Smart Eye
瑞典的眼動追蹤老牌,把駕駛注意力監測做進 24 家車廠、380 款車型。
Smart Eye 是瑞典哥特堡的眼動追蹤公司,把自己定位成「Human Insight AI」——用技術去理解、支援並預測人在複雜環境下的行為。聽起來抽象,但它的產品線其實很具體。
車用這塊是它的主戰場。駕駛監測系統(DMS)偵測分心與疲勞,座艙內部感測(Interior Sensing)則管到全車乘員狀態。官網標示已被 24 家車廠選用、導入 380 款車型,這個數字在 DMS 這個高度集中的產業裡相當可觀。它另外推出 AIS 商用車隊駕駛支援系統,針對巴士與卡車,這塊的法規壓力比乘用車更直接。近期還宣布要收購 Sightic。
非車用的部分是它的另一條腿:Smart Eye Pro 遠端眼動儀賣給研究機構,做人因工程、心理學與使用者行為研究。這條線比車用更老,也是它技術累積的來源。
功能特色與適用場景
理解 DMS 產業要先知道一件事:歐盟從 2026 年 7 月起要求新登記車輛配備分心與疲勞監測系統。這條法規把 DMS 從「高階車的加值配備」變成「上市門檻」,也解釋了為什麼這個領域這兩年突然這麼熱。Smart Eye 的優勢在於它從研究級眼動儀累積下來的演算法底子——研究用眼動儀的精度要求比車用嚴格得多。
適用場景很清楚:車廠與 Tier 1 供應商要在新車導入 DMS/OMS;商用車隊要降低疲勞駕駛事故;研究單位需要高精度眼動資料。
給台灣使用者的具體用法
台灣是汽車電子與車用鏡頭的重要供應鏈環節,Smart Eye 這類公司對台灣廠商的意義主要在 B2B——它是潛在客戶,也是需要理解的技術標準。做車用影像感測模組、紅外線 LED、VCSEL 或車用 SoC 的台廠,看懂 DMS 的規格需求(單眼相機、紅外線波段、在各種光線與配戴眼鏡口罩下都要能運作)比什麼都實際。
對台灣的車隊業者——客運、物流、遊覽車——疲勞駕駛監測是有真實需求的方向,台灣過去幾起重大交通事故都跟駕駛疲勞有關。不過 Smart Eye 走的是車廠前裝與大型車隊,價格不公開、採洽詢制,中小型車隊要評估的話,先問清楚有沒有適合規模的方案,也要一併把駕駛隱私與勞資溝通想清楚——這類系統在台灣導入,技術通常不是最大的阻力,人的接受度才是。
TheAI學院 編輯建議
編輯實測後的真心話DMS 這個市場很特別,它不是被使用者需求拉大的,是被歐盟法規推大的,所以競爭格局變化很快。Smart Eye 讓我比較放心的是它的根在研究級眼動儀,那條線對精度的要求比車用嚴格,技術是真的有底。對台灣讀者我想強調的不是要不要買它,而是它代表的規格正在變成全球車輛的標配——做車用零組件的,這份規格書值得讀。
主要功能
- 駕駛監測系統(DMS)偵測分心與疲勞
- 座艙內部感測(Interior Sensing)涵蓋全車乘員
- AIS 商用車隊駕駛支援系統,鎖定巴士與卡車
- Smart Eye Pro 研究級遠端眼動儀
- 臉部表情分析與行為判讀
- 已導入 24 家車廠、380 款車型
如何使用 Smart Eye
- 聯絡 Smart Eye 洽談車用眼動追蹤方案。
- 將駕駛注意力監測系統整合進車輛設計。
- 設定要偵測的分心、疲勞等狀態。
- 系統即時追蹤駕駛視線與注意力。
- 對危險狀態觸發警示或介入機制。
- 依測試資料校正偵測準確度。
- 依各地車輛安全法規驗證與認證後上線。
適用場景
- 車廠與 Tier 1 在新車導入符合歐盟法規的 DMS
- 客運與物流車隊降低疲勞駕駛事故
- 車用感測模組廠商理解 DMS 的規格需求
- 大學與研究機構做人因工程與注意力研究
Smart Eye 的優點與缺點
優點
- 從研究級眼動儀累積的演算法底子,精度要求高於一般車用
- 車廠導入數量公開可查,不是只靠簡報
- 同時涵蓋乘用車、商用車與研究市場,技術可互相回饋
缺點
- 價格完全不公開,中小型車隊難以評估
- 屬車廠前裝與大型客戶導向,小規模採購不易
- 駕駛監測在台灣導入的主要阻力是勞資溝通,不是技術
價格方案
官網未公開價格,車廠與研究機構客戶採洽詢報價。
Smart Eye 常見問題
為什麼駕駛監測系統突然變成熱門領域?
主因是法規。歐盟要求 2026 年 7 月起新登記車輛要配備分心與疲勞監測,這一條直接把 DMS 從加值選配變成上市門檻。車廠不是因為覺得好用才裝,是不裝不能賣。這也是為什麼這兩年 Smart Eye、Tobii、Jungo 這些公司的車廠訂單會集中爆發——是被法規推出來的市場,不是被消費者需求拉出來的。
台灣車隊導入這類系統,最大的難題是什麼?
根據過去導入行車監控的經驗,技術通常不是問題,人的接受度才是。駕駛會覺得被攝影機盯著開車是不信任,工會與勞資溝通如果沒做好,最後會變成設備裝了但被遮住鏡頭。實務上建議先把「資料怎麼用」講清楚——是用來事後咎責,還是用來即時提醒與排班調整,這兩種定位員工的反應會完全不一樣。
Smart Eye 跟 Tobii 哪個比較強?
