AI x EV驅動新世代移動 智慧車加速系統化落地進程
- 鄭茨云／DIGITIMES企劃
-
在電動化、軟體定義與AI技術加速交會的趨勢下，智慧車輛正從單一產品，轉變為高度連網、可持續演進的系統平台。為協助產業全面掌握智慧車電的技術演進與實務落地關鍵，DIGITIMES於日前舉辦「2025智慧車電論壇：AI x EV雙軌並進，開創移動新紀元」，邀集來自學研機構、系統整合、半導體、測試驗證與軟體服務領域的專家，從SDV架構、ADAS與自動駕駛、安全與法規、OTA與數據應用，到充電與永續發展等面向，深入剖析智慧車電產業的轉型脈絡與未來挑戰。
電動車正加速與AI技術深度融合，形塑以資料與軟體為核心的新世代運輸體系。工研院機械所企劃研發組組長兼車輛電動化推動辦公室主任張念慈指出，從國際發展來看，Tesla透過FSD持續擴大實際道路驗證里程，華為則以「無高精地圖」的城市NOA架構推進大規模商用化，小米與比亞迪更將車輛定位為軟體與生態服務的延伸，凸顯EV×AI已從單一駕駛輔助，邁向整體系統與體驗競爭。
回到台灣脈絡，交通運輸部門為重要碳排來源，使電動商用車成為減碳效益最集中的切入點。政府以市區公車與物流車電動化為優先推動標的，並逐步建立統一充電介面與場站基礎建設。在此基礎上，工研院進一步推動商用車共通平台與SOA架構，透過軟硬體介面共規化、智慧充電與車隊管理系統，降低整車整合門檻，加速產業鏈協作。
在台灣汽車產業結構中，商用車長期維持穩定市佔，卻也因市場規模有限與法規門檻較高，形成高度客製化與功能導向的發展特性。中華汽車副總經理楊鴻慶提到，電動商用車的動力架構轉向電機、電控與電池，正好對應台灣產業優勢，使其成為少數具備自主切入空間的車輛領域。以中華汽車ET35為例，其透過共規底盤設計與關鍵系統在地化，整合馬達、電池管理、車輛電子與ICT系統，成功凝聚在地供應鏈能量，展現台灣自主商用車研發的可行路徑。進一步結合IoT與AI技術，ET35將車輛數據轉化為智慧維修與售服決策基礎，並以L2++ADAS為起點，朝向準自動駕駛與車隊應用延伸。然而，未來如何在成本、合規與技術自主間取得平衡，將是台灣電動商用車產業能否持續擴張的關鍵課題。
隨著ADAS、自動駕駛與無人載具逐步邁向高複雜度應用，傳統以實車與實地道路為主的驗證方式，已難以涵蓋感測融合與極端場景所需的測試深度。是德科技資深技術專案經理張式先指出，真實環境測試不僅成本高、重現性低，對於高風險、高速或短時間出現的關鍵情境，更存在實際不可測或不可重複的限制，成為專案後期風險的主要來源。
為此，產業正加速導入以場景模擬與訊號仿真為核心的整合式驗證架構，透過高擬真雷達目標模擬、微都卜勒分析、視覺與GNSS場景重建，以及C-V2X與OTA測試環境，在實驗室中重建多目標、多路徑與非視距條件下的真實世界複雜性。此一作法可於開發早期即驗證感測融合演算法對垂直辨識、近距行人反應與金屬反射場域的判斷能力，大幅降低專案後期「意外行為」的風險。
在車輛軟體定義程度快速升高、法規與資安要求同步加嚴的背景下，車用開發已從單點工程問題，演變為涵蓋需求、設計、驗證與發佈的整體生命週期挑戰。PTC台灣資深解決方案顧問黃慶文表示，OEM與供應鏈同時面臨創新時程壓縮、品質與合規成本上升，以及全球供應鏈不確定性加劇等多重壓力，使傳統以人工為主的需求與測試管理模式難以為繼。
透過導入以Codebeamer為核心的ALM平台，企業得以建立從需求、設計、測試到零件與軟體版本的端到端可追溯架構，將ISO 26262等功能安全要求內建於開發流程之中。進一步結合生成式AI技術，工程團隊可在需求撰寫、品質檢核與測試案例建立階段，即透過自動化分析與建議機制，大幅降低重工風險並提升一致性。實務經驗顯示，AI輔助需求建立與測試生成，可顯著縮短前期規格作業時間，同時提升工程與技術人員整體生產力。
