車輛安全科技大突破，減少傷亡且主動預防交通事故發生|數位時代 BusinessNext

一直以來，車輛安全行駛的問題總是層出不窮，大部分都是人為因素所造成，但如果這時能以安全科技輔助，或許可減少傷亡情形，甚至避免更多重大事故發生。

尤其是對客運與物流業者而言，智慧、安全的車輛科技將可協助長時間、高運量的駕駛者及乘客們提供更好的行車安全。

13日在經濟部技術處、車輛中心、工研院、中科院所舉行的「運輸物流起步走，智慧安全齊加值」試運行發表會上，共展現6項科技專案成果，並聯手6家系統廠商開發，裝載於5大運輸物流與客貨運車隊上試運行，朝商品化生產邁進。

車輛中心副總經理廖慶秋表示，透過車隊的實車試運行，不僅展現了台灣科技大廠精湛的研發能力，生產「自主」的車輛安全系統，更能進一步提升客貨運車隊的行車安全，而且對民眾來說，未來不管是搭乘客運，貨品託運都可以更安全與放心。

五大試運行車隊介紹

安全防範－車輛中心+****至興精機+****中華航空

中華航空機場維修運補車隊扮演著飛機修護舉足輕重的角色，而車輛到達定點後必須確實駐車以防止不當碰撞。

此電子駐煞車系統(EPB)，透過簡單的按壓動作即能提供足夠且適當的駐煞車力道，來確保車輛值勤過程中的駐車安全，亦可利用停車時自動駐車、起步自動解離…等智慧化功能來減輕駕駛疲勞。

保護自我與行人－車輛中心+****同致電子+****嘉里大榮物流

如何將貨主託付的貨品、準時安全送抵目的地，是貨運業者工作中最重要的一環，嘉里大榮物流裝載了同致電子與車輛中心共同開發的車道偏移警示系統(LDWS)系統與前方碰撞警示系統(FCWS)。

利用安裝在前擋風玻璃上之攝影機，測量車前方的道路標線，當不經意偏離車道時，適時給予駕駛者警訊，亦透過與前方車輛的距離估算，小於設定之安全距離時給予提醒，除能降低車禍發生的機率，準時將貨品送達外，也能顧及到其他道路駕駛及行人的安全。

遠離事故一瞬間－車輛中心+****輝創+****和欣客運

和欣客運搭載輝創電子與車輛中心共同開發的前方防碰撞、車道偏移警示、駕駛者狀態監控系統，能幫助駕駛注意危險狀況並予以警示，減輕駕駛負擔進而避免意外事故的發生。此系統結合即時影像處理辨識功能，可快速應用於任何車型。

適當車距安全佳－中科院+****環隆+****華雷科技+****安托華

防撞雷達可以偵測本車與前車的相對距離與速度，一旦相對距離縮小或相對車速增加到某個範圍，防撞雷達可以適時提前給予駕駛人警示並多爭取一點反應時間，達到減少事故的發生。

中山科學研究院與環隆科技、華雷科技共同開發的24G微波雷達碰撞警示系統能在雨霧、下雪及黑暗等惡劣天候下正常運作，防撞雷達安裝位置位於汽車前保險桿後方與水箱罩前方之間，不易受灰塵天候影響及具有較佳的目標辨識和低誤警率等優點。

全景環視－工研院機械所+****系統電子+****新竹物流

大型商用貨運車體進行轉彎、倒車或是變換車道等駕駛行為時，容易因為車體的遮蔽，造成後方及後側方盲點區域的車禍事故；為了有效預防商用貨運車輛視覺死角，工研院與系統電子共同開發的全周環場影像系統(AVM)可依據駕駛者需求，提供全面的環場影像，避免駕駛者因為視野死角問題而發生用路人、行人及騎士等的意外事故。

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。