剖析AR眼鏡開發的秘密，和碩設計總監蔣文瀚：最大挑戰是「FIT跟MOVE」|數位時代 BusinessNext

剖析AR眼鏡開發的秘密，和碩設計總監蔣文瀚：最大挑戰是「FIT跟MOVE」

AR眼鏡成科技大廠如英特爾（Intel）、Google等大廠發展重點，但也紛紛傳出計畫喊卡傳言，究竟AR眼鏡商業量產有何難度？和碩聯合分享他們內部AR眼鏡專案碰到的挑戰。

建立人體資料庫，和碩投入AR眼鏡研發

AR眼鏡普及化最大挑戰是「FIT（舒適度）跟MOVE（行動性）」，人對配件的偏好不同，臉型差異又頗大，預期會是AR眼鏡發展的最大挑戰，蔣文瀚說。

和碩設計（PEGA D&E）創意總監蔣文瀚參加達梭系統（Dassault Systèmes）台灣用戶大會時分享工業設計團隊開發AR眼鏡經驗，他表示，未來科技趨勢有4大重點，包括：無縫相連、數析人生、虛實整合、AI新智能，

目前和碩設計團隊對AR與VR眼鏡、穿戴裝置、機器人投入研究，其中發現穿戴跟AR眼鏡的工業設計最大挑戰，在於人類多樣面貌及移動性，尤其眼鏡變化喜好多元，加上每個人臉型大不相同，為此和碩內部建立了龐大的人體資料庫。

蔣文瀚表示，和碩從產品設計、研發到生產都有完整的著墨，工業設計團隊不斷研究下一個明星產品，搭配達梭的軟體套件設計AR眼鏡時，可以納入人體型參數，直接在設計初期比對是否符合人體工學，在空間中畫出草圖，讓導入3D階段速度加快，更快檢查模型問題在哪裡。

鎖定B2B市場，瞄準觀展、視覺導覽用途

個人化穿戴方面，即便智慧手錶Apple Watch已推出三代，蘋果仍不斷推出新錶帶以迎合不同用戶需求，但大小錶款原本是想給手腕不同粗細的用戶挑選，但結果並非最初所料，比方說，有不少女性選買大尺寸Apple Watch，為的是配大錶可以更凸顯手的纖細，用大手機可以凸顯小臉，這都不是最初想到的消費行為。

蔣文瀚指出，AR眼鏡設計難度比一般眼鏡高數倍，單單是配眼鏡都需要花時間驗光才能配到好，以B2C而言，或許未來AR眼鏡也無法在網路銷售，必須到眼鏡行調整符合個人參數配戴後銷售。

以和碩的AR眼鏡研發經驗來說，蔣文瀚表示，由於B2C商業量產複雜度高，和碩先鎖定B2B市場，比方展覽單位，定義應用場域為觀展、視覺導覽用途，消費者使用AR眼鏡時，現場必須有工作人員提供協助。

由於英特爾宣布解散AR眼鏡團隊Vaunt，讓市場期盼AR眼鏡加速商業應用的前景蒙上陰影，蔣文瀚表示，不清楚英特爾計畫，但他樂觀認為AR眼鏡發展關鍵仍在內容，這需要等待，現階段AR眼鏡要走到終端消費市場仍有高難度，需要有專屬的應用體驗。

和碩目前的做法是先開發Prototype眼鏡，先預想適合的場域，比方導覽、銷售賣場或遊樂場，等客戶開案，再增強體驗功能。而一體成型機種將是開發方向，眼鏡本身處理部分資訊，並以藍牙或WiFi連結至後台是未來趨勢。

和碩也將於台北國際電腦展Computex中展出最新開發的AR眼鏡產品，宣示在新穿戴裝置布局。

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。