自駕車將如何影響都市發展?城市又該如何因應?
自駕車將如何影響都市發展?城市又該如何因應?

許多國家、城市相繼展開無人駕駛測試之後,高雄也選定哈瑪星地區作為無人電動巴士上路的實驗場域,倘若未來高雄成為台灣第一個自駕車普及的城市,並不令人意外。

自駕車即自動駕駛車輛(Autonomous Vehicle,簡稱AV),如果越來越普及,不僅能緩解塞車情形,甚至還可以進一步結合共享與共乘的理念,也可望減少城市裡的車輛。

誰擁有自駕車?

自駕車將如何改變交通?答案取決於自駕車由誰擁有。
其一,人人擁有私家車,只是其中越來越多人選用自駕車。其二,自駕車將以可共享車隊的姿態出現,很可能都是電動車,屬於政府或民間企業擁有,每部車一次搭載一名乘客。其三,共享自駕車車隊,採用共乘制度(car pooling),每部車一次可搭載一名以上的乘客。

就自駕車對都市車輛數減少的影響而言,在以上這三種情境裡面,第三個是最佳的。根據OECD的研究顯示,公共運輸系統搭配自駕車共乘,可讓葡萄牙首都里斯本尖峰時刻的交通流量減少三分之二。另有研究更指出,自駕車共乘會讓路上車輛減為現在的十分之一。

即使陌生人共處一車的共乘制度難以讓社會大眾接受,那也無妨;只要自駕車是共享的,就比私家車更能改善交通。

自己擁有車的人,每次出門都使用同一部車,故傾向買休旅車(SUV)等較大車輛以求舒適;而不買車、純粹使用共享自駕車的乘客,每趟都換用不同的車,故較不介意使用較小型的車輛。

路上大車少了、小車多了,交通自然也就更順暢了。

自駕車不但能使都市車輛數減少,也能讓既有室內停車場的容量憑空變大,因為車輛會自己開進停車格,與過往相比,停車場不再需要留設那麼寬的車道,也不必再留設樓梯與電梯,有研究指出其將可多容納60%的車輛。

市中心區的景觀將大幅改變。市中心地價昂貴,路邊停車格、停車場等室外停車空間的存在會漸成浪費,因為室內停車場的容量變大了,也因為自駕車可自動開去市郊停車場以求更低廉的停車費用。甚至,加油站也不需存在了,道路空間也不需這麼寬了。

許多室外土地將有望釋出,政府可制定法規以引導這些空間改變用途,可行的選項有很多:人行道、行道樹、植栽、散步道、自行車專用道、街道家具、一般住宅、社會住宅、公園綠地、商店、學校、社福機構或創業空間等,各地方政府可因地制宜決定孰為優先。

長途通勤不再痛苦,郊區居住需求將增加

自己開車上下班的人,常會覺得通勤既浪費時間又痛苦。一旦有了自駕車,不必自己開車的人們,就可利用通勤時間在車上工作、睡眠或休閒了。

長途通勤的痛苦程度大幅降低,會使更多人想住到郊區,以尋求比市中心更好的生活品質,要養育小孩的父母尤其如此。一個孩子即使住得偏遠,靠著自駕車仍可照常上下學(不見得要靠父母接送),也不會錯過課後活動,就與住在市中心的小孩無異。這也會讓地處偏遠的學校能維持註冊率而不致廢校。

自駕車的出現,雖讓更多人想住到郊區,但卻也會導致市中心的密度提高。如前所述,市中心區某些土地將轉型再利用,可能會成為住宅,讓市中心出現更多居住人口。

自駕車提供點對點(door-to-door)的服務,讓許多人一天中除自宅與公司,可能不會再造訪第三地了。

以往那種從車站或停車場步行前往各地的人潮將大幅減少,而許多商家向來致力於吸引這些行人停下來消費,未來它們可能會覺得路過的客人減少,位處市中心的優勢減弱了,便會往市郊搬遷,以圖較低廉的租金。

百貨公司與電影院特別有可能這樣做,因為它們不用擔心搬走後流失顧客──反正,會來消費的人們靠著自駕車還是可以順利前來。商家搬走後留下來的閒置空間,亦有可能會被開發為住宅。

此外,商業區或公園的服務半徑內,也就是附近步行可至的區域,房價本來就高,而自駕車的出現,讓就算是沒有車的人也能在短短幾分鐘內抵達這些地方,其結果,就是比以往更大面積的區域被認定進了服務半徑之內,因而房價跟著上漲,隨之而來的也就是更高密度的住宅開發。

開車的人找停車位時,會盡可能找離目的地最近的位子。未來,私家自駕車會先載著車主抵達目的地,再自行尋覓費用較低的停車空間停放,這種設定是為了讓車主花費最小化。

但,假設車主在一地停留的時間夠短,例如只是喝咖啡或看醫生,則自駕車為徹底幫車主省錢,可能乾脆不開去停車場了,而是維持空車狀態,在該街廓周圍繞行,或甚至是併排停車,直到車主辦完事再載其離開。這恐怕會為附近區域帶來多而無謂的交通流量,政府應該要祭出政策,以減少空車繞行或併停的行為。

自駕車能為城市帶來好處,也可能造成問題

自駕車與傳統公共運輸工具相比,搭乘起來既方便又舒適,如果費用又夠便宜,更可能造成公共運輸的衰落。然而,在尖峰時刻,大量的自駕車上路仍會造成熱門通勤路線的壅塞,所以公共運輸還是會恢復高使用率。

大眾公共運輸的發展並不會因為自駕車的出現而衰落,因為自駕車要達到高普及率需時甚久。所以,在未來的許多年內,政府依舊得致力於建設捷運、輕軌與快捷巴士(BRT)這些傳統公共運輸工具,以疏運通勤旅客。

自駕車高度普及的城市,可將許多道路改為單行道,因為單行道越多,交通就會越順暢,交通安全也會提升。開車的人也許不喜歡太多單行道,但當越來越多的人不是自己開車而是搭乘自駕車,對單行道就會更能接受。

目前對自駕車的討論,多聚焦在自用小客車、計程車與公車等載客用途上,但其實貨車亦有望全面自動駕駛化,而消防隊在滅火、載運傷患就醫時,或是清潔隊在清潔街道與清運垃圾時,也均有可能採用自駕車。

每個城市的長程發展策略,都應納入自駕車,以讓城市運作降低成本、提升效率。更多的自駕車上路,也需有更多法規及政策來管理,以因應可能產生的問題。 為妥善管理自駕車在城市中的未來發展,政府必須思考:我們想要怎樣的城市?

本文出自《數位時代》273期雜誌《無人車商業革命》。

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 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