當今的汽車產業，正處於一場堪比從功能型手機到智慧型手機的劇變前夕。消費者或許感到困惑，汽車廣告中充斥著L2、L3、NOA（Navigate on Autopilot，自動輔助導航駕駛）等令人眼花撩亂的術語，但這些縮寫背後，是一場由人工智慧（AI）驅動，正在徹底顛覆百年汽車產業的底層革命。過去，我們評價一輛車的標準是引擎、馬力與操控；未來，決定一輛車價值的，將是它的「智商」——也就是其輔助駕駛系統的聰明程度。這不僅僅是功能的堆疊，而是一場關於運算能力、資料生態與演算法模型的全面戰爭。這場戰爭的核心，已經從傳統的機械工程轉向了尖端的軟體科技，汽車正從一個交通工具，加速演進為一個裝上輪子的AI機器人。本文將深入剖析這場智慧駕駛的「AI演進論」，拆解其背後的技術核心、整理全球主要玩家的戰略布局，並為身處科技供應鏈核心的台灣投資人與專業人士，提供一個清晰的產業洞察地圖。
戰場的三大支柱：算力、資料與模型
要理解這場智慧車革命，必須先掌握其賴以生存的三大技術支柱：無窮盡的算力、海量的真實世界資料，以及能從中學習演進的AI模型。這三者環環相扣，共同構成了智慧駕駛系統的大腦與神經。
算力軍備競賽：從車載晶片到雲端「超級大腦」
智慧駕駛的本質，是電腦對現實世界的即時感知、分析與決策。這一切都需要驚人的運算能力。這場競賽分為兩個戰場：車載端與雲端。
在車載端，一顆強大的AI晶片是所有功能的基礎。這就像為汽車安裝了一顆高效率的「小腦」，負責處理感測器傳來的即時資訊並迅速做出反應。目前市場的絕對霸主是美國的輝達（NVIDIA），其DRIVE Orin系列晶片幾乎是所有追求高階智慧駕駛車廠的標準配備，算力從數十到數百TOPS（每秒萬億次運算）不等。而最新發表的Thor晶片，單顆算力更飆升至2000 TOPS，預計將成為下一代車型的核心。
然而，真正的「軍備競賽」早已超越了車內那顆小小的晶片。特斯拉自研的FSD晶片，展現了垂直整合的巨大優勢，使其軟硬體能高度協同。而在中國，華為的昇騰系列、地平線的征程系列，以及小米、蔚來等車廠紛紛投入自行研發晶片，都意圖在這場關鍵戰役中擺脫對外部供應商的依賴。對台灣的產業鏈而言，這既是挑戰也是機會。台灣的聯發科（MediaTek）也以其Dimensity Auto平台切入智慧座艙與車載通訊領域，未來是否能延伸至高階駕駛輔助晶片，值得高度關注。
比車載晶片更為關鍵的，是雲端的「超級大腦」。如果說車載晶片是處理即時反應的「小腦」，那麼雲端智算中心就是負責深度學習與策略最佳化的「大腦皮層」。特斯拉的Dojo超級電腦，其目標是利用海量真實行車影像資料，訓練出更強大的神經網路模型。根據最新資料，特斯拉為訓練AI模型投入的算力已超過75 EFLOPS（每秒百億億次浮點運算），規模驚人。中國車廠也正瘋狂追趕，小鵬、吉利、理想等都與雲端服務商合作，建立了各自的智算中心，算力規模普遍達到10 EFLOPS級別。這場雲端算力的競賽，本質上是為了更快地「餵養」AI模型，使其加速演進。
感測器的路線之爭：特斯拉的「純視覺」賭注 vs. 中國的「雷達大軍」
要讓汽車看懂世界，首先需要感測器作為「眼睛」和「耳朵」。目前，全球形成了兩條截然不同的技術路線。
一條是以特斯拉為首的「純視覺」路線。其核心哲學是：既然人類僅靠雙眼就能駕駛，那麼配備多個攝影機的AI系統，理應也能做到。此路線的最大優勢在於成本極低，且能透過軟體OTA（空中下載）更新，不斷提升能力。特斯拉堅信，只要演算法足夠強大，純視覺方案就能解決所有問題。然而，這也意味著它在惡劣天氣（如大雨、濃霧）或極端光線條件（如逆光、隧道進出）下，感知能力會受到嚴峻挑戰。
另一條則是以華為、理想、蔚來、小鵬等中國新勢力為代表的「多感測器融合」路線，堪稱「雷達大軍」。它們主張除了攝影機外，還必須配備光學雷達（LiDAR）和毫米波雷達。光學雷達如同蝙蝠的聲納，透過發射雷射光束來精準測量物體的距離和形狀，不受光線影響；毫米波雷達則能穿透雨霧，在惡劣天氣下提供可靠的偵測。這種方案的優點是極高的冗餘度和安全性，透過不同感測器的資訊互補，大幅提升了感知的可靠性。但缺點是硬體成本高昂，且系統整合複雜。
