張明正看AlphaGo：台灣得趕上人工智慧潮流，這比鴻海買夏普還重要100倍！|數位時代 BusinessNext

Google將是人工智慧的盟主

這50年來，大家想的都是電腦如何取代人腦？但一直遲遲未發生。在1997年IBM的深藍電腦下贏西洋棋之後，世界開始變得不一樣了，事隔近20年，AlphaGo戰勝歐洲棋王和世界棋王，更引領人工智慧到達一個嶄新的里程碑。

「這代表人工智慧要變成真的嗎？為什麼FB、Google、微軟、IBM都要做人工智慧？引爆點在什麼地方？到底誰是人工智慧的盟主？台灣又做了哪些事？」張明正的語氣有點急切，接連拋出了一連串問題。

台灣這幾年瘋雲端和大數據，當資料蒐集起來變成資訊，要如何做到智慧？大數據真的有用嗎？張明正指出，「資料永遠不可能完整解完，現在的關鍵是當資料不完全確定時，人類如何做決策？」於是，近幾年Google、微軟、IBM、Facebook認真結合心理學開始做人工智慧，機器人、個人化助理都是兵家必爭之地。

若從歷史脈絡看科技的轉變，蘋果在7、8年前推出智慧型手機，手機改變人類的生活，從鍵盤、滑鼠到手機，科技的典範正在轉移，下一個平台是什麼？「就是人工智慧！」張明正說得確定。

這場仗讓大家知道人工智慧的重要性，而對軟體來說，最重要的是人工智慧裡的深度學習，張明正解讀Google宣傳Deepmind此戰的用意，Google是偉大的公司，他們用4億美元買下DeepMind，它必須在搜尋和人工智慧辨識能力一直保持領先。他說，「AlphaGo對戰世界棋王，重點不在圍棋輸贏而已，而是宣示意味濃厚，宣告Google在接下來30年將成為人工智慧真正的盟主，蘋果整個輸掉了！」

AlphaGo展現了人工智慧的能力

張明正點出人工智慧的戰力所在，科技巨頭們拚的是結合模式辨識和認知的人工智慧演算法，以及大量的運算分析能力，王銘琬說，「要把圍棋下好需要多方面的能力，不是死背棋譜或是邏輯思考而已，必須透過視覺對棋盤有直覺判斷！」圍棋軟體若能達到人類的感覺，幾乎達到人類最高水準，可說是軟體的最高境界。

人在判斷一件事情時，通常需要情緒、直覺和分析，AlphaGo沒有情緒，而圍棋職業棋士所需要的直覺，AlphaGo先用三千萬個過去人類比賽的棋譜訓練深度學習的模式辨識，再用蒙地卡羅樹搜尋（MCTS）技術達到下圍棋時類似人的「感覺」。Google DeepMind為了訓練深度學習的模式，用幾千個伺服器跑了三個星期，要讓人工智慧對未知進行判斷，就需要這麼龐大的軟體和硬體資源。

　　
（圖說：張明正認為人工智慧是未來軟體最重要的趨勢，台灣產業一定要往這個方向走。圖片來源：郭芝榕攝影。）

台灣的角色到底在哪裡？

很久沒談論產業動態的張明正，語氣透露對台灣產業的擔心：「我們已經失去了雲端和大數據的主導地位，接下來軟體要往人工智慧靠攏，人工智慧、軟體，就是這樣了！這比鴻海買夏普還重要100倍！」他認為，這件事不只是人工智慧戰勝世界棋王而已，產業必須看到AlphaGo這場戰背後的意義及所帶來的顛覆性，這對台灣產業很重要。

張明正認為，「有平台，台灣就有機會，但至少要知道未來的趨勢在哪裡！」台灣不可能去拚人工智慧平台的角色，但是產業必須往人工智慧的趨勢走，有了科技巨頭當火車頭，去年還陸續開放人工智慧技術的API，例如Google就開源機器學習系統TensorFlow，結合台灣有的物聯網、智慧城市和智慧家庭，就能創造更多好的、不一樣的就業能力。

「當資料變平台，變人工智慧，會影響未來經濟30年！」張明正斬釘截鐵說。

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。