特斯拉發表自動駕駛晶片，預告2020年百萬輛無人計程車上路跑|數位時代 BusinessNext

特斯拉發表自研自動駕駛晶片，聲稱效能更勝Nvidia

特斯拉自駕車晶片在活動中隆重登場，被稱為全自動駕駛電腦（FSDC）的這款晶片，擁有雙核心設計，搭載各自的電源與儲存系統。如果其中一枚核心發生故障，另一枚核心將接替軟體運行並提出警告，確保行車安全。

馬斯克毫不避諱地強調，這將是世界上最好的自動駕駛晶片，「從未設計過晶片的特斯拉，怎麼設計出世界上最好的晶片？但這是客觀的事實。」

第一批晶片已在上個月進入生產線，前蘋果晶片工程師、現任特斯拉董事Pete Bannon宣稱，不僅低功耗、低運轉溫度，且具有極佳數據處理效率， 這是先前使用的Nvidia Xavier晶片的7倍效能 。

對此，Nvidia也反駁特斯拉的說法，指出特斯拉的比較並不準確，Xavier並非面向全自動駕駛的晶片，其Drive AGX Pegasus才是更該對應比較的對象，擁有320 TOPS（每秒兆次運算），高於特斯拉晶片。

另外，馬斯克也透露，新版本的晶片預計在1年半至2年內推出，已完成過半設計，效能會是現版本晶片的3倍。

推自動駕駛版Uber，馬斯克預言明年百萬輛無人車上路

馬斯克信誓旦旦地表示，特斯拉計劃2020年出產第一款全自動駕駛車，並規劃推出「無人車共享服務」。

在馬斯克描述的未來場景中，擁有完善自動駕駛配備的特斯拉車主，在暫時無須乘車時，能夠透過App將愛車加入「共享」行列，化身無人Uber為民眾服務，特斯拉將從中抽成25%至30%。在沒有足夠自動駕駛車服務的地區，特斯拉則會提供自己的無人計程車隊。

為達成這樣的願景，特斯拉自研晶片將是不可或缺的存在。馬斯克宣稱，該晶片已達成全自動駕駛所需的硬體要求，待軟體跟上便能達到具有足夠可靠性的自動駕駛技術。

至於軟體技術何時能跟上？馬斯克認為，明年年中乘客就可放心乘坐自動駕駛車，更大膽預言，「 從我們的角度來看，如果你快轉1年，或者1年又1季，但我們確定明年內就會有百萬輛無人計程車上路。 」

不過，馬斯克也多次指出，即便技術已經就緒，到底能否上路還是取決於監管單位核准。再加上目前仍未有無人車配套法律，究竟需要怎樣的標準才能合法駕駛，尚無人知曉。

馬斯克：自動駕駛依賴光達註定失敗

值得一提的是，特斯拉自駕車的發展上，與其他無人車開發商有著不小的差異。在光達成為自駕車主流的現在，特斯拉依舊是以鏡頭作為自動駕駛技術的雙眼。

光達擁有在天候惡劣、光線昏暗的情況下，看清路況的優勢，但同時價格也非常高昂，馬斯克不諱言指出，把精力花費在光達上，純粹是徒勞，「任何依賴光達的人都註定失敗！註定！這些昂貴的感測器不是必要的。」

特斯拉AI資深主管Andrej Karparthy表示，視覺辨識對於4級、5級自動駕駛技術終究有其必要，依賴光達是種取巧的行為，「它迴避了『視覺辨識』這個根本問題，進而給予人們一種虛假的進步感，但它最終只是根輔助的拐杖。」

為取代光達帶來的部份優勢，特斯拉依靠大量行車數據培訓神經網路。馬斯克提到，目前每輛在路上跑的特斯拉電動車，無論是否開啟Autopilot功能，都在協助特斯拉收集數據，訓練自動駕駛技術。待軟體方面足夠成熟後，便會在既有硬體內全面實施。

曾是台灣製造業重要根基的塑膠射出產業，如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者，老師傅退休、新人才接不上的現況，更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具，許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出，全球塑膠射出市場規模超過 3000 億美元，每年仍以約 3% 至 4% 的幅度成長。需求並未消失，只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉，老師傅數十年累積的經驗卻很難複製。

這道人才缺口，正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發，歷經近十年研究與工廠驗證，嘗試把老師傅腦中的射出經驗，轉化成可以計算、保存與持續學習的 AI 模型，解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI，射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備，不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後，生產現場仍得依產品、材料與機台特性，調整溫度、速度、壓力、位置等條件；即使使用同一種塑料，不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處，不只是記住參數，而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的，就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後，第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統，工廠只要輸入材料、機台規格、產品尺寸等資訊，sMolding 便能計算第一組成型參數；若試模後出現產品缺陷，再由 sTroubleshooting 提供修正建議。

「它就像導航。我今天告訴你要從 A 點到 B 點，但不知道路怎麼走，導航會把路徑算給你。」張詠翔說。對射出成型而言，這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例，傳統方式需 7.5 小時，導入系統後縮短至 2 小時，材料使用量從 23 公斤降至 8.7 公斤，整體試模成本降低 64%。

但找到正確參數只是第一步，真正進入量產後，工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損，都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組，透過射出壓力數據持續監控品質，並依生產狀態自動補償關鍵參數。換言之，AI 不只在試模階段提供一條正確的「導航路徑」，進入量產後還能因應製程變化持續修正，進一步朝「自駕」邁進。

從產線驗證到海外布局，桃園如何助攻智穎智能跨過0到1？

但要讓 AI 真正走進工廠，智穎智能採取 SaaS 訂閱模式，將核心運算留在雲端持續學習與更新，降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備，因此智穎智能的方案既能導入既有設備，也能與射出機、控制器業者合作，在新機出廠時直接整合。「一個工廠不會只有一個廠牌，就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言，AI 真正走進製造現場的關鍵，在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言，降低導入門檻還不夠，更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言，桃園不只是公司所在地，也提供了技術走向市場的第一塊試驗場。「對新創來說，第一個就是要經費、要人才、要場域，再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期，團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源，降低早期研發與營運負擔。更重要的是，桃園密集的製造業聚落，本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業，智穎智能在創業初期接觸到位於桃園的「良器」，成為公司第一個客戶。從概念驗證、產品調整到實際導入，合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言，第一個願意開放場域的客戶，意義遠超過第一筆營收。

如今，從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次，完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示，透過市府帶領團隊前往日本神戶，智穎智能接觸當地官方與企業資源。在市府引薦下，團隊成功對接了神戶知名加速器，更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局，為下一階段海外市場拓展做準備。

AI 解決「怎麼生產」後，下一步是「替誰生產」

當 AI 開始解決「怎麼生產」，張詠翔看到的下一個問題，是「替誰生產」。部分製造商提高生產效率後反過來問他，如果我的產能多了 20%，但沒有多 20% 的訂單，我何必要做那麼快？

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家，品牌要在海外重新尋找符合特定規範與製程能力的供應商，也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商，讓品牌端能依條件尋找供應商，也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務，初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究，到桃園工廠提供第一個實際驗證場域；從把老師傅經驗變成 AI「導航」，再走向能自行修正製程的「自駕」，智穎智能試圖數位化的，是製造業最難被保存的資產：人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散，這套從桃園工廠磨出的 AI，下一步不只要替老師傅找到數位接班人，也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源，將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去，讓外界看見桃園豐沛且具實戰力的創新動能。