[CES 2016] 效力等同150台MacBook Pro，NVIDIA發表車載人工智慧引擎|數位時代 BusinessNext

隨著車載技術發展一日千里，近年來消費性電子展（CES）也成為各大車廠比拼實力的重要舞台，尤其是各種極具未來感的自動駕駛概念車型，更成為CES吸引眼球的活招牌。面對複雜的道路交通狀況，自動駕駛車輛必須依靠人工智慧和機器學習來應對各種突發事件，確保駕駛的行車安全，因此相關的應用在本次CES也成為相關業者的發表重點。

NVIDIA
（NVIDIA創辦人黃仁勳。圖片來源：網路截圖。）

繪圖處理晶片（GPU）商輝達（NVIDIA）即搶在CES開展前，由NVIDIA共同創辦人暨執行長黃仁勳親自主持，發表了全新車載人工智慧引擎NVIDIA DRIVE PX 2，加速自動駕駛技術發展。黃仁勳透露，第一家採用DRIVE PX 2平台的車廠為Volvo，用以驅動Volvo 100輛自動駕駛的XC9運動休旅車，並計畫於明年Volvo在瑞典的「Drive Me」自動駕駛員計劃中正式上路。

「駕駛本身就是一件很難的事。」自動駕駛技術將大幅改變人類所處的社會，但自動駕駛車輛必須能夠精準地**「感知（perception）」**周遭環境。黃仁勳進一步解釋，即便是高速公路，對於自動駕駛車輛來說仍然是個挑戰，更遑論是複雜程度更高的一般道路駕駛。想像一下路上會有什麼？行人、狗、腳踏車、水窪、坑洞、路邊停著的汽車⋯⋯等，要跨越這個感知的挑戰，目前的解決方法就是能夠「深度學習（Deep Learning）」的人工智慧，亦即機器能夠在不同的狀況及條件之下，不斷自我學習、進步以應對各種突發事件，毋須工程師一次次去動手修改系統程式。

##驅動機器深度學習，GPU要當自駕車的「大腦」

黃仁勳指出，機器深度學習牽涉上萬億種程式操作，可能需要耗費好幾個月，但如果使用GPU來驅動機器深度學習，則能縮短機器的學習歷程，平均比原本的學習速度快上約30～40倍，這代表過去要耗費一年的學習歷程，可以縮短至一週；而一週的歷程在一天內就能完成。

黃仁勳說，無論是Facebook的Big Sur、Google的 Tensorflow、IBM的華生（Watson）還是微軟（Microsoft）的CNTK系統，都藉由NVIDIA的GPU運算技術強化機器深度學習的能力，現在，利用它們構建未來自動駕駛車的大腦，就能使其隨時警戒監控，達到超越人類的情境感知能力。

NVIDIA

##每秒24兆次的深度學習運算，效能媲美150台MacBook Pro

NVIDIA車載人工智慧引擎「DRIVE PX 2」讓汽車產業得以運用人工智慧處理自動駕駛面臨的各種複雜情境，它採用NVIDIA最先進的GPU來處理深度學習功能，其效能等同於150台MacBook Pro；它能掌握車子周遭360度的情境，精準判斷車子所在位置，並推算出安全舒適的行進路線。

該平台結合了兩顆新一代Tegra處理器以及兩顆獨立的Pascal架構新一代GPU，能提供每秒24兆次的深度學習運算速度，其特殊設計的指令集加快深度學習網路介面中採用的數學運算法，比前一代產品的運算效能高10倍以上。

NVIDIA
（圖說：黃仁勳手拿最新的DRIVE PX 2車載平台。圖片來源：網路截圖。）

DRIVE PX 2深度學習的能力，使其得以快速學習如何辨識日常駕駛中經常出現的各種挑戰，例如道路碎石、行徑離譜的違規駕駛、以及施工區域。深度學習亦能辨識多種傳統電腦視覺技術所無法應付的狀況，特別是在像大雨、下雪、以及濃霧等惡劣天候，以及包括日出、日落、以及漆黑等光線不足的光照條件。

此外，由於自動駕駛車運用多種感測器以分析周遭環境，DRIVE PX 2能處理12個視訊攝影機、光達、雷達、以及超音波感測器的輸入資料，加以融合後而得以精確地偵測物件、識別並確定車子相對於周圍的所在位置再推算出安全行車的最佳路徑。

隨著代理式AI（Agentic AI）快速發展，人工智慧的角色也從被動問答的對話工具，轉變為能主動代為執行搜尋的商業介面；兩者根本的差異在於，前者仍須仰賴使用者逐步下達指令，後者則能自主完成任務。當AI代理為人類代勞搜尋、比價、甚至決策等任務，品牌競爭的對象便不再限於消費者，也涵蓋替消費者把關的AI代理。

