AI x EV驱动新时代移动 智能车加速系统化落地进程
- 郑茨云／DIGITIMES企划
-
在电动化、软件定义与AI技术加速交会的趋势下，智能车辆正从单一产品，转变为高度联网、可持续演进的系统平台。为协助产业全面掌握智能车电的技术演进与实务落地关键，DIGITIMES于日前举办「2025智能车电论坛：AI x EV双轨并进，开创移动新纪元」，邀集来自学研机构、系统整合、半导体、测试验证与软件服务领域的专家，从SDV架构、ADAS与自动驾驶、安全与法规、OTA与数据应用，到充电与永续发展等面向，深入剖析智能车电产业的转型脉络与未来挑战。
电动车正加速与AI技术深度融合，形塑以数据与软件为核心的新时代运输体系。工研院机械所企划研发组组长兼车辆电动化推动办公室主任张念慈指出，从国际发展来看，Tesla透过FSD持续扩大实际道路验证里程，华为则以「无高精地图」的城市NOA架构推进大规模商用化，小米与比亚迪更将车辆定位为软件与生态服务的延伸，凸显EV×AI已从单一驾驶辅助，迈向整体系统与体验竞争。
回到台湾脉络，交通运输部门为重要碳排来源，使电动商用车成为减碳效益最集中的切入点。政府以市区公车与物流车电动化为优先推动标的，并逐步建立统一充电界面与场站基础建设。在此基础上，工研院进一步推动商用车共通平台与SOA架构，透过软硬件界面共规化、智能充电与车队管理系统，降低整车整合门槛，加速产业链协作。
在台湾汽车产业结构中，商用车长期维持稳定市占，却也因市场规模有限与法规门槛较高，形成高度定制化与功能导向的发展特性。中华汽车副总经理杨鸿庆提到，电动商用车的动力架构转向电机、电控与电池，正好对应台湾产业优势，使其成为少数具备自主切入空间的车辆领域。以中华汽车ET35为例，其透过共规底盘设计与关键系统在地化，整合马达、电池管理、车辆电子与ICT系统，成功凝聚在地供应链能量，展现台湾自主商用车研发的可行路径。进一步结合IoT与AI技术，ET35将车辆数据转化为智能维修与售服决策基础，并以L2++ADAS为起点，朝向准自动驾驶与车队应用延伸。然而，未来如何在成本、合规与技术自主间取得平衡，将是台湾电动商用车产业能否持续扩张的关键课题。
随着ADAS、自动驾驶与无人载具逐步迈向高复杂度应用，传统以实车与实地道路为主的验证方式，已难以涵盖传感融合与极端场景所需的测试深度。是德科技资深技术专案经理张式先指出，真实环境测试不仅成本高、重现性低，对于高风险、高速或短时间出现的关键情境，更存在实际不可测或不可重复的限制，成为专案后期风险的主要来源。
为此，产业正加速导入以场景模拟与信号仿真为核心的整合式验证架构，透过高拟真雷达目标模拟、微都卜勒分析、视觉与GNSS场景重建，以及C-V2X与OTA测试环境，在实验室中重建多目标、多路径与非视距条件下的真实世界复杂性。此一作法可于开发早期即验证传感融合演算法对垂直识别、近距行人反应与金属反射场域的判断能力，大幅降低专案后期「意外行为」的风险。
在车辆软件定义程度快速升高、法规与网安要求同步加严的背景下，车用开发已从单点工程问题，演变为涵盖需求、设计、验证与发布的整体生命周期挑战。PTC台湾资深解决方案顾问黄庆文表示，OEM与供应链同时面临创新时程压缩、品质与合规成本上升，以及全球供应链不确定性加剧等多重压力，使传统以人工为主的需求与测试管理模式难以为继。
透过导入以Codebeamer为核心的ALM平台，企业得以建立从需求、设计、测试到零件与软件版本的端到端可追溯架构，将ISO 26262等功能安全要求内建于开发流程之中。进一步结合生成式AI技术，工程团队可在需求撰写、品质检核与测试案例建立阶段，即透过自动化分析与建议机制，大幅降低重工风险并提升一致性。实务经验显示，AI辅助需求建立与测试生成，可显着缩短前期规格作业时间，同时提升工程与技术人员整体生产力。
