比追逐「量子霸權」更重要，IBM專家點出量子電腦商用的關鍵|數位時代 BusinessNext

比追逐「量子霸權」更重要，IBM專家點出量子電腦商用的關鍵

量子電腦又被稱為下個世代運算工具，IBM日本東京研究所所長的森本典繁（Noly-san）認為，量子電腦的出現並非要取代傳統電腦，而是可以補足現今系統不足的地方，他看好3到5年後量子電腦將出現大規模商用化。

關鍵在量子電腦解決的問題，而非競逐霸權光環

量子電腦擁有極快的運算速度，可以在短時間內完成一般電腦需要花上數十年才能解決的問題，因此被稱為「下個世代運算工具」。

今年初在美國國際消費電子展（CES）上，IBM推出搭載20位元（qubit）處理器的量子電腦「 IBM Q System One」，能透過雲端的方式開放全世界使用量子運算。IBM雲端運算資深總監Arvind Krishna評論：「這對於量子電腦走出實驗室，有非常重要的意義。」

只要量子電腦可以達到解決一般電腦所不能解決問題的里程碑，就能被稱為「量子優勢（Quantum advantage）」，比起走出實驗室，身為量子電腦專家的森本典繁認為，想清楚把量子電腦用在什麼地方更重要，「要看用途，某些領域量子電腦說不定做得比現在電腦爛。」

森本典繁：量子電腦不是要取代傳統電腦

量子電腦跟超級電腦沒有絕對的好與不好，必須視應用的領域而定。「把問題丟給量子電腦去比賽，才會知道問題在哪裡；不能單純就量子電腦性能討論，（跟傳統電腦相比）是贏是輸很難說。」森本典繁認為，當有一天量子位元超過50的時候，該去思考要解決什麼樣的問題？

森本典繁強調，量子電腦的出現並非要取代傳統電腦，「它們（指量子電腦）可以解決某些難以解決的問題，這些問題在計算過程中，可能是指數級的，以此補足現今系統的不足。」

以性能來看，現階段量子電腦可以做到的事情，超級電腦也可以做到。綜合來看，目前量子運算部分能力仍不夠完美，還是有犯錯的可能。量子電腦新創 Rigetti 創辦人Chad Rigetti指出，現在量子電腦不必像傳統電腦一樣做到非常精準，只要在特定的領域中「相對好」，那麼會就凸顯出價值與優勢。

尋找關鍵應用，如同茫茫人海找另一半

雖然產學界投入許多資源在研究量子電腦，然而時至今日，還沒有找出關鍵的應用，森本典繁用感情來比喻，「找量子電腦的應用，有點像是找另一半，現在還沒找到。」重要的關鍵在於，不能讓古典物理的邏輯限制了想像。

許多媒體、專家都預測，因為極快的運算速度，量子電腦商用後，也許可以在機器學習、模擬化學方程式、材料開發、投資組合平衡優化、風險分析等領域發揮優勢。森本典繁認為，這些都還只是商業上的預測，哪種應用最適合用量子電腦來做還很難說，「化學方程式模擬」是目前所知比較可能的量子電腦應用之一。

森本典繁認為，量子電腦目前處於商業化前期（Pre-commercial），要邁向真正的商業化，最少還需要3到5年的時間。優秀的量子人才，必須具備數學、物理以及產業知識。森本典繁觀察，現在很少人同時具備這三種能力，要培養也不容易，「就算學好了（指物理化學知識）也沒用，必須知道產業問題在哪裡，理解後才有可能放在量子電腦中。」

其實問題可能就在眼前，卻被思維限制而看不到，這是目前整個產業還很難找到關鍵應用的原因。正因為如此，量子電腦發展需要一批不受古典物理學限制的新血，森本典繁相信，只要產學各界一起投入參與，不久後一定可以發現第一個適合量子電腦的關鍵應用，「我對未來發展是很樂觀的，光想就很興奮。」他說。

責任編輯：陳映璇

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。