「國會改革法」三讀後怎麼辦？盤點3大反制手段，覆議、釋憲、公投哪種最有效？|數位時代 BusinessNext

「沒有討論，不是民主！」5月17日起接連兩周，立法院院會連續四次審查國會改革相關法案，引爆近年最激烈的朝野大亂鬥，更掀起大規模群眾運動，合計超過十萬人走上街頭，表態反對國會擴權。

議場內馬拉松式挑燈夜戰，經一連串激烈肢體衝突及冗長議事攻防，四次院會惡戰下，國民黨與民眾黨聯手強勢通過表決，終讓「國會改革」相關修正法案在5月28日全數三讀通過。

議事開倒車，舉手表決不記名

爭端，顯而易見。這四次院會審議過程，最關鍵的二、三讀，院會都以「舉手表決」通過法案，成為審查過程中最具爭議性的環節之一。

儘管舉手表決符合《立法院議事規則》規定，也經常在各委員會使用，但立法院院會自1989年起，就未使用過舉手表決，多採表決器記名表決。更遑論，這項法案從內容到審查程序，引發社會極大質疑，最後表決方式不只大開倒車，更多度發生計票失誤，無疑是折傷「國會改革」本質。

「 民主政治 就是責任政治、透明政治！」公民監督國會聯盟執行長張宏林直指，立委身為代議者，代議過程須清楚對選民負責。更何況，現有規定中，就算議場秩序混亂，立委無法在座位上按表決器，也能採用「點名表決」，這次卻採用不記名的舉手表決，甚至發生清點人數與投票人數不符的嚴重缺失。

不過，在民進黨屈於國會劣勢下，外界早已預期，國會改革法案最終仍會闖關成功。然而三讀通過，不代表爭議就此結束，執政黨已喊話，不排除「先覆議、後釋憲」，但這些反制手段，真能改變修法結果嗎？

反制手段一：覆議

先看覆議。政治大學法律學系副教授廖元豪指出，法案經立法院通過後，若行政院認為窒礙難行，可將法案退回立法院覆議；但實質上，這只是拖延修法上路時間，因為覆議通過門檻仍是全體立委二分之一，結果不可能翻盤。

「覆議成功的機率不高。」東吳大學政治學系教授蘇子喬也認為，既然藍白聯手通過法案，除非行政院能鬆動藍白，否則可能連覆議都不提，或是僅提覆議表態立場。

緊接著，總統必須在十日內公布法案，讓修法正式施行。儘管部分輿論主張，總統可不公布有違憲疑慮的法規，但蘇子喬強調，「惡法亦法，總統在制度上一定要公布。」沒有任何討論空間。

況且，程序上，總統公布法律後，執政黨才能執行後續的反制手段：釋憲就是其一。

反制手段二：釋憲

早在三讀通過前，民進黨立法院黨團總召柯建銘就已宣示將針對國會改革案提釋憲；據《憲法訴訟法》，國家最高機關（指總統及五院）有提出釋憲的權利，而全體四分之一席次的立委也可連署聲請釋憲，門檻不是問題。

原則上，在釋憲結果出爐前，法律依然要施行；不過，現行法規也有「暫時處分」的機制，可讓被提釋憲的法律「暫停施行」。

蘇子喬解釋，若大法官認為法律持續的狀態會對當事人的權利或憲政秩序有重大侵害，可做出暫時處分，半年內暫不實施該法。他並分析，一般而言，若大法官做出暫時處分裁定，恐怕已經有心證認為該法律違憲，「其實形同違憲的預告。」

至於釋憲案處理的優先順序，也未必依法案重要程度而定。廖元豪直指，大法官釋憲很彈性，甚至可以不受理，審多久也沒有限制，短則幾個月，長可達數年，考驗大法官的公信力。

反制手段三：公投

除了踏上憲法法庭，公民投票的「複決權」也是一種選項，只不過，在民進黨握有國會多數時曾修正《公民投票法》，將公投改為不綁大選舉行，廖元豪指出，公投原本是對抗立法院的一個作法，現在變成「鳥籠」，未來要通過恐怕也沒那麼容易。

蘇子喬不諱言，若民意對法案很反彈，可能促成公投複決，但即使背後有執政黨動員，依法每兩年舉行一次，也要到明年八月才會投票，爭議拖過一年多，這段期間，行政院不能消極不執行法律，對執政黨而言，公投緩不濟急。

他認為，賴清德總統剛上任就面臨僵局，未來藍白在立法院聯合通過法案、行政院被迫執行，可能成為常態，執政黨沒有揮灑空間，應盡可能跟在野黨協調，尤其是和民眾黨尋求合作空間，透過政治尋求解決方案。

經歷半個月國會動盪、街頭運動，冷靜後來看，面對各項爭議法案，體制內並非無路可走，朝野應放下對立和政治盤算，否則全民都會付出重大代價。

本文授權轉載自：今周刊

延伸閱讀：影片｜國會改革法案三讀後，會翻盤嗎？藐視國會、國會調查權、聽證權、人事同意權一次看

責任編輯：黃若彤

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。