阿里巴巴、KKBOX資料科學年會同台尬大數據心法|數位時代 BusinessNext

從預測數據到用數據，阿里巴巴分水嶺

車品覺表示，現在大數據已經從預測進化到行動決策了，而這也是阿里巴巴近年來大數據應用的分水嶺，當企業領導認識到數據的力量之後，他不會只滿意於描述現象，而更需要診斷，也因此數據的精準度變得越來越重要，畢竟用來看的數據跟用來做決策的數據，兩者的質量要求完全不同。

（圖說：阿里巴巴副總裁車品覺特地來台參與第二屆資料科學愛好者年會。照片來源：李欣宜攝。）

車品覺身兼阿里巴巴數據委員會會長，有一天車品覺走到總裁辦公室問：「我身為一個數據領導，我能做什麼讓你爽的？」總裁回覆：「我想知道我上禮拜做的什麼事情是對的，什麼事情是錯的。」他因而體會到應用數據做行動的重要性。

數據科學兩大派別

車品覺指出，數據科學現在有兩大派別：數據很平但用深厚的演算法解決問題，另一種是數據廣泛而大但是用簡單的演算法。「我個人的喜好是第二個，發現好的數據策略，當演算法變得複雜的時候，背後的假設也很複雜，我會懷疑它的穩定性，當你老闆問你預測準確率多高的時候，你要反問他三個問題：對的概率？錯的概率？穩定嗎？因為我們做數據的人常常發現現在的演算法過了半年就不能用了。」

數據種類也可以分成兩種：快加準或廣加亂。第一是在已知的規律裡面產生價值，第二種是可以找到自己不知道的東西。「數據不僅是資產，也是一種信仰。」車品覺說。在行動互聯網時代，企業不必在乎使用者喜歡什麼，只要知道使用者下一步會做什麼就可以了，而且每個行業都對應不同的數據框架，例如有一個美國調研公司的報告顯示有65％的人會在廁所裡看手機，這就是非常好的行銷點，行銷人員應該去思考要趁機推播什麼商品給這個消費者，因為現在手機不只是傳感器還是媒體，手機已經不是手機，他就是媒體。

（圖說：阿里巴巴大數據十誡。照片來源：李欣宜攝。）

KKBOX用大數據提升歌曲觸及率

年會第二天則由全球唯一獲利的音樂串流業者KKBOX資料科學家接力，分享KKBOX月初才推出的大數據個人推薦歌單服務。KKBOX研究中心資料科學家羅經凱表示，KKBOX歌單雖然號稱2千多萬首，但是實際上會被點播的只有340萬首，有將近八成的歌無法觸及使用者。除此之外，KKBOX用戶偏好的音樂類型高度集中，收聽率前10％的歌佔了所有被播放歌曲次數的87％，顯示音樂播放多樣性不足。

由於音樂播放次數決定歌手收入，為了維護體系健全，如何維持音樂多樣性，刺激用戶脫離「同溫層」，成了KKBOX大數據科學家的首要挑戰。KKBOX根據用戶的收聽習慣和時段，將華語音樂聽眾分成九大族群，將收聽行為類似的用戶歸類在同一個群體，推薦他們風格類似但前所未聞的音樂。

（圖說：KKBOX近三年歌曲點擊率逐漸趨向集中。照片來源：李欣宜攝。）

但有時候用戶聽音樂是有目的性的，例如哄小孩睡覺放輕音樂、工作時放心靈音樂等等，KKBOX又再根據用戶在不同時間點下的音樂收聽習慣，推薦各式情境歌單。KKKBOX研究中心資料科學家羅經凱表示，目前編輯團隊推薦的歌單還是比機器學習推薦的更精準，再加上每個國家的使用者都有不同的喜好，要精準推薦使用者新歌又不招致反感其實是很困難的。

KKBOX研究中心經理林佑璟是KKBOX第一個研究員，剛來KKBOX的時候發現資料取得困難度高，遇到資料散亂、溝通成本高昂以及資料格式不齊等問題，他建議有心從事數據分析的企業，一定要做好內部溝通，讓大家了解做數據分析對於公司有好處，而且數據是重要公司資產，絕對不會拿去變賣或者侵犯使用者隱私。

（圖說：KKBOX研究中心資料科學家羅經凱。照片來源：資料科學愛好者年會提供。）

@@ACTIVITYID:602@@

若將生成式人工智慧（GenAI）技術視為改變人與資訊互動的重要分水嶺，Physical AI（實體AI）則讓 AI 真正理解並介入真實世界：從機器人、自駕車到智慧製造，AI 正從「理解內容」走向「理解物理世界」，其中，自駕車被公認是 Physical AI 最具代表性的落地場域，也是目前最能驗證 AI 感知、推理與決策能力的應用，因為，不僅要控制車輛，還必須即時與人流、車流、道路設施及各類載具互動，需要極高的 AI 感知、推理與執行能力。

