江子翠事件後：我不敢搭捷運了，怎麼辦？

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

• 作者：陳曦、蘇禹安 / 台北市立大同高級中學

「數感盃青少年寫作競賽」提供國中、高中職學生在培養數學素養後，一個絕佳的發揮舞台。本競賽鼓勵學生跨領域學習，運用數學知識，培養及展現邏輯思考與文字撰寫的能力，盼提升臺灣青少年科普寫作的風氣以及對數學的興趣。
本文為 2021 數感盃青少年寫作競賽／高中組專題報導類佳作之作品，為盡量完整呈現學生之作品樣貌，本文除首圖及標點符號、錯字之外並未進行其他大幅度編修。

上高中後，搭乘捷運成為日常生活的一部分，某月初進站時發現悠遊卡多了一百多元， 剛開始以為自己記錯卡片的餘額。但到了下個月初又多了一筆錢，所以去加值卡機查詢儲值紀錄，發現原來是捷運卡的回饋金。 

查了台北捷運公司官網資料，現金回饋比例是由上個月累計搭乘次數根據下圖（圖一）的對應方式決定，而回饋金為累積搭乘金額再乘上現金回饋比例，在每個月初會回饋到捷運乘客的悠遊卡。

某個月的月底，放學搭捷運回家，進站時我發現這個月恰好乘坐捷運 50 次，差一次就可以在下個月拿到 30% 的現金回饋比例，於是我在途中先出站，再進站搭乘捷運。果不其然，下個月的回饋金就是上個月搭乘金額的三成。 

因此我好奇，如果不考慮進出站與等車的時間成本，單純以花費考量，

哪些分段方式可以省下通車費用、哪些則不行呢？於是，我們開始了以下研究。

捷運地圖如下圖（圖二），事實上可以分段搭乘的路線不勝枚舉，我們無法一條一條去計算比較哪些路線分段搭乘比較划算。關於如何分段搭乘比較省錢，我們會從「（問題一）拆成幾段搭乘？」、「（問題二）每月搭乘幾次？」、「（問題三）乘坐多少里程數？」等三方面去討論，再利用所學的不等式運算，找出分段搭乘比較省錢的方法，以此判斷哪些路線可以分段搭乘。 

首先，我們先探討分段搭乘的票價至少會貴出多少錢？ 

上圖（圖三）是台北捷運公司官網公告的捷運車票計價方式，是根據起／終點的行車距離計算票價，我們將乘車距離對應的票價整理在下表（表一）。 

若今天我們出門需乘坐 24 公里的車程，則票價為 55 元，如果分成兩段 12 公里乘坐的話，票價就變成 35+35=70 元，所以分段搭乘貴了15 元。然而，也可以拆成 5+19 公里來乘坐，則此費用變為 20+45=65 元，僅貴了 10 元。 

所以，各個階段的票價，會因為分段搭乘的方式不同而有不同的費用。事實上，我們經過各種拆法的嘗試，在 55 元的票價之下，拆兩段的總票價至少會多出 10 元。上表（表一）是我們整理出來各個票價之下，分拆成兩段與三段搭乘時，要多支付的最小差價以及其分段乘坐的方法。從此表我們可以得出：

1. 分成兩段搭乘的話，票價至少要多花 10 元。  
2. 分成三段搭乘的話，票價至少要多花 20 元。

接下來，將比較分兩段／三段搭乘的現金回饋比例與單趟搭乘的現金回饋比例之間的差異。 

根據捷運公司公佈的搭乘次數回饋金比例資料（圖一），我們整理出單趟搭乘與分段搭乘的比較表格，如下表所示：（表二）為拆三段搭乘的比較；（表三）為兩段搭乘的比較。

由下表二、三可知，當每月搭乘次數為 17~20 次時，分拆成三段搭乘與單趟搭乘的現金回饋比例差距最多，高達 20%；而當每月搭乘次數為 26~30 次時，分拆成兩段搭乘與單趟搭乘的現金回饋比例差距最多，最多到 15%。 

根據（表二）的結果，我們先討論第一個問題：「在搭捷運時，拆成幾段搭乘可以節省車費？」 

假設我們這個月份以 A 票價搭乘 X 次，所累計的現金回饋比例為 α%，則我們可以算出本月的回饋金為 αAX 元，扣除回饋金，本月實際花費為未分段搭乘的花費 = (1 − α)AX 元 