随着ADAS与整合式座舱成为车辆安全与差异化竞争的核心，车用影像处理与电源稳定性正逐步从辅助角色，转为系统可靠度的关键基础。罗姆半导体台湾技术中心副理林长青指出，在多摄影机、HUD、电子后视镜与仪表整合的架构下，车辆需同时处理不同界面、分辨率与显示需求，使影像转换、校正与实时处理的复杂度大幅提升。
ROHM透过IDM垂直整合模式，从IC设计、制程到封装皆由集团内部完成，确保产品品质、可追溯性与长期稳定供应，回应车用市场对可靠度的高度要求。在技术层面，ROHM将影像界面转换、HUD变形校正、显示合成与ISP功能模块化，协助车厂将部分影像处理负载由SoC转移至显示模块端，降低系统整合成本并提升设计弹性。另一方面，面对电动车电源架构与瞬时负载变化，ROHM亦以高速度脉冲控制与超低耗能技术，提升DC-DC转换效率与抗电压波动能力。
充电基础设施已成为影响台湾电动车市场成长速度的关键变量。盛益晋好能源业务处长王信扬表示，多数电动车主约有八成充电行为发生于住宅场域，使家用与社区充电的可行性，直接左右消费者购车意愿。然而，集中充电时段对电网造成的尖峰负载，以及公寓大厦在消防、安全与成本分摊上的疑虑，皆突显传统充电模式的结构性限制。
对此，「光储充一体化」方案以创能、储能与控能为核心，整合太阳能、储能系统与智能充电设备，透过自发自用、需量管理与峰谷调节机制，降低对电网的实时依赖，同时提升能源使用效率与系统韧性。在政策面，中央与地方政府持续透过补助与示范计划推动充电设施建置，并与2050净零排放目标相互呼应。进一步结合虚拟电厂与AI调度概念，分散式充电与储能系统有机会成为电网的弹性资源。
电池性能与安全是影响电动车可靠度与寿命的核心关键。卡尔蔡司工业量测解决方案资深技术应用工程师张巧聆提到，锂电池本质上是一个高度复杂、跨尺度的系统，从材料配方、电极制程、电芯组装到模块与电池包，每一环节皆牵动成本、效能、老化行为与安全风险。
为有效掌握这类多层次问题，电池分析正由单点破坏式检测，转向结合非破坏、高分辨率与跨尺度的整合式观察方法。透过X-ray CT、X-ray显微镜、FIB-SEM、电子显微镜与光学量测技术，可在不拆解或最小破坏样品的前提下，精准分析电极重叠、内部孔隙、焊接缺陷、金属异物与材料分布差异，并追踪电池随时间老化所产生的微结构变化。进一步结合影像分析与量测软件，电池制造与研发团队得以将微观结构差异，转化为可量化的品质与安全指标，支持配方优化、制程改善与失效分析。
AI决策落实车辆可控性 智能车电架构面临验证与治理挑战
智能车电系统的核心挑战，已不再只是单一AI演算法的准确度，而是如何让智能决策与车辆物理控制之间形成可靠且可验证的整体架构。国立台北科技大学智能车电研发中心主任陈柏全教授指出，现行SDV发展常面临「AI规划合理、但车辆动态不可行」的断层风险，使安全性与可预测性成为系统设计的关键挑战。对此，透过结合高端AI感知与决策能力，以及底层模型式控制对车辆动态与稳定性的实时约束，「混合式智能架构」被视为弥合AI与控制落差的重要方向。
在此架构下，AI负责路径与行为规划，而物理模型则提供轮胎力、稳定边界与致动器限制的安全护栏，确保系统在极端或异常情境下仍可维持可控状态。进一步搭配高拟真情境模拟、Vehicle-in-the-Loop验证与动态安全监控机制，可在开发阶段即揭露潜在风险，提升SDV系统的可验证性与法规对应能力。
车辆已由机械定义、电子定义走向软件定义，且现代车辆往往包含上百个ECU，若缺乏高效率且高成功率的线上更新机制，功能迭代将难以追上消费者期待；加上超过半数车辆故障与软件相关，OTA已成车厂维运与体验升级的关键底座。
科络达集团营运长陈嘉文表示，2023年被视为OTA应用加速的分水岭，中国电动车品牌更新频率显着提高，并逐步导入订阅式功能，显示软件服务正成为车厂新收入来源。针对车用OTA问题，他强调车辆更新牵涉安全风险与法规要求，且需确保大规模车队更新的可靠度；其专利差分压缩技术可将成功率由95%提升至99.995%，并缩小传输量以加快更新、降低云端与车端成本。
