[東京直擊]Google 下一個發展重心：機器學習|數位時代 BusinessNext

1.我不認為要讓電腦模仿人腦

我不認為要讓電腦模仿人腦，大腦神經元太多，模仿大腦做人工智慧太複雜。但我們可學習大腦如何記憶，利用在機器學習上。機器學習對我而言，重點在讓人類不用再做機械性事物，如製造業產線工人或打字員等。

因為電腦有大量運算能力，運算的效果如果比人更好，像開車這件事，那就教給機器開就好了。或是讓機器來做醫生，是不是比人更好？提供更準確的診斷？因為機器不會疲勞但是人會。

機器學習需要投入大量技術與資源，要把問題轉換成機器學習能解決的題目並不容易，然而一但轉換成功，將會顯著成長，多餘的工作將會消失。

2.邪惡機器人總出現在電影中

外界總認為當機器人越來越像人，機器人可能對地球造成危害，就像電影《關鍵報告》一樣。但我認為只有電影才把機器人描述地這麼邪惡。在實際應用中，人類可以透過演算法控制機器人執行正常任務。

人類創造的機器人應該都是好的機器人，可以幫忙打掃，澆花、做家事，這種機器人是大家最想要的。

3.下一代的程式設計人才必須具備有很好的數學能力

工程師不再需要自己Coding，而讓電腦去寫，這是下一代的程式設計人員的挑戰。下一代的程式設計人才必須具備有很好的數學能力，因此注重數學教育的亞洲人才比歐美人才更具競爭力。

我最近去了一趟韓國與中國。韓國經濟在放緩，因此強調創業精神振興經濟，推行機器學習創業。在中國我花很多時間拜訪政府部門，雖然很多人說中國經濟增長減緩，但中國的經濟潛能還是非常之大的。

機器學習最大的挑戰就是全球上網的人還不夠多，要有更多網路覆蓋，讓貧窮的亞非國家與弱勢群體能上網，網路是一種巨大的現代化力量。

4.電腦視覺(Computer Vision)的診斷辨識即將超越人類視覺

去年九月，Google 研究團隊「GoogLeNet」發表了一篇關於神經網路（neural network）的論文，名為「全面啟動」（Inception），因為這個神經網路的運作原理就類似電影「全面啟動」中夢境的分層概念。系統可以透過 22 層的電腦視覺運算，找出最相關的圖像，捨棄不重要的部分，進而分析出不同的物件。

舉例來說，當 Google 相簿辨識一隻貓的照片時，首先會辨識出這是一隻「貓」的線條與顏色，接著發現眼睛與耳朵，經過這樣一層層複雜的偵測，最後完成辨識。

機器學習也將比人類更能預測使用者喜好。例如，雖然我的朋友們可以透過音樂類的 App 推薦我最新的當紅歌曲，但是人會跟不上流行，而機器卻永遠能提供時下最熱門的音樂。

跨領域的機器學習將有更顯著的效果：機器學習將能有效改善其他技術現有的問題，或是加快解決問題的速度。

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。