演進，而是自駕車產業邁向下一個世代的重要轉折：從依賴規則控制（Rule-based）的自駕系統，逐步升級為具備感知、推理、學習與持續優化能力的智慧移動平台，讓全球自駕車產業競爭從單一技術比拚，走向資料、場域、生態系與 AI 能力的全面競賽。

Physical AI讓自駕車從「照規則開車」走向「理解世界」

過去，自駕車依靠高精地圖、光達（LiDAR）、攝影機等感測器，以及大量預先設定好的規則進行判斷，這種作法能處理相對固定的情境，但一旦遇到複雜且快速變化的交通環境，例如大量機車穿梭、行人突然穿越、不同國家的交通規則，系統很容易受到限制。

勤崴國際認為，Physical AI 的出現正改寫自駕車的發展模式：透過更強大的 GPU 算力，結合世界模型（World Model）、數位孿生（Digital Twin）與模擬器（Simulator），AI 能先在虛擬世界完成大量交通情境模擬，再將學習成果快速部署到真實道路，不僅大幅縮短訓練與驗證時間，也讓自駕系統持續學習與進化。

「在 Physical AI 賦能下，自駕車將從依照規則開車轉變成能理解環境、預測意圖，再做出最佳決策。」勤崴國際副總經理林映帆表示，例如當系統看到路邊有人揮手，不只是辨識動作，而是能推論對方有搭車需求；當機車快速切入車道，也能提前預測可能路徑，而非等事件發生後才反應。

這也意味著，自駕車的競爭已從「規則設計」走向「AI學習能力」的競爭：自駕車不僅是智慧移動的新載具，更是觀察 Physical AI 是否真正成熟的重要指標；換言之，Physical AI比拚的不是演算法，而是誰能持續累積真實場域、建立與完善資料庫，讓 AI 在每一次行駛中不斷學習、持續進化，形成下一波智慧移動競爭的關鍵。

七年累積三十個場域，勤崴國際打造台灣智慧移動新能量

相較於 Waymo、Tesla 的優勢來自數百萬輛車持續累積道路資料，勤崴國際的策略是透過不同場域的長期營運，建立屬於台灣的智慧移動資料庫。

自2019年投入自駕車商業化應用以來，勤崴國際不僅持續深耕高精地圖、自駕系統、車聯網及自駕運輸技術、於全台完成超過30個自駕場域部署，累積自駕行駛里程突破38萬公里、服務超過80萬人次，更逐步建立台灣少數具規模的智慧移動資料庫；為進一步加速自駕車產業價值鏈發展，勤崴國際也攜手車廠、路側設備，感測器、AI 平台、車聯網、客運與場域業者打造完整的自動駕駛生態系。

以台積電南科園區的自駕巴士服務為例，由於路線涵蓋園區內外道路，自駕車不僅要與物流車、叉車及一般車流共存，離開園區後更須面對台灣特有的高密度機車交通環境，對 AI 的感知與決策能力形成高度挑戰；截至今日，該服務已累積超過92,435人次搭乘、自駕行駛里程超過83,542公里，接駁率高達96.7%；此外，勤崴國際也於廠區內導入自駕接駁車與自駕載貨車，累積服務超過216,794人次，驗證自駕技術在智慧工廠場域的落地能力。

除了工業場域，勤崴也將自駕技術延伸至觀光應用，例如今（2026）年6月在南投埔里福興溫泉區推出「啡嚐咖心」觀光自駕車服務；林映帆指出，相較於工業場域重視效率，觀光應用更重視人車互動與乘車體驗，遊客只需一鍵即可啟動自駕接駁，系統除了安全辨識行人與周遭環境，也能透過語音互動提升搭乘安心感，證明自駕車不僅適用於產業應用，更可成為偏鄉觀光與高齡化社會的新一代公共運輸解決方案。

接下來，勤崴國際將憑藉著在南部科學園區、南投與新北市的落地運行經驗，攜手產業夥伴、針對未來對自駕公車有需求的城市，協助客運業者解決公車缺工等議題。

林映帆說：「我們的目標是提供自駕全方位解決方案。」在累積物流、廠區接駁、觀光、無塵室搬運等多元場域經驗後，勤崴逐步發展出「一個平台、多種載具、多種場域」策略：將共通技術平台模組化，再依不同客戶需求進行客製化調整，讓每新增一個場域，都成為下一個場域快速且安全部署的重要養分。

勤崴國際副總經理林映帆表示，將以「一個平台、多種載具、多種場域」策略，攜手自駕車產業鏈夥伴，協助AI自駕車等智慧移動落地應用，以及打造「國家隊」前進海外市場。

圖／數位時代

隨著Physical AI的成熟與落地，未來智慧移動的競爭，不再只是比誰擁有更大的模型，而是比誰能持續累積場域、建立完整資料庫，以及串聯完整生態系；在這個關鍵時刻，勤崴國際除因應不同場域客戶需求提供自駕車解方，也希望攜手更多產業夥伴，共同打造具有國際競爭力的智慧移動國家隊，讓台灣在全球自駕與 Physical AI 的新賽局中，占有一席關鍵位置。