GitHub揭3大開源趨勢：Python首度超越Java躍升社群第二大程式語言|數位時代 BusinessNext

先是微軟砸75億美元收購GitHub，其後IBM也以340億美元買下紅帽，科技巨頭頻頻的大動作，都集中在一個關鍵詞上：開源。

身為原始碼託管平台的GitHub，目前是全球最大的開源專案平台。GitHub每年都會發布Octoverse報告，向外界揭露過去一年開源社群的面面向向，而2019年度報告也在上週正式公開。

南極洲也有開發者，開源熱蔓延全球

GitHub表示，開發人員數在今年夏季突破4,000萬人大關，光是過去一年間，就有超過1,000萬名開發者加入這個大家族，且首次建立儲存庫的用戶也比去年增加44%，顯示出「開源」越來越熱的趨勢。

目前逾4,000萬的用戶中，超過8成來自美國海外，貢獻者的分佈也變得更為多元，GitHub提到，就連南極洲都有開發人員。

以洲進行分類的話，亞洲是今年最大的貢獻社群，貢獻人數近400萬，而成長最快的地區，則是香港（175%）、新加坡（111%）與印尼（90%）。在GitHub 2019年推出的免費私人儲存庫上，亞洲占比也達36%。

非洲與西亞則是開源專案成長最快的兩個地區，其中奈及利亞（59%）、伊朗（44%）、肯亞（44%）為前3名。

Python超車Java，首次成GitHub第2大程式語言

在開源社群裡，什麼程式語言最受歡迎？即使對開源軟體毫無興趣的人，也可能對這項趨勢感到好奇。過去一年開發者們使用了超過370種程式語言，GitHub從中列出近5年內前10大程式語言的排行變化。

在今年度的榜單中，雖然JavaScript依舊穩如泰山，坐擁第一名寶座，廣受各方工程師喜愛的Python首次超越Java，成為開發社群第2大程式語言。且C#與Shell的排名皆有所上升，

另外，GitHub指出，由於Google開源行動App開發套件Flutter的加入，身為其開發語言的Dart以532%成長遠遠拋開第2名，躍居今年竄升最快的程式語言。

而靜態語言在型別安全（type safety）與互操作性上的優勢，讓這類程式語言快速成長，榜上有名的Rust、Kotlin及TypeScript都屬於靜態語言。

企業、學校皆仰賴GitHub

目前有來自70個國家地區，約300萬的企業帳戶在GitHub上活躍，他們可能是企業、非營利組織、一個開源專案等等。企業行號們不僅利用平台上的資源，也開始參與這個社群、貢獻一份心力。

GitHub提到，《財富》世界50大企業中，有35間為開源社群做出貢獻，還有29間透過企業帳戶建立軟體及App。值得一提的是，支付平台Stripe、串流音樂平台Spotify都是GitHub的愛用者。

學校方面，目前有170萬人利用GitHub學習寫程式，較去年成長55%，以及76.1萬人利用了GitHub的學生開發者包，並有3.1萬名教師藉由GitHub教授開發者工作流程。

資料科學正夯，機器學習、深度學習也漸受矚目

從醫療領域拯救人命的機器學習技術，到製作稀奇古怪的機器人，過去12個月內，各式各樣的開源專案在平台上萌芽。GitHub指出，推動Python發展的「資料科學」便是一項值得點出的趨勢。

許多資料科學相關的框架與工具皆是用Python寫成，在這項主題下最受矚目的儲存庫中，約半數是利用numpy建立，這就是一個根基於Python的擴展模組。

在資料科學之外，機器學習、自然語言處理、深度學習等項目也越來越受到關注，近年來擁有非常顯著的成長。

完整報告請見：GitHub Octoverse 2019

責任編輯：蕭閔云

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。