創星物聯進攻金融領域：鴻海車聯網軍團推駕駛行為車險|數位時代 BusinessNext

創星物聯進攻金融領域：鴻海車聯網軍團推駕駛行為車險

當台灣政府還在糾結Uber和傳統計程車到底哪裡不同、是不是共享經濟時，創星物聯已經默默從車聯網出發，雖然才成立一年，員工人數也沒超過50人，但背後有鴻海集團的支持，正進攻車聯網平台，準備顛覆傳統交通運輸業。

創新：Pay As You Drive，讓安全駕駛的保費降低

什麼是UBI呢？UBI（Usage Based Insurance，基於駕駛行為的保險）是一種根據駕駛習慣、駕駛技術與車況等人車環境，所建立起的多維度模型定價保險，若使用者是安全駕駛，其風險較低，保費就會變得比較便宜，因此又被稱為PAYD（Pay As You Drive），和傳統上僅依據性別、年齡與肇事紀錄（出險率）等因素定價有很大差異。

那要如何記錄駕駛數據呢？目前廠商多透過OBD系統（On-Board Diagnostics，車載自動診斷系統）。OBD系統最初用來監控汽車運行，減少廢氣排放，美國是最早規定汽車必須裝OBD系統的國家。而後廠商發現OBD讀取的數據具有巨大商業價值，創星物聯也由此切入。

創星物聯的KARDI LiTE平台，包含OBD硬體、App軟體、雲端平台三大部分。OBD支持20種以上的網路協定，市面上5千種車款都可以使用。「每秒蒐集駕駛行為，數據欄位就超過80種。」林俊彥說。

使用者把OBD裝置插入車體，運行後，打開專屬App就會看到燃油、空氣偵測、點火、變速箱系統等「車況診斷」、急加速與急減速次數等「駕駛習慣」與「油耗」資料。使用者在優化駕駛行為後，就會即時得知保費加減率，以雙Ｂ車種二到三年的車主為例，年省保費最高可逾萬元。

創星物聯參考國外UBI廠商的做法，找到台灣在地參數值。「國外因為幅員廣大，肇事多發生在夜間往來市區與郊區的疲勞駕駛，但台灣則是因地狹人稠，在尖峰時間的擦撞頻率較高。」林俊彥舉例。創星物聯和泰安產險9月推出的UBI，從資料源中歸納出駕駛里程、尖峰離峰時段和急煞車、急加速等駕駛習慣在內的級別依據，由此為保費定價。

機器學習也在其中扮演很重要的角色。「我們現在正在根據數據，建立不同車款在不同的駕駛特徵下的油耗表現，未來可以提供依據車款細緻化節能駕駛教練的駕駛提示，這些都是在機器學習下可達成的即時回饋系統。」林俊彥強調。

布局：串聯車險、保修、租賃等業者建平台，攻30%滲透率

不過，如果使用者想買UBI，必須先花錢買硬體，而在車上裝置硬體，記錄駕駛行為產生隱私疑慮，因此UBI在歐美推行已久，卻沒有風行。美國第四大保險公司Progressive，早在2009年就引入UBI，但至今美國UBI的滲透率不到5%，歐洲國家中較盛行的義大利，滲透率也不超過14%。對台灣第一個推出UBI的創星物聯來說，挑戰並不少。

「時間點，比時間早還重要。歐美保險業者在還沒有車聯網時就推行，是為了UBI而UBI，但我們經營獨立的車聯網服務『平台』，同時延伸出UBI保單，經營手法是獨特的。」林俊彥強調。他指出，創星物聯提供車聯網各種行業應用，如汽車產險、保修服務、租賃或二手交易、代訂代駕及各式O2O服務，UBI僅是其中一項。

「我們可以透過數據實證，優化駕駛後油耗變少了，以我為例，本來一年要7萬元油資，但現在油資節省了11%。不單是保費的節省而已。」林俊彥說。除了UBI外，創星物聯也推出Here圖資的導航產品。Here圖資準確度高，定位速度快，除了使用者不容易迷路外，又有吃喝玩樂地點資訊，創星物聯將藉此延伸出LBS的O2O服務。此外，故障感測數據對二手車交易來說也是很重要的資訊，車況記錄數據則是汽車保養維修很好的依據。

挑戰：車險業者的觀望心態還須克服

這樣的服務，不僅一般大眾，對物流等運輸業者來說，也有強勁的需求，為什麼創星物聯選擇從B2C開始呢？「因為自小客車數量夠多，有能力讓車聯網滲透率衝到30%以上。」林俊彥說。他指出，30%約為200萬台車，這是創星物聯估算出來的關鍵數字，可得到足夠的車輛節能與安全資訊，投射出完整的車聯網模型。

「這200萬輛車子不要集中於大都會，全台分散最好。」林俊彥說。因為交通服務是不分區域的，舉例來說，民眾假日出遊可能就會往鄉下地方跑，這時當地必須有足夠的資訊提供服務才行。林俊彥並沒有給出30%滲透率的目標時間表，不過目前推出的導航系統KARDI Navi和KARDI Lite智慧行車教練用戶累積已超過4萬人。

