AI要真正理解交通關鍵在於整合不同的感知能力
光林智能聚焦AI如何透過多模態感知理解真實道路；希達數位則從城市碳管理切入，探討AI如何讓碳數據從年度盤查走向即時感知、預測與決策。
光林智能智慧交通AI系統架構師鄒恆安（David Tzou）指出，真實道路環境瞬息萬變，單一感測器都有其限制，因此AI要真正理解交通，關鍵在於整合不同的感知能力。
Interlux透過攝影機與雷達的感測融合（Sensor Fusion），由攝影機辨識車輛、行人與道路狀況，雷達感知距離、速度與移動方向，再結合車聯網通訊（V2X）與邊緣人工智慧（Edge AI）即時運算，讓不同資訊相互驗證與補強，使AI從「看見物件」進一步理解完整交通情境。
🔗 延伸閱讀《光寶子公司光林智能發表發表Physical AI智慧交通應用 打造下一代AI感知路口》
🔗 延伸閱讀《光林智能攜手1NCE加速智慧燈聯網部署 搶攻智慧城市基建商機》
光林智能在花蓮慈濟醫院周邊導入智慧交通應用
鄒恆安表示，「AI要學會真實世界，第一步是先進入真實世界。」透過部署在道路端的邊緣人工智慧持續取得真實交通數據，才能進一步建立數位孿生（Digital Twin），進行模擬、分析與模型訓練，再將成果帶回實際道路持續驗證與優化，形成AI不斷學習真實交通環境的循環。
光林智能在花蓮慈濟醫院周邊導入智慧交通應用，從救護車優先通行、公車自適應號誌到路口盲點預警，讓AI不只執行單一交通任務，而是透過道路感知與運算架構，依不同情境回應交通需求。花蓮台九線面對複雜地形與氣候，透過24小時道路數據持續優化AI模型，逐步從單點應用走向智慧交通AI廊道。
希達數位營運長Salmon Sim則從新加坡城市經驗與國際案例切入。他指出，如果把碳數據視為城市的「生命徵象」，再結合AI分析，城市就能從過去一年一次的被動統計，進一步走向即時判讀與持續微調整，加速低碳轉型。這也代表碳管理正從「事後盤查」走向「即時行動」。
減碳不再只是每年產出一份碳盤查報告
Salmon的簡報將碳數據比喻為城市的心跳、血壓與體溫。Salmon表示，AI的價值不只是協助城市看見排放數據，而是進一步找出排放熱點、判斷優先改善位置，並動態降低排放。並以新加坡智慧交通為例，說明AI如何整合道路與公共運輸資訊，持續優化路線與班次；並延伸至英國電網與丹麥哥本哈根建築能源管理案例，呈現AI如何從交通、能源到建築，逐步進入城市低碳治理。
當道路、建築、交通與能源等實體基礎設施持續產生數據，透過物聯網（IoT）、碳數位孿生（Carbon Digital Twin）與AI分析，城市便能更即時掌握變化、預測風險並調整資源配置。減碳不再只是每年產出一份碳盤查報告，而是轉化為城市每天都能採取的行動，並進一步形成低碳競爭力。
從感測融合讓AI理解一個真實路口，到AI把碳數據轉化為城市的即時「生命徵象」，AI的競爭正從數位世界走向真實世界。對台灣而言，下一步不只是擁有AI技術，更重要的是能否在真實城市持續驗證、累積數據並解決問題，為2029 ITS World Congress Taipei累積可被世界看見的城市實證。
