區塊鏈落地最大挑戰，IBM全球區塊鏈實驗室總監：不在技術而是商業模式|數位時代 BusinessNext

區塊鏈落地最大挑戰，IBM全球區塊鏈實驗室總監：不在技術而是商業模式

2018年號稱區塊鏈（blockchain）落地關鍵年，但至今多數區塊鏈專案仍處於POC階段。對此IBM全球區塊鏈實驗室總監Nitin Gaur表示，區塊鏈落地最大的挑戰在於商業模式，而非技術。

IBM區塊鏈POC案例超過400件、8%已商轉

IBM為區塊鏈聯盟Hyperledger主要成員，該聯盟在2017年推出專為大型企業設計的區塊鏈框架「Hyperledger Fabric 1.0」，IBM也推出企業區塊鏈解決方案。

至今，與IBM合作的區塊鏈POC已超過400件，其中有8%已商轉。例如，IBM和全球海運龍頭快桅（Maersk）合作，利用區塊鏈技術追蹤貨櫃流向，大幅減少昂貴和耗時的紙上作業和通關手續；又或者是和沃爾瑪（Walmart）合作，將區塊鏈用於全球食品供應鏈，確認食品來源及流向。

不過，從這些合作案中，Nitin Gaur也發現區塊鏈要在商業場景落地，仍有不少挑戰待突破。

挑戰一、當每個節點都承擔部分責任，如何課責？

區塊鏈最大的特點在於，各企業作為節點共同參與帳本的記錄和確認，將責任分散在每間企業，而非像過去其中在單一企業或政府。

Nitin Gaur以食品溯源為例，當酪梨要從秘魯運到美國，中間只要稍有耽擱酪梨就會壞掉，而透過區塊鏈，從酪梨農場、海關、港口到收貨者，每個角色都是不同節點，對酪梨的品質好壞都有責任。另一個例子是，當各家銀行透過區塊鏈合作，只要一間銀行做過「客戶風險屬性評估」（KYC），該結果也能分享給其他銀行，而不用重複做，相關金融服務流程（如開戶）也能因此簡化。

雖然區塊鏈解決過去不同企業合作面臨的缺乏信任、時間冗長等問題，卻也產生另一個問題：責任歸屬。舉例來說，若因為某間銀行KYC沒做好，導致其他銀行也出問題，那責任歸屬應如何釐清？這或許是目前區塊鏈在產業落地面臨最大的挑戰，「所以商業模式很重要」Nitin Gaur認為這些都不是技術的問題。

挑戰二、數位法幣是區塊鏈交易最後一哩

另外Nitin Gaur也提到，目前有90%的區塊鏈技術都只用到分散式總帳的對帳功能，沒有完全發揮區塊鏈潛能。他認為，區塊鏈的價值在於「價值轉移」，也就是可以把數位資產轉移給他人。

而要做到這點，數位法幣和數位身份是兩大關鍵。他認為，「交易」作為區塊鏈核心概念，會涉及清算和結算，如何把資產數位化？將資產和個人數位身份做連結？做實體資產交易時，作為分身的數位資產如何同步轉移？這些都是尚待解決的挑戰。

而在金流部分，他認為最後區塊鏈生態系少不了數位法幣的角色，可加快金流速度。不過他也提到，數位法幣至少還要十年才有機會實現，因為這必須和各國主管機關和央行合作。僅管困難，卻是不得不面對的挑戰，「數位法幣可以解決交易結算最後一哩路。」他說。

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。