「科技業者面對創新，抱持著一種分秒必爭的『深圳速度』，但保險業者比較謹慎些。」雖然創星物聯出自鴻海集團，資源豐沛，前景可期，但產險公司是金融產業，對於新科技相對謹慎，創星物聯花了不少時間取得業者認同。「我們直接用行動來說服業者，並且提供更有彈性的平台，讓他們不用再做很大的投資。」林俊彥同時強調，除了研發能量，還有速度感及企圖心，要保持在車聯網產業維持領先地位。

@@ACTIVITYID:638@@

「代理式 AI 」（Agentic AI）的創新服務正在重新塑造企業對AI的想像：成為內部實際運行的數位員工，提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢：2025 年是 AI 邁向「代理式 AI」的起點，讓 AI 擁有決策自主權的技術轉型關鍵，2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮，企業如何加速落地成為關鍵，博弘雲端以雲端與數據整合實力，結合零售、金融等產業經驗，提出 AI 系統整合商定位，協助企業從規劃、導入到維運，降低試錯風險，成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路，企業該如何走對第一步？

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題、生成內容的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工，應用場景也從單一任務延伸至多代理協作（Multi-Agent）模式。

「儘管 AI 前景看好，但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出，到了 2028 年，高達 70% 的重複性工作將被 AI 取代，但同時也有約 40% 的生成式 AI 專案面臨失敗風險；關鍵原因在於，企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭，更涉及流程變革與人員適應。

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時加速 AI 落地。

圖／數位時代

正因如此，企業在導入 AI 時，其實需要外部專業夥伴的協助，而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力，涵蓋數據、雲端、應用開發、資安防禦與維運，可以一站式滿足企業需求，更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示，許多企業在導入 AI 時，往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵：HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論，並非紙上談兵，而是已在多個實際場域中驗證成效；鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程，正是其最具代表性的案例之一。陳亭竹說明，HAPPY GO 過去曾面臨AI 落地應用的考驗：會員資料散落在不同部門與系統中，無法整合成完整的會員輪廓，亦難以對會員進行精準貼標與分眾行銷。

為此，博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化，完成建置數據中台後，再依業務情境評估適合的 AI 模型，並且減少人工貼標的時間，逐步發展精準行銷、零售 MLOps（Machine Learning Operations，模型開發與維運管理）平台等 AI 應用。在穩固的數據基礎下，AI 應用成效也開始一一浮現：首先是 AI 市場調查應用，讓資料彙整與分析效率提升約 80%；透過 AI 個性化推薦機制，廣告點擊轉換率提升 50%。

左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例，許多企業往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

圖／數位時代

整合 Databricks 與雲端服務，打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中，博弘雲端發現，底層數據架構是真正影響 AI 落地速度的關鍵之一，因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台，作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架（Apache Spark）為核心，能同時整合結構化與非結構化資料，並支援分散式資料處理、機器學習與進階分析等多元工作負載，讓企業免於在多個平台間反覆搬移資料，省下大量重複開發與系統整合的時間，從而加速 AI 應用從概念驗證、使用者驗收測試（UAT），一路推進到正式上線（Production）的過程，還能確保資料治理策略的一致性，有助於降低資料外洩與合規風險；此對於金融等高度重視資安與法規遵循的產業而言，更顯關鍵。

陳亭竹認為，Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台，當需要啟動新型 AI 或 Agent 專案時，再切換至 Databricks 進行開發與部署，待服務趨於穩定後，再轉回雲端平台，不僅兼顧開發效率與成本控管，也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程，資訊安全與治理的重要性也隨之同步提升。對此，宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層，企業在導入 AI 應用初期，就應做好資料分級與建立資料治理政策（Policy），明確定義高風險與隱私資料的使用邊界，並規範 AI Agent「能看什麼、說什麼、做什麼」，防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層，當 AI Agent 角色升級為數位員工時，企業也須比照人員管理方式為其設定明確的職務角色與權限範圍，包括可存取的資料類型與可執行的操作行為，防止因權限過大，讓 AI 成為新的資安破口。

第三為技術應用層，除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外，還需導入專為生成式 AI 設計的防禦機制，對 AI 的輸入指令與輸出內容進行雙向管控，降低指令注入攻擊（Prompt Injection）或惡意內容傳遞的風險。

博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」，透過完善治理政策與角色權限，並設立專為生成式 AI 設計的防禦機制，降低 AI 安全隱私外洩的風險。

圖／數位時代

此外，博弘雲端也透過 MSSP 資安維運託管服務，從底層的 WAF、防火牆與入侵偵測，到針對 AI 模型特有弱點的持續掃描，提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞，更可以即時監控活動，快速辨識潛在威脅。不僅如此，也能因應法規對 AI 可解釋性與可稽核性的要求，保留完整操作與決策紀錄，協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向，」陳亭竹強調，面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時，加速 AI 落地。在這波變革浪潮中，博弘雲端不只是提供雲端服務技術的領航家，更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗，以及完善的資安維運託管服務，博弘雲端將持續協助企業把數據轉化為行動力，在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機，立即聯繫博弘雲端專業顧問