Google先前曾推出了引發熱潮的「Quick, Draw!」，除了讓大家知道自己畫的圖有多醜，醜到AI都認不出來之外，也替Google的圖像識別 AI 類神經網路提供了超多識別素材。隨著上傳塗鴉的人越來越多，將讓Google的圖像識別AI越發準確。

而Google AI在近日推出了「Emoji Scavenger Hunt」（表情符號尋寶遊戲），這次不用畫畫，而是要去找出真實世界中的「表情符號」，而Google搜集的目的是什麼？

真實版支援前線，透過Emoji找尋物品

遊玩前需要先打開手機或是電腦的鏡頭，在倒數過後Google AI會給你一張表情符號貼圖，有可能是「手錶」、「筆」、「鍵盤」、「鬧鐘」、「香蕉」等，接著你就必須在真實世界中找出這些物品，鏡頭後的Google AI會開始進行辨識。

跟「Quick, Draw!」同樣的是，在你尋找的過程中，Google AI 會不斷嘗試猜測，所以在你找到正確物品前，Google 小姐會不間斷的出聲煩你。

而 Google AI 團隊也在 Github 上公布了原始碼，甚至貼心地教導大家如何建立出自己的模型。最近各種資安事件搞得人心惶惶，Google也不忘宣布本次實驗的資料並不會被儲存下來加以利用。

Google 搜集素材背後2大目的

本次 Google 要大家用「鏡頭」協助搜集素材，除了玩起來一樣笑意滿點之外，跟過去「識別圖畫」相較起來有什麼值得注意之處呢？可以由兩個方面下手思考：

真實物品的圖像識別極具「商轉價值」

「Quick, Draw!」主要是識別使用者的「手繪圖形」，實驗性質較高（網友的參與程度、AI模型的建立），在搜集了大量數據後，儘管能加快識別速度，但未來應用的想像空間較小。

而真實物品的圖像識別就不一樣了，不只能運用於多種場景，就工研院產業分析師發布的「辨識技術應用趨勢探討」中提到，辨識後所得到的資訊具有發展成商業價值的產品或服務的潛力。

目前能夠應用的產業有安防（Surveillance）與汽車產業為主要的應用載具，常見的應用情境還包含：航空圖像、監控系統、車用識別系統等。

在身邊的鏡頭只會更多不會更少的未來，「實體圖像識別」的商轉潛力相當大。所以你如果對於識別技術有所想法，也可以直接使用Google提供的程式碼與教學，打造自己的識別模型。（不過有相關的授權問題，請詳閱公開說明書）

也許 Google Glass 將變得更強？

除此之外，雖然 Google 的 AI 相機應用 Google Lens 可以無痛升級此技術，但是另一個你可能遺忘的產品：曾死過一次的產品，Google Glass 也可能將變得更強。

雖然在 2017 年調整目標策略，轉向面對企業用戶，推出企業版 Google Glass Enterprise Edition（EE）後， Google Glass 浴火重生，大眾汽車、通用航空、快遞服務DHL都是其使用者。

應用場景從日常生活中跳到工作場域，工作者在 Google Glass 的協助下進行機械組裝、記錄工作內容、獲取貨物資訊等，而Google也因應這些需求，加強產品的電池續航力、防汗與折疊等特性。也因為 Google Glass 對於工作者的協助與效率上的提升，根據 Forrester研究報告預測，到了2025年，光美國就約有1,440萬名勞工配戴智慧眼鏡進行工作。

若能提供更準確的實體識別技術，將有效提高Google Glass的協助程度，除了提升企業版本的能力之外，如果Google Glass仍有走進人類日常生活的夢想，識別技術只會更加分。

不過這一切的前提是，需要搜集到足夠的資訊量才行，所以趕快到上面的連結玩玩看，為大家的未來貢獻一點識別資料給 Google 吧！

參考資料：The Team at X、Forrester、經濟部技術處。

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。

這次不畫畫！Google推Emoji尋寶遊戲，玩出AI 識別無限商機