科技與技術

綠捷能智控洪國洋：AI真正的門檻，在於能否駕馭複雜環境並完成量化建置

撰編：楊永翊採訪/許雯媛整理

最後更新時間：8月 | 28日 , 2026

251

專家

綠捷能智控執行長洪國洋

近年來，AI人工智慧逐漸成為各個應用領域的重要發展方向，市場上也出現了大量以AI影像分析、智慧辨識及邊緣運算為訴求的產品。然而，對綠捷能智控執行長洪國洋來說，真正決定一家AI公司技術深度的關鍵，在於掌握AI模型的底層原始碼，並且具備訓練AI模型、配合環境調整及修改的能力。

綠捷能智控執行長洪國洋表示，綠捷能早期團隊主要來自演算法、系統底層與學術研究領域，最初與學界合作發展影像辨識技術，在AI尚未成為產業主流以前，便已投入二值化、特徵擷取、物件偵測及號碼辨識等演算法研究。這段歷程也讓綠捷能今日談論AI時，重點始終放在演算法如何放進系統及真實環境，而非單純展示效果。洪國洋認為，AI技術是否成熟，最終仍須回到一個問題：AI是不是可以長期運轉、準確判讀，並且真正協助使用單位的數位治理。

從單晶片DSP起步　走過台灣影像辨識發展初期
回顧台灣影像辨識技術的早期發展，當時市場還沒有「AI算力」的說法，產業討論的主要是CPU時脈、記憶體容量與DSP效能。由於硬體資源有限，工程團隊必須在極小的運算空間內完成影像擷取、壓縮、辨識及結果輸出，演算法的效率直接決定系統能否正常運作。

綠捷能在早期就已經把車牌辨識演算法放入德州儀器的單晶片DSP中，以韌體方式進行運算。這種架構沒有大型伺服器，也無法依靠高階顯示卡支撐辨識工作，研發人員必須從程式原碼、影像處理流程與硬體資源配置逐項調整。

洪國洋指出，團隊從車牌、貨櫃號碼等字元辨識開始，逐步延伸至事件偵測、車流統計、物件偵測與追蹤。隨著DSP與SoC技術演進，系統也從早期單純的韌體架構，發展到整合DSP與ARM處理器的智慧攝影機及嵌入式設備。

這項技術後來進入台北市早期路口車牌辨識系統，也應用於台鐵環島防闖系統。根據洪國洋說明，台北市第一代車牌辨識案在接近20年前便要求車輛以時速120公里通過時，辨識率仍須達到九成以上；台鐵防闖系統則曾建置於全台200多處相關場域。這些專案讓團隊很早便接觸到大規模交通系統所面對的光線、車速、設備穩定度及長期維護問題。

自有演算法與跨平台能力　降低對單一算力架構的依賴
進入深度學習與AI時代後，市場普遍以NVIDIA GPU及開源模型作為主要開發環境。洪國洋表示，綠捷能智控選擇維持自有演算法與原碼開發能力，同時布局邊際運算及中心端運算，使演算法能夠運行在不同等級的硬體平台。

洪國洋表示，綠捷能透過自有模型及演算法優化，可以降低約四成算力與功耗需求，使影像分析能夠在資源較有限的設備中執行。運算平台則可以涵蓋AMD、NVIDIA與Intel等平台，研發團隊會依照不同處理器架構重新調校模型，以維持辨識效能與系統穩定度。

跨平台開發會增加研發負擔，每一種晶片都有不同的運算架構、記憶體配置及軟體工具，演算法往往需要重新移植與優化。然而，這種作法也降低系統對單一平台的依賴，讓工程團隊能依據案場預算、設備條件、傳輸資源及處理需求，選擇較適合的硬體組合。

智慧交通需要的是完整資訊鏈
智慧交通應用牽涉車流偵測、路口轉向、壅堵分析、旅行時間、車牌辨識、事件預警與號誌控制。每一項功能看似獨立，進入交通管理中心後，卻必須形成一套連續的資訊鏈，才能支援交控人員進行判斷及控制。

