當車子儀表板上顯示著「自動駕駛模式已啟動」，已經是日常生活。
在美國洛杉磯、鳳凰城等多個城市中Waymo的無人計程車已在街頭上靈活穿梭，今年也在日本市區進行自駕車道路測試；特斯拉的自動駕駛FSD系統則在全球累積數十億公里的真實自駕數據。當Google、豐田等科技與汽車大廠，將全自動駕駛視為下一個關鍵戰略，這場自駕車競賽號角早已響徹雲霄。
「大家可能覺得距離全自動駕駛還很遙遠，但真正的商機爆發點已經來臨。」台大資訊工程學系教授徐宏民指出，引爆自駕車供應鏈需求的並非遙不可及的Level 4或Level 5全自駕，而是現在觸手可及的Level 2與Level 2+先進駕駛輔助系統（ADAS）。
許多人常將自動駕駛與「全自動」劃上等號，這種討論往往忽略自動駕駛的根本定義。根據美國汽車工程師協會（SAE）的標準，自動駕駛分為6個等級（Level 0至Level 5）。而SAE標準的核心區別在於「誰負責監控駕駛環境」。
在 Level 0（無自動化）、Level 1（駕駛輔助）與Level 2（部分自動）的階段，責任仍在駕駛身上，目前廣泛搭載的「自動跟車系統（ACC）」和「自動緊急煞車系統（AEB）」，已屬於自動駕駛技術的一環（Level 2），但駕駛仍需隨時監控路況。同時，即使 Level 2允許在高速公路特定條件下短暫放手，駕駛依然是系統的監督者。
真正的分水嶺從 Level 3（有條件自動）開始。從Level 3到Level 5，監控環境的責任正式轉移給「系統」。L3 系統能在特定條件下運作，但駕駛需準備接管；L4（高度自動）則能在多數情境下自駕；而大眾普遍認知的、無需駕駛在車上的「全自動」，則指最高等級的 Level 5（完全自動）。
自動駕駛技術點燃兆元商機，台灣供應鏈迎來「感測器大爆發」
徐宏民大膽預測，或許不用等到2030年，最快2027年，全球搭載L2及L2+功能的新車佔比就將超過5成。據日本市場研究機構富士總研（FCR）預估，到2040年全球每3輛新車就有1輛是自駕車，其中Level 3的車輛占比超過90％，約占總數近3成。
「AI正驅動一場從汽車到機器人的整合革命，催生出無窮的兆元級美元市場。」台灣電機電子工業同業公會車輛整合聯盟顧問范炘在近期演講中強調。同時，據市場報告Precedence Research預估，全球自駕車市場將在未來幾年將以高達35.9%的年複合成長率擴張，到了2032年，自駕車市場規模將一舉突破2兆3,539億美元。
自駕車從Level 2輔助駕駛邁向Level 4高度自動駕駛，所需的AI運算力呈指數級增長。這背後，是海量的光達（LiDAR）、毫米波雷達（Radar）及攝影機數據，必須在千分之一秒內融合、判讀並決策。這也釋出清晰的信號，過去在燃油車時代始終是「局外人」的台灣，將因半導體與資通訊實力，被推上主桌。
首先，是「感測器」的大爆發。 傳統汽車不需要那麼多「眼睛」和「耳朵」，但現在為了精準感知360度的複雜交通環境，感測器數量正以倍數增加。「一台新車搭載五5、6顆鏡頭，4顆以上的雷達，都是基本配備。」徐宏民表示，尤其台灣廠商在這波浪潮中早已是「受惠股」，像是歐特明電子獨步全球的影像處理演算法，以及特斯拉所使用的毫米波雷達，其關鍵供應商亞光、穩懋皆是來自台灣。
此外，台灣在鏡頭模組、超音波感測器等領域也佔有重要地位，以全球每年9,000萬台新車的市場規模來看，哪怕只有4成搭載這些系統，量級和商機都非常可觀。
其次，是「車用通訊」。 自駕車需要大量的感測器意味著海量的資料傳輸。工研院產科國際所（IEK）的報告上指出，因為上面跑的是影像、雷達的原始資料，頻寬要求非常大，傳統的車內通訊已不敷使用，催生全新的車用通訊晶片與架構，而台灣的晶片設計公司也已跟上最新技術需求，成功打入國際大廠供應鏈，拿下大單。
