為什麼不能直接靠OTA（無線軟體更新）把ACC盲區一次修掉？劉厚鈞點出一個最現實的答案：AI要變聰明，得先有夠多資料給它學。台灣道路和歐美很不一樣，機車大量穿梭、特殊分流設施、彎道、不同天候，再加上複雜交通行為，如果國外原廠手上的台灣資料不夠，AI自然比較缺乏處理這些特殊場景的經驗。
「你要讓AI看得懂，就要先訓練它。」劉厚鈞說，而且不是餵幾筆資料就會。同一個道路設施，白天、晚上、晴天、下雨，不同角度、不同車速，看起來都可能不一樣。AI必須看過大量相似情境，才有機會把判斷愈做愈準。
而這正是Sonatus在做的事。協助國際車廠蒐集車端資料，再送到雲端分析、訓練，最後把更新後的AI模型重新部署回車上。劉厚鈞形容，就是「再把更聰明的AI model放回到車上」。
白話說，車子系統也得一直「上課」。只是台灣不是完全不能測，而是目前自駕測試仍多落在核准的限定場域、路線與時段。2026年就有水湳自駕巴士、台68自駕物流等創新實驗，但和Robotaxi長時間、大規模在真實道路營運，能累積的場景量仍有差距。
劉厚鈞因此認為，政府可以更積極提供合法、可控，而且更貼近真實交通的測試環境，讓產學界有更多機會累積台灣自己的道路資料。
這也是Waymo、百度Apollo Go等Robotaxi業者的一項優勢。Waymo已累積超過2.2億英里完全自駕里程；Apollo Go自駕里程也已超過3.5億公里。車跑得愈多，能遇到的特殊情境就愈多，也更有機會找出系統死角、重新驗證與改進。
但在科技真正補齊之前，還有一件事更不能等。
既然車廠知道ACC（主動車距控制巡航系統）碰到靜止車、大雨、濃霧、彎道等情境可能有能力邊界，那能不能讓系統更主動告訴駕駛：「現在不適合用」？
例如雨勢太大、攝影機被遮蔽，或感測器訊號品質不足時，不讓ACC啟動；已經啟用的，就主動退出或要求駕駛接手，而不是讓人誤以為「功能還亮著，就代表它看得清楚」。
智慧駕駛下一步，不只要讓AI認得更多東西，更要把「什麼時候不能用」畫得更清楚。因為在AI還沒學會所有台灣道路考題以前，最實際的安全防線，就是別讓駕駛把一套仍有邊界限制的輔助系統，誤認成什麼情況都能接手的自動駕駛。
