手勢控制則是以BMW為領頭羊，在2018年量產X5、X7系列皆已開始導入手勢控制技術，而BENZ預期在2020年Q2所發售新車亦會搭載此技術，其他領導車廠也在陸續發表和研發階段。
駕駛監控系統各家廠商皆有相關技術，目前在各家車廠高階車款或商用車隊較為常見。駕駛偵測技術各家車廠技術發展方向不盡相同，過往多透過偵測駕駛與車輛間互動或操作的間接偵測模式為主，現在則逐漸轉向以照相機或生物感測器，對駕駛動作觀察或生理狀況記錄以對駕駛行為進行判斷。但不論如何，皆以偵測駕駛疲勞以及提供警示為主要目的；自動座艙調整各家廠商仍在研發階段，依序有相關發布和概念車出爐。
各大車廠皆有所搭配Tier1車電系統整合商發展人機介面相關技術，而語音助理、手勢控制、駕駛監測系統軟硬體技術需求不同，各自有不同上游業者共同投入。目前各大車廠在車載人機介面新技術的發展狀況概略整理如圖1。
語音助理大舉進軍汽車市場
語音助理在各類的3C產品中已有相當高的普及度，以各類科技大廠主導相關技術發展，包含亞馬遜(Amazon)、蘋果(Apple)和Google等，都是其中的佼佼者。為了延伸應用範疇，各廠都將汽車應用列為重點市場，並以既有的語音平台為基礎，重新調整為車用語音平台。
同時，為因應技術發展需求，許多大廠也與軟體技術廠商合作甚至併購，例如Google買下多倫多大學資工系所創辦的DNNresearch，加強其語音搜尋引擎能力；亞馬遜則為增強語意辨識於2012年併購Evi等。
車用語音助理之關鍵礙於如何清楚地接收駕駛者或乘客之語音指令，關鍵零組件為聲學元件，在車用市場上包括樓氏電子(Knowles)、ACC、GoerTek等皆有發展車內專用聲學元件，為目前市場主要領導者。
各家車廠多將手勢控制以及駕駛監測系統等技術整合至自家車內輔助系統，例如Toyota 的TSS2.0、VW 的Safety Features Lane Active等，皆有搭配駕駛監測系統的開發；而BMW的HoloActive Touch、BENZ的MBUX皆同時包含手勢控制以及駕駛監測系統技術。因應感測與辨識技術所需要的感測元件以及搭配的軟硬體、晶片技術而有不同廠商，例如BMW與Melexis合作開發車用ToF晶片並與SoftKinetic合作開發軟體技術。
語音助理在車用環境中從聲音輸入以麥克風硬體設備收音，採用MEMS陣列式麥克風為主要趨勢，其收聲元件中振膜採用硅、矽等材質，相較早期電容式麥克風採用的聚合纖維更耐熱、抗震，收音品質較不受溫度及電壓變化等影響，且金屬外殼具有良好射線屏障，避免收取不必要雜訊。
軟體處理中主要為自然語言處理，其中包含到語音識別、語意理解，後續在回饋語音則有語言生成、語音合成亦或是Text To Speech（TTS）等程序。
動作執行層面則分為屬於車輛控制的座艙調整、空調、啟動引擎和車門，以及娛樂、導航、通訊等項目。除車輛控制外，剩餘項目皆可在無需嵌入車電系統環境下進行，例如透過個人行動裝置、後裝設備等，對於語音平台或相關技術業者而言更多以此類服務滲入市場。
三類業者主導車用語音市場
車用語音助理相關業者可分為三類，包含車廠、語音平台以及語音技術/設備商，三方業者各有不同目標，彼此呈現相互競爭又合作的態勢。整體而言，可歸類為三種合作模式。
第一種模式為車廠直接採用語音平台服務，車廠以增加銷售賣點為動機，將各大語音平台引入車內，藉以增加服務體驗；各語音平台為提升其服務可及性以及取得更多使用者數據，多投入開發車用語音平台，例如Google的Android Auto、Amazon的Echo Auto以及Apple的Carplay，同時開放開發者環境，強化與車上電子系統的整合。雖欲增加車內服務項目和體驗，車廠對此合作方式亦有所顧慮，擔心消費者體驗導向平台大廠，因此各大車廠也積極在相關平台上發展自有的服務平台，以維持消費者的認同感與滿意度。
第二種模式為車廠自行開發語音服務，部分車廠希望掌握車上相關聯網服務廣大商機，同時由於語音平台亦將連結車輛控制系統，因此部分車廠投入自有語音系統相關技術研發，此方式需投入大量成本和人力。以Benz為例，與各大語音平台皆有合作，但在2018年仍自行開發MBUX系統，可結合車機上座艙控制以及影音娛樂、導航等功能，亦可銜接各語音平台影音娛樂功能。