洪國洋表示，車流偵測是智慧交通最基本的資訊來源。系統必須掌握車輛數量、車速、車種及行駛方向。高速公路通常關注直線道路的車流量，都會路口則須進一步辨識車輛左轉、右轉或直行，並將轉向資料提供給號誌時制計畫，作為調整紅綠燈秒數的依據。

「綠捷能目前車流數量偵測精確度可達95%至98%，車種辨識可達95%以上；都會路口因遮蔽、機車數量及行車動線較為複雜，車流量統計約可達90%至95%，轉向量偵測則可達90%以上。這些數據均以實際建置及驗收結果為基礎，反映的是系統在道路環境中的長期表現。」洪國洋說，智慧交通的價值來自數據能否推動管理措施。當系統知道不同車種及轉向車流的變化，交通單位便能調整號誌時制；當影像偵測到交流道或觀光路段的車流密度升高，也能提早啟動疏導、人員調度或車道控制。

傳統道路壅堵偵測多以地面感應線圈判斷車輛是否長時間停留。這種方式只能掌握單一位置是否被占用，若有故障車輛停在感應點，系統可能將其判斷為壅堵，但是如果真正的回堵發生在線圈前後，也可能無法完整反映現場狀況。

利用影像分析則能觀察一段道路空間，追蹤區域內的車輛數量、移動速度、停等時間及空間占用率，進一步將壅堵程度轉換成30%、60%或90%等具體數據。交控單位可依門檻啟動不同處置，例如在壅堵率達到一定程度後調整號誌、改變車道配置，或派員進行現場疏導，交控中心不必等到大量車輛停滯後才接獲通報，而能依據影像數據提早介入。

目前相關壅堵偵測技術已建置於高速公路北、中、南部多個區域，也進入公路系統及南部觀光路段。洪國洋強調，這些專案屬於正式建置與驗收，系統已納入使用單位日常管理工作，與一般PoC的短期概念驗證有很大差異。

隧道、交流道與路口　從預警功能進入管理程序
綠捷能目前較具代表性的智慧交通案例，涵蓋隧道事件偵測、高速公路壅堵分析、道路旅行時間及路口號誌聯動。洪國洋表示，綠捷能的系統已經應用於雪山隧道、北區隧道、中部國姓隧道及南迴草埔隧道等場域，透過自動事件偵測系統辨識車輛停止、異常行駛及其他交通事件。洪國洋表示，部分系統已持續使用三至四年以上，預警結果也正式納入交通控制中心的處理程序。

「過去事件偵測系統若誤報率過高，管理人員容易降低對系統的信任，最後仍須依靠人工監看。當精確度及穩定度提高後，系統才能從輔助工具進入標準作業流程，使管理模式由接獲事故通報後處理，逐步走向提前發現與主動預警。」洪國洋說。

綠捷能在西濱及都會區建置接近100處路口分析系統，可辨識自行車、機車、大型車及小型車的流向，並將統計結果提供號誌控制。對台灣路口而言，機車流量、左轉專用時相及不同車種混流都是重要條件，號誌控制必須建立在持續累積的真實交通數據上，才能符合現場需求。

此外，車牌辨識也被運用於移動污染源稽核、車輛管理及交通旅行時間分析。這些應用逐漸由單一辨識功能，發展成跨系統的資料交換與聯動控制。

AI落地考驗的是工程整合能力
洪國洋將AI定位為系統中的核心技術，仍需要設備、網路、通訊、資料與控制機制共同配合。模型在實驗室中達到高準確率，只代表演算法具備基礎能力；進入真實環境後，攝影機安裝角度、鏡頭選擇、串流品質、光線、雨霧、頻寬、運算設備與現場網路，任何一項條件都可能影響結果。

影像解析度便是常見例子。高解析影像能提供更多細節，也會增加傳輸頻寬、儲存容量及中心端運算負擔。若一次建置400路4K影像，既有光纖、核心交換器與後端伺服器未必能承受。高速公路擁有相對完整的光纖網路，仍須保留資源給其他交控、通訊與安全系統，因此不可能將全部頻寬投入AI影像分析。

