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
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

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Vibe Coding
© 2025 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