兩家路線其實很像,都是從研究級眼動追蹤跨到車用。Smart Eye 官網標示 24 家車廠、380 款車型;Tobii 則說 Autosense 已在超過 100 萬輛車上路、12 個車廠專案。數字定義不同不好直接比——一個算車型、一個算實裝車輛。對台灣供應鏈廠商來說,與其問誰比較強,不如看你的客戶是誰,兩家的規格需求都要能對得上。
使用者評價
還沒有足夠評價,搶先分享你的使用心得!
寫下你的評價
Smart Eye 的替代方案
查看相似的 AI 工具 →相關 AI 工具
zCAD AI
用文字描述就生成有尺寸、可組裝的 B-rep 實體 CAD 零件與組件,在瀏覽器裡改,再匯出 STEP 給加工廠
Conexiom
製造與經銷業專用的訂單 AI,把 PDF、Excel、Email 甚至手寫的詢價單、訂單、發票轉成 ERP 可用資料,每年處理超過 15 億個品項行
AWL
北海道大學出身的邊緣 AI 公司,讓既有監視器變成能偵測竊盜、不審行為與做臉部辨識出勤的 AI 攝影機
Fairy Devices
東京的穿戴式 AI 公司,用頸掛裝置 THINKLET 與語音 AI「mimi」替工廠、工地的第一線人員做記錄與遠端支援
Isle
給電腦操作型 AI 代理用的託管桌面環境,KiCad、FreeCAD 已裝好開好,附健康監控與成果檢查點
Monomer Bio
把實驗室儀器串成自動化工作站,用影像持續監看細胞培養,再由會從每次實驗學習的 AI 科學代理協助決策
猜你也想看的AI 車隊與運輸安全
更多瑞典的 AI 工具
同樣來自瑞典的 AI 工具,一起看看。
Smart Eye 相關文章與教學
Smart Eye 評測:值得用嗎?
一句話結論
Smart Eye 是駕駛監測這個「被法規推出來的市場」裡技術底子最厚的玩家之一,但對台灣讀者而言,它的意義在供應鏈與規格,不在採購。
這個市場為什麼突然變熱
要評價 Smart Eye,得先講清楚它所在的賽道是怎麼長出來的。歐盟要求 2026 年 7 月起新登記車輛配備分心與疲勞監測系統,這一條把 DMS 從「高階車的加值配備」變成「不裝就不能賣」的上市門檻。所以這兩年 DMS 廠商的車廠訂單集中爆發,不是因為消費者突然想要,是因為法規到期了。
理解這個背景很重要,因為它解釋了兩件事:一是為什麼這個領域的競爭在短時間內白熱化,二是為什麼各家都在搶著公布導入數字。
優點
Smart Eye 的根在研究級眼動儀——Smart Eye Pro 賣給大學與研究機構做人因工程與注意力研究,而研究用眼動追蹤對精度的要求比車用嚴格得多。這條線不只是歷史包袱,是持續的技術來源。官網標示 24 家車廠、380 款車型的導入,規模可查證。它另外推出 AIS 商用車隊駕駛支援系統鎖定巴士與卡車,這塊的法規壓力比乘用車更直接,是務實的產品線擴張。
缺點
價格完全不公開,走的是車廠前裝與大型客戶的洽詢制,中小型車隊連該不該約示範都難判斷。更根本的是,DMS 這類技術的效果高度依賴實際部署環境——各種膚色、各種光線、戴眼鏡與口罩的情況下表現如何,官網的宣稱無法自行驗證。另外車廠前裝市場的本質是長週期、高集中度,一旦某個車廠選定供應商,幾年內不會換,這代表後進者的機會窗口很窄,而既有玩家的成長也會趨於穩定而非爆發。
適合誰
車廠與 Tier 1 供應商在新車導入符合法規的 DMS;有規模的客運與物流車隊要處理疲勞駕駛;研究機構需要高精度眼動資料。中小型車隊看看就好,商業模式對不上。
替代方案
Tobii 的 Autosense 是最直接的對手,路線相似(同樣從研究級眼動追蹤跨到車用),官網標示超過 100 萬輛車上路、12 個車廠專案,並主打單相機同時做 DMS 與 OMS 的成本優勢。以色列的 Jungo Connectivity 則走後裝車隊市場,VuDrive 雙鏡頭系統可以由車隊自行決定導入時程,不必等車廠。三者的市場區隔其實相當清楚。
台灣觀點
台灣在這條產業鏈上的位置是供應端不是需求端。做車用影像感測器、紅外線 LED、VCSEL、車用運算平台的台廠,看懂 DMS 的規格需求比什麼都實際——單眼相機、紅外線波段、在各種光線與配戴狀況下都要能運作,這些條件正在變成全球車輛的標配規格。
至於台灣的車隊業者,我想講的是一個技術以外的重點:台灣過去幾起重大交通事故都跟駕駛疲勞有關,需求是真的;但這類系統在台灣導入,最大的阻力從來不是技術,是駕駛的接受度。先把「這些影像要拿來做什麼」講清楚——是事後咎責,還是即時提醒與排班調整——這兩種定位員工的反應會天差地別。我看過的失敗案例都有同一個特徵:第一個月就有人因為系統紀錄被罰錢,然後鏡頭就開始被遮住。
本評測由 TheAI學院編輯群整理,內容力求客觀、含優缺點,僅供參考。
最後更新:2026年10月