Uber無人車開始在舊金山載客,第一天上路就被目擊闖紅燈
Uber無人車開始在舊金山載客,第一天上路就被目擊闖紅燈

今天舊金山的Uber用戶應該都有一點特別的興奮,因為Uber在那推出了一支自動駕駛車隊,而且是為市區所有的用戶開放——按下叫車按鈕的那一剎那,說不定,一輛全新的、頭上頂著大大雷射雷達的沃爾沃無人車,就會向你駛來。

不過,Uber的無人車還不是真正的「無人」,裡面至少會有兩個「操作員」:一個坐在方向盤後的司機座位上,「手都會放在方向盤上」,隨時最備好接管,而另外一個會坐在乘客座位上,收集和分析數據,來改善數據。這樣的人員配備和我們之前體驗的無人車也基本一致。

Uber使用的車型是Volvo XC90s,這也是Uber的「第三代」無人駕駛車。由於和沃爾沃達成了合作,所以和之前其他用成品車改裝的無人車不同,最新的這批是「從零造起來的」,軟硬體和汽車本身更好的整合在一起。

這批無人車車身上裝有7個攝影鏡頭,車頂上一個快速轉動的雷射雷達系統,不停在掃描和分析周圍的環境,車前後保險桿後都有雷達。而Uber的自動駕駛技術也被深度整合到沃爾沃的車內,包括佔了半個後車廂的電腦。車內可以乘坐三位乘客,而乘客還可以透過車裡帶的iPad來看到車的行駛路線、它是否處於自動駕駛模式、還可以切換至渲染圖模式,查看汽車是怎麼透過雷射雷達和攝影鏡頭來分辨周圍環境。乘客甚至可以用這台iPad來個自拍——畢竟能夠叫到這樣一輛Uber無人車,確實是值得炫耀一下的。

Uber無人車的分配是隨機的,和Uber X的價格一樣。在舊金山市區內使用Uber X服務的用戶如果被分配到無人車,還會提前收到通知,選擇接受或者拒絕。不過,事實上,要刷到無人車,可不是件容易的事。據稱整座城市裡也只有不到10部無人駕駛車在路上,我試了4次,都沒有幸運地叫到一輛,而CNBC的記者在嘗試了15次之後,同樣無功而返。

舊金山並不是Uber提供無人車服務的第一個城市。在9月,Uber就已經在匹茲堡推出了類似的服務,背後仍然是Uber負責自動駕駛研發的Advanced Technology Group。不同的是,在匹茲堡,Uber用的是改裝的福特Fusion,上面的攝影鏡頭達到了22個,而且只針對特定區域內的一小部分的忠實用戶開放。 Uber稱,從9月至今,他們的技術已經在不斷完善,包括應對各種天氣,比如雨天等——或許他們現在想要來看看無人車在舊金山高低起伏的路面上的表現。

根據The Verge的描述,目前Uber的無人車並不是太成熟,比如有的時候會自動停止無人駕駛模式而讓駕駛員不得不接管,但是Uber並沒有計劃在短時間內實現100%的機器駕駛,畢竟不管是技術還是監管,都還沒有對此做好準備。

目前我還沒在社交網絡上看到乘客叫到Uber無人車的分享——但是,反應更快的加州政府已經對此表示不高興,因為Uber並沒有提前知會他們。即使是在遍布自動駕駛技術新創公司的矽谷,相關技術的公開道路測試也受到嚴格的監管。此前,一直是由加州車輛管理局(DMV)來判斷相關公司的技術是否合格、然後再給那些達到標準的公司提供道路測試許可證。

螢幕快照 2016-12-15 上午11.03.58.png
圖為獲得加州DMV公開道路測試許可的公司。

目前有差不多20多家公司目前已經獲得了DMV的許可,但是Uber顯然不在其中。Uber稱,由於自己的自動駕駛車輛裡始終有駕駛員坐在司機座位上,而且雙手是握著方向盤的,隨時準備接管,所以不需要向DMV申請也可以。但是DMV完全不認同這個觀點。

它在一份聲明裡稱,

加州DMV鼓勵負責任的無人駕駛車探索。我們制定有一份批准流程,讓這項技術在測試時可以確保公共安全。20家製造商已經獲取了批准,在加州的公開道路上測試數百輛無人車。Uber也應該這麼做。

不過Uber還是奉行了它一貫的和政府硬碰硬的做法,稱自己的測試仍然是人工掌控的,所以不需要這麼做。它明確表示,現在不會去DMV申請許可證。

Uber Advanced Technology Group的負責人Anthony Levandowski在官方部落格裡說,「我們仔細研究了這個情況,我不認為我們需要這麼做。 DMV的條款是給那些沒有人控制或者監控的車輛的,我們的情況不一樣。」

但令人尷尬的是,Twitter上一段Uber無人車穿紅燈的短片在流傳。從影片裡可以看出,在紅燈亮起、其他車都靜止等候的情況下,一輛無人車仍然無視紅燈、快速衝過了斑馬線,而此時一位行人正準備過馬路。

但是Uber稱那是人為錯誤。

「這個事故是人為錯誤。這就是我們為什麼相信打造Uber無人車可以讓道路更加安全。這輛車之前就已經不是無人車隊的了,而且也沒有載任何乘客。在我們繼續就這個事件進行調查的時候,這輛車的司機已經被停職。」

不過對於這個「人為錯誤」,Uber沒有給出很清楚的界定和解釋。

不過,這似乎不是Uber無人車今天唯一一次在舊金山闖紅燈。另外一個Twitter用戶也稱目擊了一輛Uber無人車闖紅燈,而且差點撞到了她乘坐的正常行駛的Lyft車。

而從她發布的照片可以看出,那輛Uber無人車確實在紅燈的情況下衝出了路口,停在了交叉口中間。而對於這件事,Uber還沒給出回應。

本文授權轉載自:PingWest

關鍵字: #Uber
往下滑看下一篇文章
從智慧助手到自主代理:博弘雲端如何帶領企業走上 AI 實踐之路
從智慧助手到自主代理:博弘雲端如何帶領企業走上 AI 實踐之路

「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。

2-RD096270.jpg
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%。

3-RD096215.jpg
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。

4-RD096303.jpg
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

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
2026 大重啟
© 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