對深耕智慧移動多年的勤崴國際而言，Physical AI不只是 AI 技術演進，而是自駕車產業邁向下一個世代的重要轉折：從依賴規則控制（Rule-based）的自駕系統，逐步升級為具備感知、推理、學習與持續優化能力的智慧移動平台，讓全球自駕車產業競爭從單一技術比拚，走向資料、場域、生態系與 AI 能力的全面競賽。

Physical AI讓自駕車從「照規則開車」走向「理解世界」

過去，自駕車依靠高精地圖、光達（LiDAR）、攝影機等感測器，以及大量預先設定好的規則進行判斷，這種作法能處理相對固定的情境，但一旦遇到複雜且快速變化的交通環境，例如大量機車穿梭、行人突然穿越、不同國家的交通規則，系統很容易受到限制。

勤崴國際認為，Physical AI 的出現正改寫自駕車的發展模式：透過更強大的 GPU 算力，結合世界模型（World Model）、數位孿生（Digital Twin）與模擬器（Simulator），AI 能先在虛擬世界完成大量交通情境模擬，再將學習成果快速部署到真實道路，不僅大幅縮短訓練與驗證時間，也讓自駕系統持續學習與進化。

「在 Physical AI 賦能下，自駕車將從依照規則開車轉變成能理解環境、預測意圖，再做出最佳決策。」勤崴國際副總經理林映帆表示，例如當系統看到路邊有人揮手，不只是辨識動作，而是能推論對方有搭車需求；當機車快速切入車道，也能提前預測可能路徑，而非等事件發生後才反應。

這也意味著，自駕車的競爭已從「規則設計」走向「AI學習能力」的競爭：自駕車不僅是智慧移動的新載具，更是觀察 Physical AI 是否真正成熟的重要指標；換言之，Physical AI比拚的不是演算法，而是誰能持續累積真實場域、建立與完善資料庫，讓 AI 在每一次行駛中不斷學習、持續進化，形成下一波智慧移動競爭的關鍵。

七年累積三十個場域，勤崴國際打造台灣智慧移動新能量

相較於 Waymo、Tesla 的優勢來自數百萬輛車持續累積道路資料，勤崴國際的策略是透過不同場域的長期營運，建立屬於台灣的智慧移動資料庫。

自2019年投入自駕車商業化應用以來，勤崴國際不僅持續深耕高精地圖、自駕系統、車聯網及自駕運輸技術、於全台完成超過30個自駕場域部署，累積自駕行駛里程突破38萬公里、服務超過80萬人次，更逐步建立台灣少數具規模的智慧移動資料庫；為進一步加速自駕車產業價值鏈發展，勤崴國際也攜手車廠、路側設備，感測器、AI 平台、車聯網、客運與場域業者打造完整的自動駕駛生態系。

以台積電南科園區的自駕巴士服務為例，由於路線涵蓋園區內外道路，自駕車不僅要與物流車、叉車及一般車流共存，離開園區後更須面對台灣特有的高密度機車交通環境，對 AI 的感知與決策能力形成高度挑戰；截至今日，該服務已累積超過92,435人次搭乘、自駕行駛里程超過83,542公里，接駁率高達96.7%；此外，勤崴國際也於廠區內導入自駕接駁車與自駕載貨車，累積服務超過216,794人次，驗證自駕技術在智慧工廠場域的落地能力。

除了工業場域，勤崴也將自駕技術延伸至觀光應用，例如今（2026）年6月在南投埔里福興溫泉區推出「啡嚐咖心」觀光自駕車服務；林映帆指出，相較於工業場域重視效率，觀光應用更重視人車互動與乘車體驗，遊客只需一鍵即可啟動自駕接駁，系統除了安全辨識行人與周遭環境，也能透過語音互動提升搭乘安心感，證明自駕車不僅適用於產業應用，更可成為偏鄉觀光與高齡化社會的新一代公共運輸解決方案。

接下來，勤崴國際將憑藉著在南部科學園區、南投與新北市的落地運行經驗，攜手產業夥伴、針對未來對自駕公車有需求的城市，協助客運業者解決公車缺工等議題。

林映帆說：「我們的目標是提供自駕全方位解決方案。」在累積物流、廠區接駁、觀光、無塵室搬運等多元場域經驗後，勤崴逐步發展出「一個平台、多種載具、多種場域」策略：將共通技術平台模組化，再依不同客戶需求進行客製化調整，讓每新增一個場域，都成為下一個場域快速且安全部署的重要養分。

勤崴國際副總經理林映帆表示，將以「一個平台、多種載具、多種場域」策略，攜手自駕車產業鏈夥伴，協助AI自駕車等智慧移動落地應用，以及打造「國家隊」前進海外市場。

圖／數位時代

隨著Physical AI的成熟與落地，未來智慧移動的競爭，不再只是比誰擁有更大的模型，而是比誰能持續累積場域、建立完整資料庫，以及串聯完整生態系；在這個關鍵時刻，勤崴國際除因應不同場域客戶需求提供自駕車解方，也希望攜手更多產業夥伴，共同打造具有國際競爭力的智慧移動國家隊，讓台灣在全球自駕與 Physical AI 的新賽局中，占有一席關鍵位置。