若將 X 次的搭乘，每次都分拆成三段來乘坐，每段票價分別為 B、C、D 元，則累計搭乘次數增加為 3X 次，所累計的回饋金比例為 β%，因此本月的回饋金為 β(B + C + D) 元，而且本月實際花費即為分三段搭乘的花費 = (1 − β)(B + C + D)X 元

我們把「未分段搭乘的花費」減去「分三段搭的花費」即是分三段搭乘可省下的錢，然後再除以搭乘次數 X 得：(1 − α)A − (1 − β)(B + C + D) 元，即是「平均每一趟乘搭乘可以省下的花費」。

因為拆三段搭乘票價會至少貴 20 元，即 B + C + D ≥ 20 + A，因此 

(1−α)A − (1−β)(B+C+D) ≤ (1−α)A − (1−β)(20+A) = A(β − α) − 20 + 20β

因為票費 A 最多 65 元，回饋金的差 (β-α) 最多為 20%，拆三段的回饋金比例 β 最多為 30%， 所以分三段搭乘平均每趟可省下的錢不會超過下式： 

(1 − α)A − (1 − β)(B + C + D) ≤ 65 × 0.2 − 20 + 20 × 0.3 = −1 < 0

可發現分三段省下的金額是負數，即是不管如何拆三段搭乘都不划算。而拆四段以上搭乘的話，每趟會增加更多票價，所以會更加不划算。因此，我們得到第一個小結論， 

結論一：「若分成三段以上搭乘，則總花費一定比不分段搭乘的花費更多。」  

因為拆三段以上搭乘一定不划算之下，我們考慮是否可以拆兩段乘搭。如同前段的分析， 將 X 次的搭乘，每次都分拆成兩段來搭乘，每段的票價分別為 B、C 元，則累計搭乘次數增加為 2X 次，所累計的回饋金比例為 β%，因此本月的回饋金為 β(B + C) 元，而且本月實際花費即為分兩段搭乘的花費 = (1 − β)(B + C)X 元 

把「未分段的花費」減去「分兩段的花費」後再除以搭乘次數 X 可得，分兩段乘坐之下， 平均每一趟乘搭乘可以省下的花費為 (1 − α)A − (1 − β)(B + C) 元 

我們先考慮，如果分兩段搭乘的票價會比原來多 15 元以上的情況，即是B + C ≥ 15 + A，則上式可以整理成：

(1 − α)A − (1 − β)(B + C) ≤ (1 − α)A − (1 − β)(15 + A) ≤ A(β − α) − 15 + 15β

同理，因為票價 A ≤ 65 元，回饋金的差 (β-α) ≤ 15%，拆兩段的回饋金比例 β≤30%，所以，如果拆兩段的票價貴 15 元以上的話，兩段搭乘平均每趟可省下的錢不會超過下式：

(1 − α)A − (1 − β)(B + C) ≤ 65 × 0.15 − 15 + 15 × 0.3 = −0.75 < 0 

因此，在此情況下，分兩段搭乘也不會划算。所以，我們的第二個小結論：

結論二：「若分兩段搭乘的票價比原本貴 15 元以上，則分段搭乘一定不划算。」 

我們的第二個問題：「若分段搭乘，每個月要乘坐幾次才能節省車費？」 

根據（表一）所示，拆兩段搭乘票價至少貴 10 元，由上述結論可知，若分段搭乘能夠省下交通費用的路線，則必須選擇拆兩段的票價只貴 10 元的路線，即是 B + C = 10 + A。因此，平均每一趟乘搭乘可以省下的花費，可以改寫成 

(1 − α)A − (1 − β)(B + C) = (1 − α)A − (1 − β)(10 + A) = A(β − α) − 10 + 10β

因為票價A ≤ 65元，回饋金的差 (β-α) ≤15%，若回饋金的差 (β-α) 在 10% 以內的話，則拆兩段搭乘平均每趟可省下的錢不會超過下式： 

A(β − α) − 10 + 10β ≤ 65 × 0.1 − 10 + 10 × 0.3 = −0.5 < 0 

因此如（表三）所示，每月乘坐太少或太多次都讓回饋金的差 (β-α) ≤10%，則拆兩段搭乘不會省下車票花費。唯有在回饋金的差 (β-α) 在最高的 15% 時，也就是每月乘坐次數在 26 次到 30 次之間，拆兩段搭乘的方式才能節省費用。所以，我們的第三個小結論：