這場路線之爭，至今沒有定論。但隨著中國供應商如速騰聚創、禾賽科技的崛起，光學雷達的成本已從數千美元快速下降至數百美元，使得「雷達大軍」的路線更具備普及化的潛力。對台灣供應鏈而言，無論哪條路線勝出，都充滿機會。例如，在光學鏡頭領域，台灣的大立光（Largan）、玉晶光（Genius）等廠商擁有深厚技術累積，是車載攝影機不可或缺的一環。
模型的終極演進：「端到端」與「世界模型」是什麼？
如果算力是引擎，感測器是眼睛，那麼AI模型就是決定駕駛行為的「靈魂」。近年來，兩個關鍵詞正在引領模型技術的飛躍：「端到端」與「世界模型」。
過去的輔助駕駛系統是「模組化」的，就像一個分工精細的工廠生產線。系統先透過「感知」模組識別車輛、行人，再交由「決策」模組判斷該加速還是煞車，最後由「規控」模組執行指令。這種方式邏輯清晰，但缺點是每個模組間的資訊傳遞會有損耗，且高度依賴工程師編寫的大量人為規則（If…Then…），難以應對複雜多變的真實路況。
而「端到端」（End-to-End）模型則是一場革命。它拋棄了中間的繁瑣模組，直接將感測器的原始輸入（Input）映射到最終的駕駛操控輸出（Output）。這好比教一個新手開車，不是讓他背誦一本厚厚的交通規則手冊，而是讓他直接觀看數百萬小時老司機的駕駛影片，透過模仿學習，潛移默化地掌握駕駛技巧。這種方式能更好地處理複雜場景，做出更像人類的「直覺」判斷。特斯拉的FSD V12版本，以及華為、小鵬等主打的新一代系統，都標誌著產業正全面轉向「端到端」架構。
如果說「端到端」是讓AI學會「如何開車」，那麼「世界模型」（World Model）則是讓AI擁有「預測未來」的能力。它能在自己的「腦中」建立一個模擬真實世界的虛擬環境，推演不同參與者（如其他車輛、行人）接下來可能的行為，並從中選擇最佳的駕駛策略。這就像一位頂尖的棋手，不僅看眼前這一步，更是在腦中推演未來數十步的棋局變化。擁有世界模型的AI，將能更從容地應對突發狀況，做出更具前瞻性的決策，是實現真正類人駕駛的關鍵一步。
全球玩家點將錄：美、中、日、台的戰略棋局
在這場AI驅動的汽車革命中，全球主要玩家正上演一場精彩的戰略博弈。
領先者與挑戰者：特斯拉與華為的巔峰對決
特斯拉無疑是這場變革的開創者和領先者。它最早將軟體定義汽車的理念付諸實踐，透過自行研發晶片、作業系統和AI模型，建立了如同蘋果（Apple）iOS生態系般封閉但高效的垂直整合體系。其最大的護城河是全球數百萬輛汽車累積的真實行車資料，這些資料是其AI模型演進的最佳養分。
而華為則是中國陣營最強大的挑戰者。與特斯拉的「單打獨鬥」不同，華為選擇了一條「平台賦能」的道路。它不直接製造整車，而是將其在ICT（資訊與通訊技術）領域累積的晶片、演算法、雲端運算等能力，打包成一套完整的智慧汽車解決方案（HUAWEI ADS），提供給合作車廠。其合作模式分為多種，從提供單一零組件，到與賽力斯合作的「鴻蒙智行」（AITO問界系列），再到與多家車廠深度合作的HI（Huawei Inside）模式。華為的策略類似於Google的Android聯盟，試圖建立一個開放的智慧汽車生態系，其技術實力與龐大的合作陣營，正對特斯拉構成強而有力的挑戰。
新勢力的生存戰：理想、蔚來、小鵬、小米的「AI內捲」
在中國市場，一場圍繞AI的「內捲」（過度競爭）正在上演。理想汽車以家庭用戶為核心，其輔助駕駛系統強調安全與實用性，並率先導入多模態視覺語言模型，提升系統的理解與決策能力。蔚來汽車則堅持高額的研發投入，不僅自行研發晶片，更推出了「世界模型NWM」，展現其在底層技術上的野心。小鵬汽車一直以技術激進派著稱，是中國最早實現城市NOA功能的車廠之一，並在全球市場積極布局。而新進玩家小米，則憑藉其在消費電子領域的品牌影響力和龐大的資金投入，一出場就擺出了全棧自行研發的架勢，其目標是將「人車家全生態」的體驗無縫整合。這些新勢力之間的激烈競爭，正以前所未有的速度推動著智慧駕駛技術的落地與普及。
傳統巨頭的轉身：日本車廠的謹慎與野心
相較於美中的激進，以豐田（Toyota）、本田（Honda）為代表的日本傳統車廠顯得格外謹慎。長期以來，它們的輔助駕駛系統，如Toyota Safety Sense和Honda SENSING，更側重於提升基礎安全（L2級別），強調系統的絕對可靠性與穩定性，而非追求炫目的高階功能。這種策略源於日本製造業根深蒂固的「安全第一」文化。