隨著ADAS與整合式座艙成為車輛安全與差異化競爭的核心，車用影像處理與電源穩定性正逐步從輔助角色，轉為系統可靠度的關鍵基礎。羅姆半導體台灣技術中心副理林長青指出，在多攝影機、HUD、電子後視鏡與儀表整合的架構下，車輛需同時處理不同介面、解析度與顯示需求，使影像轉換、校正與即時處理的複雜度大幅提升。
ROHM透過IDM垂直整合模式，從IC設計、製程到封裝皆由集團內部完成，確保產品品質、可追溯性與長期穩定供應，回應車用市場對可靠度的高度要求。在技術層面，ROHM將影像介面轉換、HUD變形校正、顯示合成與ISP功能模組化，協助車廠將部分影像處理負載由SoC轉移至顯示模組端，降低系統整合成本並提升設計彈性。另一方面，面對電動車電源架構與瞬時負載變化，ROHM亦以高速度脈衝控制與超低耗能技術，提升DC-DC轉換效率與抗電壓波動能力。
充電基礎設施已成為影響台灣電動車市場成長速度的關鍵變數。盛益晉好能源業務處長王信揚表示，多數電動車主約有八成充電行為發生於住宅場域，使家用與社區充電的可行性，直接左右消費者購車意願。然而，集中充電時段對電網造成的尖峰負載，以及公寓大廈在消防、安全與成本分攤上的疑慮，皆突顯傳統充電模式的結構性限制。
對此，「光儲充一體化」方案以創能、儲能與控能為核心，整合太陽能、儲能系統與智慧充電設備，透過自發自用、需量管理與峰谷調節機制，降低對電網的即時依賴，同時提升能源使用效率與系統韌性。在政策面，中央與地方政府持續透過補助與示範計畫推動充電設施建置，並與2050淨零排放目標相互呼應。進一步結合虛擬電廠與AI調度概念，分散式充電與儲能系統有機會成為電網的彈性資源。
電池性能與安全是影響電動車可靠度與壽命的核心關鍵。卡爾蔡司工業量測解決方案資深技術應用工程師張巧聆提到，鋰電池本質上是一個高度複雜、跨尺度的系統，從材料配方、電極製程、電芯組裝到模組與電池包，每一環節皆牽動成本、效能、老化行為與安全風險。
為有效掌握這類多層次問題，電池分析正由單點破壞式檢測，轉向結合非破壞、高解析度與跨尺度的整合式觀察方法。透過X-ray CT、X-ray顯微鏡、FIB-SEM、電子顯微鏡與光學量測技術，可在不拆解或最小破壞樣品的前提下，精準分析電極重疊、內部孔隙、焊接缺陷、金屬異物與材料分佈差異，並追蹤電池隨時間老化所產生的微結構變化。進一步結合影像分析與量測軟體，電池製造與研發團隊得以將微觀結構差異，轉化為可量化的品質與安全指標，支援配方優化、製程改善與失效分析。
AI決策落實車輛可控性 智慧車電架構面臨驗證與治理挑戰
智慧車電系統的核心挑戰，已不再只是單一AI演算法的準確度，而是如何讓智慧決策與車輛物理控制之間形成可靠且可驗證的整體架構。國立台北科技大學智慧車電研發中心主任陳柏全教授指出，現行SDV發展常面臨「AI規劃合理、但車輛動態不可行」的斷層風險，使安全性與可預測性成為系統設計的關鍵挑戰。對此，透過結合高階AI感知與決策能力，以及底層模型式控制對車輛動態與穩定性的即時約束，「混合式智慧架構」被視為彌合AI與控制落差的重要方向。
在此架構下，AI負責路徑與行為規劃，而物理模型則提供輪胎力、穩定邊界與致動器限制的安全護欄，確保系統在極端或異常情境下仍可維持可控狀態。進一步搭配高擬真情境模擬、Vehicle-in-the-Loop驗證與動態安全監控機制，可在開發階段即揭露潛在風險，提升SDV系統的可驗證性與法規對應能力。
車輛已由機械定義、電子定義走向軟體定義，且現代車輛往往包含上百個ECU，若缺乏高效率且高成功率的遠端更新機制，功能迭代將難以追上消費者期待；加上超過半數車輛故障與軟體相關，OTA已成車廠維運與體驗升級的關鍵底座。
科絡達集團營運長陳嘉文表示，2023年被視為OTA應用加速的分水嶺，中國電動車品牌更新頻率顯著提高，並逐步導入訂閱式功能，顯示軟體服務正成為車廠新收入來源。針對車用OTA問題，他強調車輛更新牽涉安全風險與法規要求，且需確保大規模車隊更新的可靠度；其專利差分壓縮技術可將成功率由95%提升至99.995%，並縮小傳輸量以加快更新、降低雲端與車端成本。