結論三：「若拆兩段搭乘的花費能比較少，則每月乘坐次數需介於 26 到 30 次之間。」 

最後，我們要討論：「至少乘坐多遠的距離，拆兩段搭乘才能節省費用？」 

因為每個月乘坐次數是介於 26 次到 30 次之間，所以單趟搭乘的現金回饋比例為 15%(α=0.15)；而拆成兩段搭乘的次數增加為 52 次到 60 次之間，所以回饋比例為 30%(β=0.3)。 由（結論二）可知，拆兩段的路線必須是只能比單趟搭乘多 10 元票價 (B + C = 10 + A)，因此平均每一趟乘搭乘可以省下的花費可以表示如下： 

(1 − α)A − (1 − β)(B + C)元 = 0.15A − 7 元 

如果分段搭乘的方式可以省下費用，則上式要大於零， 

0.15A − 7 > 0 → A > 46.6666 … 

因此，若拆兩段搭乘能省下費用，則單趟乘坐的票價A要超過 46 元，即是票價 A 為 50、55、 60、65 元。所以，若從里程數來看，我們的第四個小結論： 

結論四：「搭乘超過 20 公里的路線，拆成兩段乘坐，才能省下費用。」  

因此「什麼路線可以分段搭乘呢？」總結上述討論的四個小結論如下：

1. 若分成三段以上搭乘，則總花費一定比不分段搭乘的花費更多。
2. 若分成兩段搭乘的票價比原本貴 15 元以上，則分段搭乘一定不划算。
3. 若拆成兩段搭乘的花費能比原花費少，則每月乘坐次數須介於 26-30 次之間。
4. 搭乘超過 20 公里的路線，拆成兩段乘坐，才能省下費用。

當每個月搭乘次數為 26 到 30 次時，我們歸納出下面此種路線，拆成兩段乘坐可以省下費用： 

「該路線票價大於或等於 50 元，並且拆兩段總票價只會多 10 元。」

因此，我們考慮每個月乘坐 30 次，即可算出不同票之下，分段搭乘最多可以省下多少錢，見下表（表四）。所以，在不考慮時間成本下，我們推論出，分段搭乘的方法最多能省下 82.5 元。雖然省下的金額不多，但是推論的過程中，我們發現到有些路線分段搭乘確實比較划算。

最後，根據我們的研究所找到路線選擇的條件，整理出下表這些符合條件的路線以及分段方式，並分成兩種方式呈現。（表五）為淡水信義線範圍內之路線、（表六）是以淡水為目的站之路線，由於數量龐大未能全部列出。不過，下次乘坐捷運時，如果起終點符合上述的條件，不妨試試拆兩段乘坐看看，或許可以幫你在下月獲得更多的回饋金。 

資料來源

1. 票價查詢：台北大眾捷運股份有限公司-票價查詢 
2. 票價查詢：工具邦-台北捷運路線圖 
3. 回饋金資料：台北大眾捷運股份有限公司-常客優惠方案 
4. 捷運路網圖：台北大眾捷運股份有限公司-路網圖 

本文由 交通部鐵道局 委託，泛科學企劃執行。

2018 年底，淡海輕軌完工通車，目前已經通車的路段有從紅樹林站到崁頂站的山線，以及從濱海沙崙站到漁人碼頭站的藍海線一期路段，沿途各站有櫻花大道、知名古蹟和電影商城，成為一日輕旅行程不可錯過的選擇。而藍海線二期將會從漁人碼頭站延伸接回淡水站，結合捷運淡水信義線連接到紅樹林站，形成環狀路網，未來也在規劃從崁頂延伸至北海岸的三芝線。

但你知道嗎？淡海輕軌所使用的車輛，可是臺灣自製的！「行武者號」由台灣車輛公司和德國福伊特公司跨國合作，從設計、製造到測試，全車在臺灣完成，突破過去捷運車輛都是向國外購買，技術長期被外商壟斷的困境，成為臺灣捷運「國車國造」的首例。

融入當地特色之設計與節能效果

淡海輕軌「行武者號」在外觀上以海為意象採流線型設計，水藍色的車身彩繪代表淡水河清流，而白色象徵水面映射的日光。

由於淡水氣候變化大，夏天常有 30-35 度高溫，冬天最低溫可達 5 度，且地形位於迎風面，梅雨季、颱風都帶來豐沛雨量。為了因應淡水溫差大且濕度高的特性，「行武者號」列車材質使用不鏽鋼與耐候鋼打造。

