新聞有看沒有懂？Vox主打解釋性新聞|數位時代 BusinessNext

被視為21世紀的Time

班克夫敢誇下海口說自家網站充滿高級感不是沒有原因，當傳統媒體拚命縮減人力和砍預算時，Vox卻反其道而行，大力招募一線記者和優秀工程師，希望將Vox塑造成21世紀最優秀的新媒體公司。

去年底才結束一輪募資的Vox，現在估值高達近4億美元，旗下員工有350人，班克夫預計今年將會是Vox的獲利元年。而其高度垂直化整合的經營策略，更讓Vox被《紐約時報》稱為「21世紀的時代公司（Time Inc.）」。

因此當前《華盛頓郵報》明星記者克萊（Ezra Klein）說他受夠了僵化的傳統新聞文化，想要進行一個顛覆新聞窠臼的「X計畫」（Project X），找上Vox Media合作時，也就不太讓人意外了。而這個X計畫也就是去年4月正式上線的Vox.com，一個主打解釋性新聞的新聞網站，又被稱為新聞界的維基百科。

Vox一推出立刻受到新聞界的矚目，原因之一是因為創辦人克萊本身就是個才華洋溢的年輕記者，他在《華盛頓郵報》針砭政治時事的部落格Wonkblog，每月瀏覽人次高達300萬，才30歲就已被媒體稱為「新聞界的神童」。因此當他帶著同事高調離開《華盛頓郵報》宣布推出Vox時，格外具有劃時代的世代革新意義。

Vox網站本身最大的特色在於希望幫助讀者理解新聞，而非只是知道新聞，因此Vox不強打獨家、即時或直擊，他們系統性地整理新聞事件發展，讓讀者對於新聞背後的新聞更有概念，「卡片堆」（Card Stack）就是在這種概念下應運而生的設計。舉例來說，大多數的讀者看到聯準會調高利率的新聞時，恐怕都無法在第一時間認識到這則新聞對他們有何意義，於是Vox將這則新聞中每個關鍵字都獨立出來製作成問答卡片集，從最基礎的背景知識開始介紹，例如GDP怎麼來？聯準會這個單位的職責是什麼？調整利率為什麼重要？

不搞即時，只解釋新聞

「最大的資源浪費就是記者昨天寫的新聞⋯⋯，我一直覺得很奇怪為什麼我們沒有試著用這些資源為讀者做更多事。」克萊說明他的理念。

乍看之下，Vox跟維基百科似乎很像，但克萊認為大不相同，因為Vox是由一群具有蒐集、整理新聞專業的記者組成的，而維基百科是由群眾自主歸納的，上頭的資訊可信度不如Vox高。他舉例：就好像你如果今天突然長疹子了，你在搜尋列輸入「疹子」時，出現的第一個搜尋結果可能是維基百科，但你不會點入維基百科看長疹子怎麼辦，因為你知道維基百科不是這方面的專家。

Vox的另一特色是會持續歸納重大新聞事件的進展，讓讀者一看到時間軸就能夠馬上進入狀況。而且新聞卡片的設計符合手機閱讀體驗，將人事時地物分拆成卡片的爆紅新聞閱讀器Circa已驗證了這點。

除了將昨日的新聞轉換成有價值的內容，Vox同時也創造許多易於被社群病毒傳播的內容，例如「11款成年人不該玩的桌遊」、「7種超萌又超殺的動物」⋯⋯，希望兼具自然搜尋和社群分享流量。

Vox的模式是否經得起市場的考驗，還需要一些時間驗證，但正如克萊所說的：「我們迅速推出這個網站的原因只有一個：想要知道成功的網路新聞實驗長什麼樣子，最好的方法就是馬上在網路上做一個新聞實驗。」而Vox剛交出來的周年成績單，似乎已說明了一切。

（尊重智慧財產權，如需轉載請註明資料來源：《數位時代》第252期）
其他精彩內容》》
訂閱數位時代》》

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。