进一步而言，车规级OTA也将延伸至机器人等高分散部署场域，并结合车辆影像与运行数据，拓展线上诊断、保险风险定价、事故判读辅助与车内支付等数据应用服务，形塑以OTA为入口的移动服务循环。
在SDV架构逐步成形的过程中，车用存储器的角色正由辅助元件转为系统效能的关键基础。华邦电子定制化存储器行销部资深工程师蔡政谚指出，随着信息娱乐、数码仪表、环景摄影与语音互动等功能高度整合，车用DRAM已成为人机界面与实时运算体验的核心资源，其中信息娱乐系统更是目前车内算力与存储器需求成长最快的应用场域。
因应单车存储器容量快速放大趋势，华邦持续布局LPDDR4/LPDDR4X，并逐步推进至LPDDR5与DDR5时代，以对应SoC运算集中化与区域控制架构带来的高速、稳定存取需求。他强调，存储器带宽与延迟若无法有效匹配算力升级，将直接影响车机反应速度与AI体验品质。面对高度波动的车市环境，华邦以长期供货承诺、车规等级品质与清晰的产品演进蓝图，协助客户在SDV时代中建立稳定且可持续的存储器策略基础。
智能车电产业发展，逐渐转向以预防为核心的整体安全设计，并延伸至自动驾驶、车联网与AI-CAR的系统化布局。车辆研究测试中心董事长王正健提到，国际新车安全评等已将主动安全纳入核心指标，传感器融合、自动紧急煞车与驾驶状态监测等技术，正成为车辆基本配备。
同时，车辆高度联网也使网安风险快速升高，UN R155与R156等强制性法规上路，迫使产业必须在设计阶段即纳入网安与OTA更新治理，并建立整车级检测能力。在自动驾驶层面，法规已由辅助驾驶迈向L3以上应用，最小风险操作与安全接管机制，成为能否商用化的关键门槛。
进一步结合AI感知、BEV视觉、虚实整合验证与车间通讯技术，智能车辆正朝多车协同与智能城市应用发展。最终，在电动化与减碳压力下，AI-CAR不仅是技术演进的结果，更是回应永续运输与社会安全需求的必然方向。
AI商业化推动车电升级 产业协同与标准化成为落地关键
除了专业演讲，论坛也邀请电电公会秘书长林全能与北科大智能车电研发中心主任陈柏全教授，以「AI时代的车电升级：创新研发、标准战略与产业生态链的协同建构」为题，进行精采对谈。林全能指出，AI虽非新技术，但近年在商业化与价值创造上的突破，正加速车用电子、自驾与电动车的整体升级。产业发展的关键不在于技术炫耀，而在于能否对准「更安全、更舒适、更便利」的实际需求，并快速形成具信赖度、可被市场接受的解决方案。
他强调，AI车电落地需形成「创新研发、测试验证、前商品化运行到市场化」的完整循环，标准与验证制度是跨越最后一里路的关键。电电公会目前以物流场域作为切入点，结合AI、车用电子与电动车，推动Level4自驾电动物流车，透过与车厂、物流业者及主管机关合作，争取沙盒实证，在实际运行中累积数据并对接测试标准。
陈柏全表示，台湾在自驾与智能车电发展上不必过度悲观，关键不在是否能与国际车厂正面竞逐乘用车市场，而在于如何让既有技术有效落地并扩散。他观察，台湾业者在感知与AI演算法具备相当实力，但普遍欠缺对车辆本体与下控系统的理解，导致技术难以真正上路，此时学研单位可透过跨领域合作补足整合能量。陈柏全认为，自驾应用不应局限于乘用车，电动巴士、物流车、各式移动载具乃至机器人，皆是更具可行性的落地场域。要让AI转化为现金流，必须促成技术扩散与规模化应用，而非单点展示。
他同时强调，未来自驾系统的可靠性取决于传感融合、软硬整合与安全验证，学界可透过数码分身与模拟技术，将测试前移、降低成本，加速产业实证与商品化进程。
主持人佘日新最后总结指出，智能车与电动车的发展不应只看短期热度起伏，而应拉长时间尺度检视其真实落地能力。他认为智能车并非单一产品，而是牵动能源、运算、半导体、平台与应用的系统工程，也同时面临法规、验证与商业模式考验，AI时代的车电升级，关键不在单点技术突破，而在能否建构可验证、可扩散、能形成产业生态的整合能力，这也将决定台湾在下一波智能移动竞局中的角色。
