無人機:空中的大數據革命正在上演
無人機:空中的大數據革命正在上演
2014.11.17 | 科技

大數據只是基於電子商務的精準營銷?這種理解是片面的。大數據將廣泛地存在於物理世界和實體經濟,其催生的產業革命才剛剛開始。

最新的案例是無人機,即無人駕駛的飛行器。它具有中央飛控系統,能夠實現超視距的自主飛行。二戰之後,尤其是海灣戰爭以來,無人機技術一直是各國軍事競爭的一個焦點,但在民用領域,其應用卻極為有限。

最近一兩年來,這種情況正在改觀,無人機在民用領域出現了一些新的、非常值得關注的應用。

例如農業領域,通過無人機的定時巡邏,可以監測整個農場的情況。過去租賃一架飛機來拍攝,成本是1000美元/小時,而現在一架小型無人機的售價還不到1000美元。農場主買來之後,可以隨時對農場進行拍攝,然後用軟件自動分析這些圖像和數據。通過對比,可以發現人眼難以發現的問題。例如,灌溉是否均勻,土壤的顏色有什麼變化,哪裡出現了蟲災等等。根據這些分析,農場可以即時調整種殖措施,農作物的收成得以改善。

更重要的意義在於節省資源。例如,無人機飛過果林的時候,可以通過樹葉的顏色光譜來判斷植物是否缺水,隨即將訊息傳導至這片果林的澆灌系統,有的放矢地進行灌溉,而不是盲目澆水。水資源可以得到節約——這也是用大數據來構建精準農業的核心要義。

工業領域也有應用。美國第一太陽能公司和SolarCity公司用無人機從幾百萬個太陽能電池模塊中檢測出異常,同時指導光伏電站的建設規劃,以保護野生動植物。又如電網巡檢,電力傳輸網絡延綿千里,傳統的電網巡查,是檢查員穿山越嶺、沿線巡查,抵達一座電力高壓線塔之後,還需要攀爬電塔,費時不說,危險性也大。如果用上無人機,效率可成倍提高。遇到雷擊跳閘等突發故障,無人機能第一時間抵達現場進行排查,為快速恢復供電爭取寶貴的時間,無人機還可以圍繞目標進行360度全方位拍攝,做到零死角。

此外,無人機的紅外拍攝功能還可以偵查到線路發熱等潛在的故障,這些優勢,即使是經驗豐富的電力巡檢員也難以企及。中國的電力系統,有上百萬的巡檢員,無人機如果能夠普及,將會大面積地替代人工巡檢,降低成本。

就此而言,無人機就是會飛的傳感器,它把人類的視野和感知延伸到了空中,使人類對農田、電網、礦山等物理世界的認識,提升到一個全新的水平。

這種水平的提升,在技術領域本身也將掀起一場革命。傳統的衛星遙感和載人航拍技術,不僅成本高昂、缺乏靈活性,還有一個關鍵的痛點:清晰度有限,而無人機收集的圖片,比衛星圖片要清晰很多倍。因為無人機能夠在雲層之下的低空飛行,飛行高度甚至可以低到近地2至3米,可以預見,這種強大、精確的數據收集功能,未來還將顛覆Google之類的地圖服務。無人機對於大數據的意義,用空中大數據的革命來形容也不為過。

當然,無人機的技術並沒有完全成熟,目前也存在一些瓶頸:電池續航力,這直接影響到無人機到底能飛多遠;避擦撞能力,即在飛行器不斷增多的未來,飛機之間如何保證互相不干擾、不碰撞。

正是因為這個挑戰,無人機目前只有企業級的應用而很難推廣到消費者領域。試想一架無人機可以在大農場上空任意飛行,但如果大家都用無人機來送快遞,那天空也將變得十分擁堵。所以用無人機送快遞,還是個噱頭,即使突破了技術瓶頸,還需要政府制定相應的管制規定。

最近,美國政府已經在著手為無人機定章立制。為了無人機的正式稱呼,美國國會還發生了激烈的爭論。無人機在美國,被稱為Drone。這是因為其執行的第一次軍事行動代號為Drone,由於這次成功的行動,無人機因此得名。但現在,企業家們聯合反對這個名字,他們認為這個名字讓人聯想到軍事刺探、情報收集,不利於無人機在民用領域的推廣。美國國會有議員主張正式改名叫做「無人機」,但科技界又反對。他們認為,無人機的叫法非常愚蠢,就像早在汽車被發明之時,大家看到沒有馬,這車居然也能跑,於是把汽車叫做「無馬車」,最後證明這個叫法站不住腳。美國科技界的主張,就其技術本質,無人機應該叫「遠程遙控飛機」,這個名字才經得起歷史的考驗。

美國國會的爭論,不僅反映了無人機在民用領域的快速普及,還反映了對無人機認識在不斷加深。如果能夠突破上文提到的技術瓶頸,無人機就不僅是一個飛行的傳感器,還能成為一個飛行的機器人,執行更多的任務。在《數據之巔》這本書中斷言,大數據的出現標誌著人類社會正在由訊息社會向智慧社會邁進。無人機在民用領域的新應用,將成為這個論斷一個新的註腳。

本文出自創業邦/塗子沛

往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