最後，也是最激烈的戰場，是「運算」的能力。要即時處理如此龐大的感測資料，並做出比人類駕駛更快的決策，需要一顆極其強大的AI運算晶片。根據今年2月的企業的財報指出，高通的車用業務年成長率高達55%，而輝達的車用晶片年增率也有16%。徐宏民強調：「雖然NVIDIA的車用業務佔比仍小於其資料中心業務，但成長動能非常強勁。」同時，看準這塊大餅的聯發科也已經宣布與NVIDIA合作，進軍車用座艙與輔助駕駛晶片市場。
車輛研究測試中心研發處協理陳建次點出關鍵：台灣的強項在「硬體」，如晶片、伺服器等供應鏈；但弱點是在「軟體」，即AI的整合應用，這也是台灣產業需要全力強化的部分。
為什麼台灣缺少自駕車「系統級」整合能力？
「為什麼台灣比較少看到像以色列Mobileye那樣的系統級自駕公司？」徐宏民一語道破台灣產業鏈的痛點。儘管台灣在感測、通訊、運算等佔盡優勢，幾乎囊括所有關鍵零件的製造能力，但台灣目前缺乏「系統級」的整合能力。
從一個Tier 2（第二級車用零件供應商）或Tier 3的零件供應商，要躍升為能直接與車廠（OEM）對話的系統整合者，這中間橫亙著3道難以跨越的高牆。
第一道牆，是「高度複雜性」。系統產品需要完美整合軟體演算法、硬體晶片、感測器，並確保其在各種極端天候與突發狀況下的穩定與安全，這遠非單一零件的製造所能比擬。
第二道牆，是「與車廠的距離」。系統商必須站在第一線，直接與車廠對接，深入理解他們的開發流程與真正需求。
第三道，也是最嚴苛的一道牆，是「法規與安全標準」，汽車產業攸關人命，法規的嚴苛程度超乎想像。
正因為攀登高牆如此艱難，不過一旦成功切入，競爭力與利潤也遠比擔任零件供應商來得高。「因為門檻高，能進入到這個體系，要被取代的機會就相對比較小。」徐宏民強調。這也解釋了為何像台灣的歐特明電子、台灣智慧駕駛等公司，選擇從商用車、自駕巴士等封閉或特殊場域切入，正是在這些挑戰下，採取的務實策略。
決勝黃金3年，搶佔話語權，台灣只差「法規商用化」的最後一哩路
面對全球巨頭的快攻的全面佈局，台灣的機會點在哪？
范炘給出了一個極為迫切的時間表，台灣機會僅有短短3到5年，產官學界必須立即行動，否則將錯失良機。
核心在於「技術共享」。這些技術能跨平台應用於汽車、機器人，為台灣產業創造絕佳的水平擴張機會，「這意味著市場不再只是垂直深化，而是可以橫向打通。」范炘指出。
范炘進一步解釋了其中幾項關鍵技術。像是「感測器與感測融合」，一輛智慧車輛可能搭載數百個感測器，它們是AI大腦的「五感」；又例如「運算能力」，涵蓋雲端、車載中央運算到邊緣運算，智慧座艙所需的運算力未來可能躍升至500至1000 TOPS；以及被視為智慧移動「骨幹與神經系統」的「電子電機架構」，新一代架構大幅簡化了資訊傳輸，並支援高壓系統以提升能源效率。這些，恰好都是台灣ICT產業的絕對強項。
這條「水平擴張」的策略，與徐宏民教授的呼籲不謀而合。徐宏民認為，台灣不能滿足於只做零件供應商，因為這將永遠失去話語權。
「當你站在系統設計與整合的位置時，你才能更清楚地知道未來3到5年，甚至10年後的規格會是什麼。」然而，要實現這個願景，還差最後也是最關鍵的一哩路是法規與商用落地。
想要讓自駕車順利駛入現實生活，法規配套至關重要。但更核心的問題是，如何在法規到位前，向主管機關與市場證明技術的可靠性與商業的可行性？
「自駕公車」被視為台灣駛向規模化商轉的最佳利基點。相較於面對複雜的交通環境開放道路，自駕公車通常運行於固定路線與特定場域，不僅讓技術挑戰大幅下降，也成為一個完美的「監管沙盒」；更重要的是，肩負著能優先解決駕駛人力短缺、彌補偏鄉夜間運輸等優點。
勤崴國際副總經理林映帆呼籲，政府政策的思維應從鼓勵短期的「試辦」，轉向支持長期的「商用化」，應提供固定的營運路線與穩定補助，讓業者能持續累積數據。
唯有透過不間斷的長期營運，AI演算法才能在真實的風雨中迭代更新，系統才能累積足夠的驗證里程。這條路雖然辛苦，卻也是台灣自駕產業駛向清晰商業彼岸的航道，更是在下一階段全球場域競逐中，證明實力的關鍵一戰。
