如果想讓重型卡車自動偵測死角，或是讓送餐機器人在複雜的戶外穿梭，需要具備多強大的AI算力？
答案可能與直覺相反，「其實不需要幾百個Tops的昂貴晶片，只要精確的影像演算法就夠了。」歐特明產品策略暨行銷協理曾怡舜說。
2013年成立的歐特明，以車用視覺AI起家，曾與納智捷合作開發環景系統，也是中國電動車小鵬汽車自動停車系統的背後推手。
當全球科技巨頭陷在全自駕車的紅海中廝殺時，歐特明正在悄悄跨界，將戰場移往貨車、巴士，甚至是農田與礦坑裡的無人機具。
曾怡舜指出，一般乘用車市場已經越來越競爭，「大家（市場）也一直在看下一個比較『值得相信』的會是什麼。」而現在所謂的機器人（robot），包含的領域逐漸擴大，和自駕車的邊緣模糊化，例如外送無人機、送貨機器狗等「戶外移動載具」也被包含在其中。
歐特明決定用車規級技術，試圖在看似毫無關聯的「機器人」領域中，解決工業電腦大廠也頭痛的難題。
戶外移動載具為何需要「車規級」大腦？
所謂的難題，核心在於「場景的極端複雜性」。曾怡舜分析，過去工業電腦大廠擅長的是工廠內部、相對穩定的自動化流程，但當載具要走出戶外，進入農田、礦場或充滿行人的街道時，原本的架構便顯得力不從心。
例如，工業用的相機模組在強逆光、低照度或濃霧環境下，影像品質往往難以支持精準的AI 演算。
歐特明的策略，是將累積十年的「車規級」視覺技術放入戶外移動載具，也就是所謂的機器人內，曾怡舜指出，這類機器人對品質的要求與車規非常接近，「同樣在戶外到處走，環境嚴苛程度與車子其實沒什麼兩樣。」
而他們的底氣，來自於2017年，可說是「算力貧瘠」的時代。「其實回想2017年那時候，我們其實光是可以拿來運行AI的晶片，就不到一個Tops。」曾怡舜回憶，在算力極其受限的環境下，歐特明被迫磨練出一套極限壓縮技術，研究「怎麼樣把AI模型壓到非常小，還是可以做到非常精準。」
這項技術在進入機器人市場時，成為極大的優勢。
曾怡舜直言，算力需求越高，功耗就越大，這會導致載具需要搭載更多電池進而增加重量，甚至被迫改變整體的機械結構，「如果你一直用非常大的算力去做這些AI的算力的話，其實你的機器人很難量產。」透過模型小型化，視覺AI才能走出實驗室，真正落地量產。
自駕車與機器人：模糊的技術邊界
然而，跨足「機器人」領域，也意味著營運模式的劇烈轉變。乘用車市場追求的是單一型號、萬台起跳的大規模量產；但機器人市場則是典型的「少量多樣」，從自駕農耕機、礦區卡車到送餐機器人，每種客戶的需求都大不相同。
「以前我們可能對應三到五個客戶（車廠），我現在可能要後面加個零。」曾怡舜坦言，面對暴增的客戶數，歐特明必須調整工廠應對少量多樣的生產模式。
為了不讓研發人力被零散需求淹沒，歐特明轉向生態系策略，開發視覺定位（VIO）與雙目3D相機等工具，填補工業電腦廠商缺乏的技術，例如高速影像傳輸介面GMSL。這類產品能克服傳統電腦視覺的限制，減少影像盲區並支援更遠的觀測距離。
「自駕車跟機器人，邊界已經越來越模糊，市場都逐漸往這個方向在移動了。」曾怡舜說。
對歐特明而言，往機器人市場的跨界是全新的機會，把能適應惡劣環境的車規級「眼睛」，裝配到農田、礦區與工廠之間，將車用版圖擴張到未來的領域中。
責任編輯：李先泰