因此，「Business to Agent」（B2A）成為當代企業必須面對的新命題，為了擁抱嶄新的思路，跨國AI轉型解決方案供應商iKala舉辦第二屆「iKala Connection Day」論壇，以「數據領航：AI時代的真實價值」為題，邀集Google Cloud、Google Ads等產業領袖，一同剖析企業如何從基礎建設走向市場端，搶佔AI先機。

不只SEO，還要GEO！企業如何讓AI認識你

回顧過往科技發展週期，新科技普遍需10至12年才能成熟。iKala共同創辦人暨集團董事長程世嘉引述AMD執行長蘇姿丰的比喻來說，若AI是一場棒球賽，目前僅走到第三局。這意味著，只要企業採用率持續攀升，尚且毋需擔憂AI泡沫化；反之，AI產業可能才正要邁入超級循環。

不過，程世嘉也提出「智慧通膨」的現象，他表示：「各大廠不斷推出新模型，資本支出也不斷提升，但使用成本並沒有因此下降，因為算力供不應求；不過長期來看，成本曲線一定會往下走，未來AI智慧會像水龍頭一樣，打開就有。」

隨著AI逐步普及，使用者尋找資訊的方式也隨之轉變。程世嘉強調，搜尋行為正從關鍵字轉向AI對話與生成式搜尋。企業除經營傳統SEO，更需布局GEO（生成式引擎優化），提高被AI引用與推薦的機會。這波版位重分配與十餘年前SEO興起時無異，及早掌握規則者，才能在新流量分配中卡位。

迎戰Business-to-Agent，如何搶進AI決策新戰場

要爭取AI時代的流量紅利，關鍵前提在於企業內部的基礎建設是否到位。「現在超過9成的企業都有AI焦慮症，大家都很急著導入AI工具，但背後缺乏整體的策略與架構。」iKala AI服務事業部副總經理Gary Yang認為，AI專案應如培訓新進員工，結合商業策略與數據資產雙向評估，才能真正落地。

「如果沒有穩定的雲端基礎，企業的AI就會是空中樓閣。」他強調，雲端即是企業佈局AI的關鍵基礎建設之一。如多數企業選擇Google Cloud，看重的就是技術護城河、數據主權與總體擁有成本；而iKala推出的企業級AI代理平台iKala Nexus，定位為策略中樞與營運大腦，即立基於此。

然而，架構穩固只是起點。Google Workspace銷售總監Murray Chiang指出，全球僅約3%企業成功透過AI達成深度轉型，關鍵就在AI代理能取得多少企業資料與情境。因此，企業級Gemini Enterprise App結合個人級Google Workspace，構成Google所主張的「代理型工作轉型」（Agentic Workplace Transformation，AWT）主軸，讓AI從被動對話框升級為跨系統執行的代理，並恪守數據主權歸屬企業的原則，讓企業級AI能真正發揮效益。

當企業打穩內部地基，外部競爭也才能順勢轉向市場端。「Google Search全球年搜尋量達5兆次，近八成消費者認為AI讓購物決策更快、更有信心。」Google Ads廣告產品行銷資深總監Alvin Tsai指出，「B2A」（Business to Agent）的時代來臨，當AI代理主導決策時，看重的是API串接流暢度與數據結構化程度，企業必須從爭取「被看見」的SEO排名，走向爭取「被推薦」的AI清單，並進一步走向「被選擇」。其中，信任將成為AI時代品牌經營的關鍵。

從洞察到執行，iKala全方位解方引領品牌佈局

這份信任要能落地，關鍵在於底層數據是否可信。對此，iKala行銷科技事業部總監Donna Hsu提出的IMC整合行銷架構，正是iKala因應Agentic Commerce時代所提出的整體解決方案。

面對高度碎片化的行銷環境，品牌需要建立的，是一套能從市場洞察延伸至全通路執行、並持續優化的整合行銷系統。Ontix即時掌握消費者社群聲量與市場趨勢，代表品牌對人的理解；Kuroma則從AI搜尋視角，分析品牌在生成式搜尋中的能見度與引用表現，代表對AI的理解；兩者合力，讓品牌同時掌握人類與AI代理的決策脈絡。再透過Kolr行銷數據平台，將洞察轉化為具體行銷執行，使每一次決策都能以數據驅動、持續優化，協助品牌在AI時代建立長期競爭優勢。

最後，在論壇壓軸的高峰對談中，程世嘉強調，當前正是典範轉移的關鍵時機，如同過往率先布局SEO的業者得以享有紅利；他認為，這同樣是企業重生的契機，提早深耕者將在此波轉型中佔得先機。尤其，AI轉型已非單機運作所能達成，企業應優先建立基礎建設與治理架構；當自身能力有限，也須慎選合作夥伴、借助外部資源，並在安全可信任的前提下，實現共同成長。