部分偏遠山區或道路也缺乏固定網路，只能透過4G進行傳輸。這時便需要將運算移到現場，先由邊際設備完成辨識，只回傳事件、結構化數據或必要影像，以降低頻寬使用。

洪國洋認為，AI落地需要在精確度、設備成本、頻寬、運算能力與建置規模之間取得平衡。單台高階設備或短期概念驗證通常較容易成功，真正困難的是數百路系統長時間運行，同時符合使用單位的預算與維護能力。

當每一路影像都必須配置昂貴設備，整體成本便可能超出業主負擔；若為了降低成本而犧牲辨識率，系統又無法支援管理工作。這也是智慧交通AI從展示走向大規模建置時，最容易遇到的落差。

模型的「鍋底」決定AI能走多遠
談到不同AI公司的技術差異，洪國洋以火鍋鍋底形容模型基礎。食材可以向市場採購，鍋底則累積了配方、比例及長期調整經驗。同樣地，AI模型可以購買授權或採用開源架構，真正進入複雜案場後，能否修改模型、調整參數及排除異常，才會決定系統的技術上限。

若模型完全來自外部授權，開發者無法修改底層結構，碰到超出原有模型能力的環境時，便容易遇到瓶頸。系統整合商可能只能透過增加設備、重複判斷或外部規則暫時避開問題，卻無法真正修正模型。

洪國洋指出，判斷AI公司的重要依據，應包括實際完成過哪些場域、系統運行多久、是否經過正式驗收，以及面對異常環境時是否具有修改原碼及模型的能力。模型簡報中的準確率，只能反映特定測試條件；長期量化建置所留下的資料與經驗，才是較難複製的技術資產。

AI的智慧交通應用　必須從長期運轉中建立信任
AI正在改變智慧交通與交通管理取得資訊的方式，也使車流、壅堵與事件逐漸轉換為可以分析、預測以及量化的數據。但是，模型可以購買，算力也能擴充，但完美的系統是需要時間累積的，包含讀的懂畫面中的環境、完全權限及能力的駕馭模型及處理異常的經驗。AI技術只是起點，是不是能在有限資源中穩定運行，並確實改善管理問題，才是智慧交通走向成熟的關鍵。

※本文圖文非經授權不得轉載，洽詢授權，請E-Mail至contact@aimag.tw[ iDS智慧安防雜誌聲明 ]※

合作夥伴

Hanwha Vision

上敦企業

宏碁智通

台灣佳能資訊

物聯智慧

資策會

昇鋭智慧科技

NetworkOptix

ACTi 建騰創達

中華電信

台灣安迅士

NETGEAR, Inc.

杭特電子

AxxonSoft

HID

Indusvision

威聯通科技

凱樂奇科技

虹盛科技

VIGI

OMADA

Shield 神盾應用

AI TigerSTOR

雲義科技

SECON & eGISEC 2027

晶睿通訊

台達電

宏電科技

通航國際

城智科技

德勝監控

新光保全

皇昇科技

瀚錸科技

台灣迪維科

Informa

德洛斯科技

科寶電子

創奇科技

利凌企業

佳皇展業

歐益科技

山宏有限公司

台灣微凱

泓格科技

燦金實業

清波實業

鎧鋒企業

揚益科技

台灣穩鴻科技

紫有科技

龍光企業

Informa Markets BN Co., Ltd.

關於 iDS 智慧安防雜誌

安防產業長期處於資訊不對等的情況下，導致好的產品與好的技術無法正確並有效地傳遞給行業相關業者與廠家，我們希望透過此一平台，建構一公平且快速的「訊息牆」，快速且專業的將對的資訊與設備傳遞給對的讀者。我們長期耕耘專業應用市場，深度了解應用市場狀況與需求、隨時掌握安防產業與應用市場動態，進而促進產業與應用市場的多元化互動。

讀者服務信箱:contact@aimag.tw
讀者免付費服務專線:0800-309988
讀者服務時間:星期一~星期五 09:00~18:00
LINE線上即時客服:星期一~星期五 09:00~18:00

	關於我們

	關於我們 \| 內容政策 \| 隱私條款 \| 版權使用 \| 聯絡我們



	追蹤我們



	*本網站不會向讀者收取任何舉凡仲介、手續等等費用，若有不肖人士向您收取費用，請您立即告知我們

關係媒體