進一步而言，車規級OTA也將延伸至機器人等高分散部署場域，並結合車輛影像與運行數據，拓展遠端診斷、保險風險定價、事故判讀輔助與車內支付等資料應用服務，形塑以OTA為入口的移動服務循環。
在SDV架構逐步成形的過程中，車用記憶體的角色正由輔助元件轉為系統效能的關鍵基礎。華邦電子客製化記憶體行銷部資深工程師蔡政諺指出，隨著資訊娛樂、數位儀表、環景攝影與語音互動等功能高度整合，車用DRAM已成為人機介面與即時運算體驗的核心資源，其中資訊娛樂系統更是目前車內算力與記憶體需求成長最快的應用場域。
因應單車記憶體容量快速放大趨勢，華邦持續布局LPDDR4/LPDDR4X，並逐步推進至LPDDR5與DDR5世代，以對應SoC運算集中化與區域控制架構帶來的高速、穩定存取需求。他強調，記憶體頻寬與延遲若無法有效匹配算力升級，將直接影響車機反應速度與AI體驗品質。面對高度波動的車市環境，華邦以長期供貨承諾、車規等級品質與清晰的產品演進藍圖，協助客戶在SDV世代中建立穩定且可持續的記憶體策略基礎。
智慧車電產業發展，逐漸轉向以預防為核心的整體安全設計，並延伸至自動駕駛、車聯網與AI-CAR的系統化布局。車輛研究測試中心董事長王正健提到，國際新車安全評等已將主動安全納入核心指標，感測器融合、自動緊急煞車與駕駛狀態監測等技術，正成為車輛基本配備。
同時，車輛高度連網也使資安風險快速升高，UN R155與R156等強制性法規上路，迫使產業必須在設計階段即納入資安與OTA更新治理，並建立整車級檢測能力。在自動駕駛層面，法規已由輔助駕駛邁向L3以上應用，最小風險操作與安全接管機制，成為能否商用化的關鍵門檻。
進一步結合AI感知、BEV視覺、虛實整合驗證與車間通訊技術，智慧車輛正朝多車協同與智慧城市應用發展。最終，在電動化與減碳壓力下，AI-CAR不僅是技術演進的結果，更是回應永續運輸與社會安全需求的必然方向。
AI商業化推動車電升級 產業協同與標準化成為落地關鍵
除了專業演講，論壇也邀請電電公會秘書長林全能與北科大智慧車電研發中心主任陳柏全教授，以「AI時代的車電升級：創新研發、標準戰略與產業生態鏈的協同建構」為題，進行精采對談。林全能指出，AI雖非新技術，但近年在商業化與價值創造上的突破，正加速車用電子、自駕與電動車的整體升級。產業發展的關鍵不在於技術炫耀，而在於能否對準「更安全、更舒適、更便利」的實際需求，並快速形成具信賴度、可被市場接受的解決方案。
他強調，AI車電落地需形成「創新研發、測試驗證、前商品化運行到市場化」的完整循環，標準與驗證制度是跨越最後一哩路的關鍵。電電公會目前以物流場域作為切入點，結合AI、車用電子與電動車，推動Level4自駕電動物流車，透過與車廠、物流業者及主管機關合作，爭取沙盒實證，在實際運行中累積數據並對接測試標準。
陳柏全表示，台灣在自駕與智慧車電發展上不必過度悲觀，關鍵不在是否能與國際車廠正面競逐乘用車市場，而在於如何讓既有技術有效落地並擴散。他觀察，台灣業者在感知與AI演算法具備相當實力，但普遍欠缺對車輛本體與下控系統的理解，導致技術難以真正上路，此時學研單位可透過跨領域合作補足整合能量。陳柏全認為，自駕應用不應侷限於乘用車，電動巴士、物流車、各式移動載具乃至機器人，皆是更具可行性的落地場域。要讓AI轉化為現金流，必須促成技術擴散與規模化應用，而非單點展示。
他同時強調，未來自駕系統的可靠性取決於感測融合、軟硬整合與安全驗證，學界可透過數位分身與模擬技術，將測試前移、降低成本，加速產業實證與商品化進程。
主持人佘日新最後總結指出，智慧車與電動車的發展不應只看短期熱度起伏，而應拉長時間尺度檢視其真實落地能力。他認為智慧車並非單一產品，而是牽動能源、運算、半導體、平台與應用的系統工程，也同時面臨法規、驗證與商業模式考驗，AI時代的車電升級，關鍵不在單點技術突破，而在能否建構可驗證、可擴散、能形成產業生態的整合能力，這也將決定台灣在下一波智慧移動競局中的角色。