第三種合作模式為語音技術商結合平台導入車廠的車輛產品，語音技術軟體/設備廠商，例如Nuance、SoundHound皆有開發語音技術以及相關應用軟體，ROAV和Chris則發展相關設備可介接至車內。此類業者可藉自行開發軟體或硬體，將語音系統服務導入車載機系統，同時以API方式銜接各大語音平台相關服務。以此方式銷售自家語音產品，同時亦可取得使用者數據提升技術。
因車內收音並非直接對麥克風說話，屬於遠場收音形式，其效果不如對手機、話筒設備等近場收音，個人主聲特徵更不明顯，因此噪音處理技術對於車內語音應用情境至為關鍵。背景噪音和發聲回音更容易影響收音品質，且在車內有多人談話情形須作考量和反應速度的要求，技術上需克服如何在多人談話中辨識駕駛聲音以及運算效能的提升。
手勢控制以ToF/結構光為主流
車用手勢控制在2013年時已經有以揮動方式控制天窗或開啟後車廂等產品出現，至2015年後已發展出在中央控制台前以細微的手勢動作控制如點選、左右滑動、音量放大等控制。
目前車用環境手勢辨識技術上主要分為三類，分別為ToF飛行時間法、立體攝影和結構光等技術。ToF是以一發射器發出射線，透過接收器接收反射回來的射線時間差，計算和物體之間距離；立體攝影則是透過兩個以上相機模組，從不同角度對同一物體拍攝，以三角定位方式判斷物體遠近、相對運動等；結構光與ToF相似，皆透過主動光源將光紋打在物體上，此方式透過對空間編碼後將原光紋與物體移動光紋之間的差異達到辨識效果。
ToF和結構光都以主動光源的變化達到辨識效果，於其他領域皆已廣泛應用。立體攝影在無光或弱光環境下卻難以辨識物體，且物體判斷運算複雜、容易造成延遲。因此現今在車用環境上皆以ToF和結構光為主。
歐洲新車安全評鑑會EuroNCAP在2025 RoadMap提到在2020年將駕駛監控系統列為安全評鑑項目之一，若沒有相關系統無法達到5星評價，為相當重要的指標，此舉將帶動駕駛監控系統加速普及至各級車款。駕駛監控系統主要可分為兩類，分別為直接偵測和間接偵測。
間接偵測透過檢測駕駛與車輛間互動或操作，如透過駕駛習慣偵測及車內配備之感測器，進而判斷駕駛行為是否正常。駕駛習慣主要偵測駕駛在操控方向盤、油門或煞車等機械操作，判斷路徑、轉向角度是否偏移或太大；車內配備感測，則是判斷駕駛的物理位置，例如手是否有握在方向盤、安全帶鬆緊程度等方式。
直接偵測以照相機或生物感測器對動作觀察或生理狀況作駕駛行為判斷。透過注意力偵測或生理狀況偵測方式。注意力偵測主要是以照相機對駕駛拍攝，判斷其動作、情緒等方式；生理狀況則是透過感測器判斷駕駛心跳、脈搏、體溫等方式。
以SAE評定自駕車等級Level 1~5，在Level 2以上駕駛無須操控方向盤、油門和煞車等行駛控制，無法採用間接偵測方式，但在Level 2~3之間仍須讓駕駛保持警覺，在緊急或無法判斷的情況下，須隨時切換為手動駕駛，故必須以直接偵測方式進行。
最早從2007年Volvo發表車道偏移偵測系統，可透過駕駛行駛路徑判斷駕駛是否有危險行為，後續各大車廠在2014~2017年皆發表此類產品，例如 VW的Fatigue Detection System、 Nissan的Driver Attention Alert、Honda的Driver Attention Monitor等。
在2018年開始各車廠、Tier1的車電系統以及製作車用晶片的廠商開始發表直接偵測之車輛監測產品。例如，2018年Valeo發表的Facing Monitor System，以及BMW和Daimler Ag（Benz集團總公司）各自發表可追蹤臉部動作車內輔助系統。在2019年NXP發表單一晶片可辨識駕駛會分心的5個動作（喝水、打哈欠、抽菸、講電話、閉眼），KIA則發表Real-time Emotion Adoption Driving系統在該車廠之概念車上，此系統可判斷駕駛以及乘客情緒做適時回饋。
在自駕車發展趨勢下且隨影像辨識技術提升，在人臉部、行為、甚至情緒判斷準確度不斷提升，伴隨自動駕駛技術的安全需求，未來將以直接偵測為主要發展趨勢。
各家車廠皆將駕駛監測系統整合至自家ADAS系統內相互協同運作、交換數據，以提升駕駛安全、行駛穩定性為主要目標。而在法規的影響下，將會帶動駕駛監控系統的普及，加速由高階車款滲透至大眾市場的產品。
(本文作者為資策會MIC產業分析師)
