AI就能測試化妝品，能讓「白老鼠」永遠走出實驗室了嗎？|數位時代 BusinessNext

AI就能測試化妝品，能讓「白老鼠」永遠走出實驗室了嗎？

動物實驗對動物造成極大的痛苦，許多動物終其一生都奉獻給實驗，甚至不曾見過陽光，目前已經有科學家利用過往的資料，結合AI預測藥物反應，不僅能夠增加效率、節省成本，未來或許能讓「白老鼠」永遠走出實驗室。

科學醫藥需求下，大量動物被犧牲

據統計，每年全球約有1億1500萬隻動物被用在各種實驗中，以歐盟來說，在2011年就用了了1萬7896隻狗、3713隻貓、35萬8213隻兔、6686匹馬、6095隻猴子、67萬5065隻鳥、7萬7280隻豬、2萬8892隻羊、3萬914頭牛，以及超過100萬隻魚及850萬的齧齒類動物。

因為科學家不能恣意預測藥物的性能及反應，動物實驗室就成為現代藥品開發重要的基礎，在動物上取得的實驗數據，也為後期進入人體測試階段提供極大的安全性。不過動物實驗具有極高的重複性，以化妝品毒性測試來說，因為不確定毒性效果，必須重複的在動物身上給藥，往往讓動物承受極大痛苦，且實驗過程充滿未知，經常造成大量動物意外死亡。

然而在科學醫藥的需求下，這類動物的犧牲雖然被視為合理，若從生命的角度來看，過程不僅不人道，也造成極大的資源浪費。

AI毒性準確率，比動物實驗還要高

根據研究期刊 Toxicological Sciences最新一份報告指出，現在的技術已經可以根據過往累積的實驗數據資料，去預測藥物可能的反應。

藥物研發因為相當耗時，許多藥廠近年也都紛紛擁抱新科技，目前已經有28家大型醫藥公司、93家新創公司，投入數千萬美元研究如何將AI導入製藥以及新藥品測試。人工智慧公司Exscientia執行長Andrew Hopkins表示：「AI在設計以及化合物選擇上表現得更好，」最終可以減少實驗的次數「代表能節省更多的金錢以及時間。」Andrew Hopkins認為，目前在動物實驗中取得的數據多數儲存在資料庫中，基於生物學的複雜性，以及過去未能有效利用，如果能借助AI將這些數據加以利用，就能減少動物實驗。

研究團隊從2014年開始累積數據，總共蒐集1萬種化學合成物，透過AI針對這些物質進行86萬次的測試，最終得出分子結構與毒性類型之間的關係，可以知道該物質對於DNA、皮膚會造成什麼影響。最終結果顯示，AI測試得到的毒性準確率為87％，動物測試的準確率則為81％，可以說在某些情況下，AI的準確度已經與動物實驗好上許多。

動物實驗仍有其優勢

不過這個實驗的結果，真的就代表AI可以就此取代實驗用動物嗎？從上述例子來看，實驗團隊光是要做一種毒物測試，就花了將近四年的時間準備所需要的數據以及實驗，先不用說每一年有多少新藥在研發、實驗，如果該藥品需要進行多種毒性測試，甚至比較高階的藥物需要更多複雜的數據，那麼整個累積資料庫數據的前置工作就會被拉得很長。

另外，之所以會使用在生理特徵上與人類相似的動物來實驗，是因為人體組成非常複雜，許多的副作用、反應、過敏，往往是在實驗室中無法預測的，AI能在數據的基礎上完美的分析資料，但反過來想，這會不會讓AI束縛了動物實驗可能發現的意外反應呢？

當然，將AI導入藥品研發不單單只是為了人道原因，研發效率提升、成本降低或許才是更大的誘因，動物實驗仍存在其獨特的優勢，然而就由AI的加入，或許可以減少實驗用動物的犧牲數量，在人道、科技發展間取得平衡。

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。