比較不同於一般所熟知的大眾交通工具，列車到站後會自動開門，淡海輕軌的車輛到站後需要旅客手動開門。這樣的設計是考量在不會每站都有乘客上下車的狀況下，除了能避免冬天冷風灌入車廂造成車內乘客不舒適外，在平時更能節省許多不必要的能源消耗，達到節能減碳的效果。^[註1]

車輛零組件國產化並兼顧安全品質

淡海輕軌在車輛設計上完整導入 3D 設計與分析模擬，可自主產出系統模組 3D 繪圖、機械與電氣施工圖，並進行結構應力、結構疲勞強度、結構撞擊等模擬分析，大幅強化在地設計與驗證能力。

國內輕軌車輛國產化比例，從淡海輕軌的 21.5%，提升到目前興建中安坑輕軌的 42%，項目包括車體製造與組裝、車頂、外牆、車頭、內裝板與地板、轉向架框、車內空調、客室座椅、玻璃、車上照明、漆料、電纜、CCTV 等。其中車輛完全符合歐盟 EN 45545 防火規範，車端碰撞抗壓縮力具備 500 kN（輕軌一般為 200~400 kN），車頭與內裝板採用非金屬複合材料，安全設計納入列車自動防護系統（ATP）及電子式後視鏡，均為國內輕軌首次採用；而車輛設計納入臺灣地區人因資料，所有車門與車窗均為緊急逃生出口，車上照明全面採用 LED 燈具，更是國內鐵道車輛首例。

而淡海輕軌的車輛與零組件供應商，大多都符合 UNIFE（歐洲軌道工業協會）所制定 IRIS（國際軌道工業標準）品質管理認證，以確保車輛各子系統之高品質，並進行合作及技術轉移，協助國內建立自主的鐵道車輛工業與零組件供應鏈。

未來展望

目前除了營運中的淡水輕軌，未來還有安坑、八里、淡海二期、五股泰山、基隆、桃園及新竹等地的捷運及輕軌計畫，除了為日常通勤或是假日輕旅行增添更多可能性，也因為這些計畫將製造上百組車輛，是不容忽視的國產經濟能量，將可作為產業界進一步掌握關鍵核心技術，達成並突破車輛國產化 50% 的重要契機。

因此，交通部鐵道局已自 2021 年起透過產業發展補助計畫來逐步推動關鍵系統國產化研發，包含車輛之集電弓、車門、轉向架、牽引系統、列車監控系統、車體設計、儲能電力管理系統、超級電容，以及號誌系統、轉轍器與自動列車防撞系統等項，將國產化技術領域從目前偏重在車體結構材料、零件與服務性設備，拓展到與行車運轉及安全維生有關之核心系統，以提升臺灣鐵道工業的競爭力。此外，交通部更借鏡先進國家經驗成立「鐵道技術研究及驗證中心」，藉由國家級鐵道技術專責機構，帶動國內鐵道產業研發與檢測驗證技術能量，產品符合安全品質標準並與國際接軌。

藉由政府創造市場需求與提供資源，讓民間廠商藉機推動製造業的轉型與突破，建立自主鐵道車輛工業的完整生態鏈。「國車國造」的計畫，將培養更多鐵道專業人才，將技術根留臺灣，也能有效降低建置、營運及維修成本，對經濟發展及創造就業帶來正面幫助。

藉由政府創造市場需求與提供資源，讓民間廠商藉機推動製造業的轉型與突破，建立自主鐵道車輛工業的完整生態鏈。「國車國造」的計畫，將培養更多鐵道專業人才，將技術根留臺灣，也能有效降低建置、營運及維修成本，對經濟發展及創造就業帶來正面幫助。

在家悶了很久，解封後想來一場櫻花古蹟之旅？那就來規劃一場淡海輕軌輕旅行吧！

註解

註1. 由於疫情影響，為減少非必要的接觸，目前淡海輕軌全線改為列車長統一開門（ 2021 年 5 月）

參考文獻：

1. 新北市淡海輕軌列車國產製造：由政府起頭，帶領臺灣軌道產業升級進化
2. 淡海輕軌BIM技術應用與設計施工整合特色
3. 淡海輕軌綠山線上路北臺灣第一條| 生活| 重點新聞
4. 鐵道產業- 產業政策- 鐵道科技產業政策
5. 交通部鐵道局-鐵道產業國產化