NVIDIA創辦人黃仁勳：在AI時代，台灣有機會和軟體弱項說「再見」！|數位時代 BusinessNext

NVIDIA GTC Taiwan大會今(26)日登場，NVIDIA創辦人暨執行長黃仁勳發表演說後也與台灣媒體見面。黃仁勳指出，在全球的競爭中，台灣在人工智慧領域發展的確有點慢，但現在開始並不算太晚，他還指出，台灣雖然在軟體領域不強，還是有很好的發展機會。這是什麼意思呢？

人工智慧的時代，將不用再寫程式

黃仁勳形容人工智慧是一種「自動化的自動化」（automation of automation），大量降低人力需求與成本，帶來更好的生活品質。

「人工智慧不是讓電腦工程更複雜，而是更簡單。」懂軟體的人並不多，但每個人幾乎都懂得如何教導他人或小孩一樣學習新事物，這和教導人工智慧如何寫程式的本質是雷同的。

在人工智慧的時代，將不用再寫程式了，因為人類會訓練電腦寫程式，也因此台灣有機會和軟體這個弱項說「再見了」！

黃仁勳說，「外界一直認為人工智慧是軟體密集式（Software-intensive），這看法並不正確。」

在人工智慧時代，最重要的是使用者需求洞察與產品願景，台灣不要認為自己在軟體領域發展不強就遲疑不前，相反地，台灣要趕快跳進來，政府需趕緊建置好基礎設施與各類工具，讓各行各業參與其中。

黃仁勳指出，美國和中國是人工智慧強國沒錯，但台灣的科技發展潛能和加拿大與英國等國比較之下，也還有不錯表現，雖然台灣小，但只要找到利基點，還是有貢獻的機會。這也是為什麼新加坡、韓國與德國等國，傾全國之力發展人工智慧。

台灣在Edge AI與Industry AI都有發展機會

此外，也有不少專家認為，台灣在AI發展上最具優勢的是終端AI（Edge AI）而非雲端AI(Cloud AI)。另外，在NVIDIA與台灣的多項合作中，有一項即為科技部投入40億資金推動為期4年的「AI半導體射月計畫」，該計畫的重心也是在終端AI。

那麼黃仁勳是否也認為台灣在Edge AI 比 Cloud AI 有更多的發展機會呢？對此黃仁勳表示不認同。

黃仁勳指出，在Cloud AI領域，的確具有規模巨大的資料中心、人工智慧專家與使用者數據的網際網路服務商佔有優勢。

但「人工智慧不會結束在這裡（Cloud AI），僅是由此開始」。下一個階段的人工智慧會移往產業人工智慧(industry AI)，滲透交通、物流與製造等各種產業。

舉例來說，台灣的公司如台積電使用深度學習做智慧製造、鴻海利用深度學習做視覺檢測與品質管理。

黃仁勳也認同台灣在終端AI有很好的發展機會，終端意指在地，而雲端意指全球，終端人工智慧的商機是很在地的（local）。每個人的終端產品都不一樣，美國公司很難控制台灣的終端服務。而在終端領域，需要各式各樣的人工智慧晶片，這是台灣的機會。

攜手科技部培育人才，推展深度學習應用

黃仁勳強調科技部與NVIDIA深度學習機構將在未來4年培訓3000位開發人員，協助他們將深度學習技術運用在智慧製造、物聯網、智慧城市以及醫療等領域。

去年成立的深度學習機構為開發人員、資料科學家和研究人員提供實作的訓練課程，包括網路實驗室與講師帶領實作的研討課程，教導如何使用開放原始碼框架與NVIDIA GPU 加速深度學習平台。

NVIDIA在國內推動Inception計畫，協助科技部建立青年科技創新創業基地，全力幫助本地AI新創公司成長。NVIDIA 的 Inception計畫是一個集結 AI 與深度學習新創公司的重要據點，除了提供硬體設備與行銷的協助，同時也引領他們進入範疇更大的NVIDIA 深度學習產業體系。

NVIDIA 將支持由科技部主導的海外人才培訓計畫，為博士後研究生提供高階實習生計畫。

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。