然而，面對智慧化的浪潮，日本巨頭也已意識到轉身的迫切性。豐田旗下的Woven by Toyota（前身為Woven Planet）正投入巨資研發自己的車用作業系統Arene，並積極探索高階自動駕駛技術。本田也宣布將與Google等科技巨頭合作，加速其在軟體領域的發展。日本車廠的優勢在於其深厚的車輛工程基礎、全球龐大的使用者基數和對品質控制的極致追求。它們或許在起跑時慢了半拍，但一旦其強大的體系開始發力，依然是不可忽視的力量。
台灣的隱形冠軍：供應鏈中的關鍵力量
在這場全球智慧車大戰中，台灣的角色獨一無二。雖然台灣在全球汽車品牌版圖中聲音不大，但在供應鏈中卻扮演著「隱形冠軍」的角色。這場革命的核心是半導體和電子零組件，而這正是台灣的絕對強項。
從晶圓代工的台積電（TSMC），到IC設計的聯發科（MediaTek），再到車用鏡頭、感測器、毫米波雷達模組、ECU（電子控制單元）等領域，都有台灣廠商的身影。更重要的是，像鴻海（Foxconn）提出的MIH電動車開放平台，以及台達電（Delta）、廣達（Quanta）等電子五哥的積極轉型，都顯示出台灣正試圖從過去的零組件供應商，升級為Tier 1（一階供應商）甚至整車解決方案提供者。在這場汽車革命中，台灣的角色就像是「軍火商」，為全球各大戰場的軍隊提供最精良的武器彈藥。看懂各大車廠的技術路線與需求，將是台灣供應鏈抓住這波歷史機會的關鍵。
從技術到體驗：當前輔助駕駛的真實樣貌
技術的演進最終要回歸到消費者體驗。目前，廠商們正集中火力攻克兩大場景：日常通勤的便利性與極端情況下的安全性。
「車位到車位」的承諾與挑戰
「車位到車位」（Parking spot to Parking spot）是目前各大車廠宣傳高階智慧駕駛的終極目標。它描繪了一個完美的通勤場景：使用者從家裡地下停車場上車後設定目的地，車輛能自主駛出停車位、開上城市道路、匯入高速公路，到達目的地後再自動尋找車位並停妥。這需要將城市NOA與自動代客泊車（AVP）等功能無縫銜接，是對系統全場景連續作戰能力的極致考驗。目前，包括華為、小鵬、理想在內的多家廠商都已開始發布該功能的測試版，但要達到真正流暢、可靠的「零接管」體驗，仍需克服複雜路況處理、跨樓層停車等諸多挑戰。
安全，是1還是0？AEB的極限與演進
安全是智慧駕駛的基石，其中自動緊急煞車（AEB）是最核心的功能。傳統的AEB基於規則，只能應對一些標準化的場景。而AI賦能下的新一代AEB，感知能力大幅提升，不僅能識別「鬼探頭」（突然衝出的行人）、大型異形車輛，甚至能在更高時速下做出反應。此外，更進階的自動緊急避讓（AES）功能也已出現，當煞車距離不足時，系統會判斷並執行轉向避讓，為駕駛者爭取最後一線生機。這類主動安全功能的演進，正是AI技術帶給消費者最直接、最實質的價值。
投資人的下一步：看懂趨勢，抓住機會
智慧駕駛的革命已然來臨，這是一場比電動化更為深刻、影響更為深遠的產業變革。對於投資人而言，這是一場長達十年以上的馬拉松，而非百米衝刺。看懂以下幾個趨勢至關重要：
1. 軟體定義價值：未來汽車的利潤核心將從硬體銷售轉向軟體服務。能夠建立強大軟體生態系、並成功實現功能訂閱或服務收費的企業，將擁有更高的估值天花板。
2. 資料即資產：擁有大規模、高品質、閉環的資料流是AI模型持續演進的前提。車隊規模越大、使用者使用智慧駕駛功能越頻繁的公司，其資料資產的價值就越高。
3. 算力是基礎設施：無論技術路線如何演變，對算力的需求只會指數級增長。從上游的晶片設計、製造，到雲端運算服務，整個算力產業鏈都將長期受惠。
4. 開放合作與垂直整合並存：特斯拉式的垂直整合與華為式的平台賦能，將是市場上長期並存的兩種模式。投資人需要評估不同模式下的龍頭企業及其生態夥伴的成長潛力。
這場由AI點燃的汽車戰爭，才剛剛拉開序幕。它不僅在重塑汽車產品本身，更在深刻改變著我們的移動方式、城市樣貌乃至整個科技產業的格局。對於身處科技浪潮中心的台灣而言，這既是一場需要時刻警惕的全球競賽，更是一個可以憑藉深厚產業底蘊、抓住轉型先機的歷史性舞台。看懂賽道、辨明趨勢，才能在這場百年未有之大變局中，找到屬於自己的勝利方程式。
