等到技術完美就太晚了!讓無人車上路「邊做邊學」才能挽救更多生命
等到技術完美就太晚了!讓無人車上路「邊做邊學」才能挽救更多生命
2017.11.13 | Google

現代民航客機機師有95%的操作工作,都已經仰賴自動駕駛代勞,已經很少人會質疑現代客機的安全性,那麼自駕車呢?

高標準的安全度,是在阻礙自駕車進步?

根據統計,台灣每年約有3000人死於交通事故、美國在2016年共有四萬兩千起與汽車相關的死亡事故,但目前不論是政策制定或是一般民眾,都傾向自駕車必須要完美零失誤才能正式上路;美國國家公路交通安全管理局局長曾說過,自駕車必須比人類駕駛的安全度「高出兩倍」才能放行上路,而要達到這樣的高標準,預估至少需要再花上15甚至是50年才能做到。

而近幾年也發生幾起自駕車的意外,喬舒亞·布朗(Joshua Brown),他是第一位因為特斯拉Model S自駕模式喪命的駕駛,去年五月死亡車禍發生時,曾引發大眾對於自駕車上路優點與風險間的爭論。類似的意外發生在去年九月,一台Model S 在德國高速公路開啟自駕模式時,與一台遊覽車發生相撞意外;去年 12 月,中國一名特斯拉車者同樣開啟自駕模式,因為系統偵測失誤擦撞到護欄,導致車輛受損。

這些自駕車的意外消息一出,讓許多原本就不信任自駕車科技的民眾產生更多疑慮,但若要花上50年才能達到政府對於自駕車的高標準要求,才允許上路的話,會不會反而是在阻礙自駕車的進步?蘭德公司一份研究報告指出,盡早放行自駕車上路,還能大大降低車禍傷亡意外。

自駕車安全性提升10%,1年拯救3千條生命

根據美國智庫「蘭德公司」最近公布的一份報告,與其等待自駕車技術達到完美無瑕,還不如讓自駕車在安全性只比人類駕駛高出一點點時就放行上路,就算自駕車意外仍會發生,但這麼做可以大大減少車禍傷亡意外。

但,我們該如何界定無人車技術已經達到可以上路的標準呢?

報告中,模擬了三種可能的駕駛等級,分別是自駕車比人類駕駛安全性高出10%、75% 和90%,再透過500 種不同的道路情境,綜合未來技術可能的發展做研究。研究人員發現,廣泛採用自駕車後,安全性比起人類駕駛提升10%,預估一年可以拯救3千條性命、十五年後可以拯救上千條人命,三十年後,這個數字就會成長到數十萬。

蘭德公司研究人員 David Groves表示:「我們的主要目標是透過客觀的分析,來提供論述依據,我們認為這個議題,確實需要客觀地看待死亡事故,因為對於自動駕駛汽車需要達到的安全性能要求仍有太多困惑,但我們的研究並不認為等到完美的自動駕駛汽車出現再去應用,會是挽救生命明智之舉。」

勤能補拙,自駕車彼此溝通不重複犯錯

研究人員之所以會認為自駕車比人類更不容易出錯,關鍵在於自駕車擁有「彼此溝通能力」,可以確保在道路上行駛時彼此理性協調,避免意外發生。

俗話說「勤能補拙」,當自駕車有更多機會在真實世界運作,就能透過不斷累積的經驗讓系統性能更加安全,跟人類不同的是,這些經驗可以同步跟全世界所有的自駕車分享,成為共同學習、修正的教材,避免重複犯同樣的駕車錯誤。

人類往往對於自己的駕車失誤容忍度較高,對於機器出錯的容忍度較低,這樣的心理狀態是能夠理解的,然而所有的科技發展都必然伴隨著風險,像是有一派人就擔心隨著AI的進步,部分的低階工作可能會被取代,但要打破對於新科技未知風險的恐懼,親身跟這樣科技相處才是最好的開始,如果我們願意開始給自駕車一個機會,讓我們開始學習如何跟自駕車科技在同一條道路上共處,也許就能避免更多的傷亡意外發生。

autonomous car
俗或說「勤能補拙」,自駕車擁有「彼此溝通能力」,可以確保在道路上行駛時彼此理性協調,避免意外發生。
圖/ shutterstock

自動駕駛改變了空中旅行,我們也能慢慢習慣陸地交通自動化嗎?

頻繁、方便、安全的商務客機交通,是上個世紀初的人們所難以想像的,但現在搭乘飛機遨遊世界,已經成為現代人再習以為常不過的場景。

商業客機的自動駕駛技術在1980年代導入後,取代了現代機師95%的工作, 包括設定航線、轉換無線電頻率等等,全部都仰賴系統代勞,自動駕駛科技的安全性跟類機師相比完全不遜色,目前絕大多數的空難意外主要都來自「人為因素」,而自動駕駛操控的飛機完全不會受過勞、壓力、情緒等外在因素影響。

因此現在幾乎不會有人質疑飛機自動駕駛的安全性,英國皇家航空學會去年曾邀請工程師、科學家、機師,針對自動駕駛飛機進行討論,結果有60%的人認為「40年後,飛行員將退出歷史舞台」。波音(Boeing)旗下創投部門HorizonX,上個月宣布投資自動駕駛系統新創「Near Earth Autonomy」研發無人商用客機;英國廉價航空EasyJet(易捷航空)也喊出要在十年內於短程航線導入以電力驅動的客機,自動駕駛科技在上個世紀就已經顛覆了航空產業,這或許也能作為我們在思考自駕車是否能上路的一個依據。

Boeing
在波音想像的航空未來,每台客機都能在沒有人類駕駛的情況下,主動做出飛行計畫的調整。
圖/ shutterstock

開始練習與自駕車共處

開始練習與自駕車共處,我們可以怎麼開始呢?從大眾熟習的運輸系統著手,或許就是很好的第一步。

拉斯維加斯出現了一款由法國新創公司 Navya 開發的無人通勤小巴,要替拉斯維加斯市中心 6 英里範圍內為市民提供免費接駁服務,今年一月已經進行為期兩周的測試,並在上周正式上路投入服務,雖然上線一小時就發生擦撞卡車的意外,但營運單位表示,無人通勤小巴仍會持續營運12 個月之久。

日前,Google母公司Alphabet也已經開始在在美國太陽城郊區,測試「沒有人類駕駛」在車內監控的無人車,這項計畫預計要在未來幾個月內與叫車輛平台合作,概念是打造無人車版的Uber或Lyft。太陽城的居民表示,一年前看到自駕車在路上行駛時會覺得奇怪,但現在已經逐漸習慣,參與測試計畫的居民將有機會在最近乘坐無人駕駛計程車,或許從太陽城居民的回答中,與無人車的共處是可以逐漸習慣甚至信賴的,自駕車技術或許現階段仍不能稱上完美,但或許我們都該給彼此更多的機會。

Waymo
Waymo正式移除自家自駕車內的監督人員,實現真正的無人駕駛。
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