為什麼新加坡能夠成為無人駕駛「重鎮」?
為什麼新加坡能夠成為無人駕駛「重鎮」?

因為無人駕駛汽車,新加坡的道路正在變得「熱鬧」起來。

自今年8月份開始,新創公司nuTonomy開始在新加坡試測試無人駕駛計程車,受邀的用戶可直接透過叫車軟體Grab進行預約體驗——這是全球第一個向大眾開放的無人駕駛測試專案。

nuTonomy 擁有麻省理工學院(MIT)的團隊背景,專注於研究無人駕駛技術的整體解決方案,目前他們在新加坡擁有 6 輛基於三菱 i-MiEV/雷諾 ZOE 改裝的測試車輛。

與此同時,新加坡南洋理工大學在政府的支持下,已經開始了無人駕駛公交車的研發。著名的汽車零件供應商德爾福不久前也宣布,將在新加坡開展無人駕駛汽車的道路測試。

「新加坡」最近一年頻頻出現在和無人駕駛相關的報導中,憑藉合理的城市規劃和在「數位交通」上的投入,這個國土面積只有700多平方公里的亞洲國家正在成為無人駕駛發展中不可或缺的一部分。

無人駕駛汽車仍然是「弱勢群體」

在每一篇關於無人駕駛的文章下,似乎都能找到「在中國肯定沒戲」的言論。確實,當下的無人駕駛技術還不足以應對複雜的交通環境和各種人為因素,因此大多數廠商都選在高速或相對封閉的道路環境下進行測試。

新加坡是典型的「城市國家」,其城市規劃是亞洲乃至全球的「典範」。這樣可控的道路環境對於正在從「實驗場」走向真實道路的無人駕駛汽車來說是很有吸引力的。無人駕駛技術的提升需要「有效里程」的累積,但肯定不是在擁堵路段。

雖然人口密度比北京要大的多,但新加坡的交通擁擠卻遠沒有前者那麼嚴重。新加坡推行公路電子收費系統(ERP)已經超過了10年,它透過向行駛在擁堵路段的司機徵收「過路費」來控制車流量,是一種行之有效的「治堵」手段。

塞車trafficjam_shutterstock_227875240.jpg
圖/ Shutterstock

另外根據極客公園曾在新加坡工作4年的同事介紹,新加坡的公共交通網絡非常完善(路平、車次多、票價便宜),而且城市規劃非常合理,與生活相關的基礎設施和交通的配合比較好。

當然,他也著重提到了二點,「大家在路上比較遵守交通規則,交通法規也很嚴苛」。

現階段,無人駕駛汽車需要透過大量的路測來學習人類的駕駛行為,它們在道路上仍然是「弱勢群體」。前段時間沃爾沃甚至揚言要對自己的無人駕駛測試車輛進行偽裝,以避免被其他司機「欺負」。在這樣的情況下,更加友好的道路和人文環境是很有益的。

或許5年後無人駕駛技術可以成熟到應付各個國家的城市交通,但現在新加坡就是一個現成的選項。

汽車和基礎設施的「溝通」很重要

外媒engadget在最近一篇關於新加坡的報導中這樣評價:這座島嶼就像是一個活的實驗室,擁有測試各項試新技術的「土壤」。

其實在兩年前,新加坡政府就提出了Smart Nation(智慧國)的規劃,希望透過數位基礎設施的建設來提升整個國家的競爭力。遍布城市傳感器將把人、建築和汽車連接在一起,城市數據通過高速網絡會匯集到統一的平台上(Virtual Singapore),透過處理、分析後動態調整基礎設施(例如智慧紅綠燈)。

V2I(Vehicle-to-Infrastructure)是無人駕駛技術重要的組成部分,汽車和基礎設施的「溝通」將能大大提升行駛的效率和安全性,新加坡在這方面顯然走在了最前方。

另外,「網速快」也是新加坡的一張名片,其高速光纖到戶(FTTH)網絡的建設在全球都名列前茅。在 World Economic Forum(WEF)評選的「網絡就緒指數」中,新加坡位居第一。

根據英特爾的預測,到了2020年,每輛無人駕駛汽車將產生每秒1GB和每天4TB的數據量,這將遠超現在汽車所能產生的數據量級。汽車的處理性能需要不斷提升,也對網絡帶寬施加了更大壓力。網速將成為新加坡所能提供的「隱形福利」。

新技術的推動也離不開政府決策者的支持。之前極客公園在文章《盤點| 無人駕駛的「加州正規軍」》中說過,美國的加州是最早開始嚴肅對待無人駕駛技術的地區之一——加州車輛管理局(DMV)已經頒布了19張測試牌照用於規範無人駕駛相關的研究。

新加坡政府對於無人駕駛的態度也是比較開放的。2014年新加坡便成立了專門委員會用於管理無人駕駛汽車,而新加坡陸路交通管理局(LTA)已經積極地和多家無人駕駛公司展開了合作。

如果說政策法規是無人駕駛發展的第一道門檻,那友好的道路測試環境將是接下來更為重要的推動要素。手握這麼多優勢,相信未來在新加坡能看到越來越多的無人駕駛測試車輛。

當然,推廣新興的技術也會帶來一些挑戰。前不久一輛nuTonomy的測試車在變換車道時與一輛貨車相撞,所幸沒有造成人員傷亡。類似的事故未來可能還會出現,但新加坡距離全球首個擁有無人駕駛計程車的國家會越來越近。

本文授權轉載自:極客公園

關鍵字: #自動駕駛
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

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
代理式商務連動百兆商機
© 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