F1  賽車界的最高殿堂
F1 賽車界的最高殿堂
2004.10.01 | 科技

F1全名為一級方程式賽車(Formula 1),是單座位(Single Seater)賽車中最高等級的賽事,在F1之下的單座位賽事還有F3000、F3、雷諾方程式、福特方程式乃至於Karting小型賽車,但是除了F1之外,其餘比賽大多是區域性的,車手們經過這些區域比賽的歷練,並獲得優異的成績之後,才有可能獲得F1各車隊的青睞。F1如同美國職棒的大聯盟一般,是賽車界的最高殿堂。

**54年歷史,法拉利車隊戰績最優

**
F1始於1950年,至今已有54年的歷史,比賽也隨著運動經濟規模的擴大以及大量科技的投入而愈形複雜。以2004年為例,共有十支車隊,每支車隊 可以派遣兩輛賽車出賽,比賽分為車手以及車隊兩組競賽項目,年度得分總和最高者為世界冠軍。目前歷史最悠久、戰績最優異的是法拉利車隊。
從3月初到10月底,F1每年舉辦18場比賽,每一場的比賽總距離在300公里左右。賽道分布於澳洲、北美、歐洲、中東、南美及亞洲等16個國家。亞洲地區自1987年開始由日本舉辦一站賽事,1999年加入馬來西亞,2004年加入上海以及中東的巴林,2005年則新增土耳其站。而近年F1東擴的原因是因為歐盟(EU)將於2006年禁止香煙廣告的刊登,而煙商卻又是大部分F1車隊的主要贊助商,所以賽事便移往禁煙條例不甚嚴明的亞洲地區。
主管F1的FIA規定,所有F1車隊必須要能夠自行開發底盤、懸吊、變速箱以及車身,換言之,只有輪胎和引擎可以購買。現行F1採用3公升V10引擎,馬力達到將近900匹,轉速可達一萬九千轉,為一般市售車的三倍強。現行F1賽事的引擎供應商有法拉利、賓士、BMW、豐田、本田、福特以及雷諾。輪胎供應商則有米其林和普利斯通兩家。

**體能要求,僅次戰鬥機駕駛員

**
除了法拉利、豐田以及捷豹車隊之外,其他F1車隊都不曾生產汽車,只從事比賽,這些車隊使用的科技僅次於太空梭,車身一律為碳纖維打造,除非毀損,不然不會更換,而引擎、變速齒輪以及傳動軸等則如飛機引擎,使用數百小時之後便須經過金屬染色法加以檢查,一有細紋便立即汰換。F1規定車重必須超過600公斤,從0~100公里加速推估在2.5秒之內,極速可達360km/hr。過彎的側向加速力(G Force)可以達到4個G,也就是說,體重60公斤的人在急速過彎時將會受到240公斤的側向壓力,一場比賽下來脫水2~3公斤十分正常,相當於打五盤網球的流汗量。所以擔任F1的賽車手必須擁有僅次於戰鬥機駕駛員的體能。
每一場F1都有約十億人透過轉播觀賞,也因此造就了許多賽車英雄,例如舒馬克(Michael Schumacher),今年35歲的他是僅次於老虎伍茲,世界上第二有錢的運動員,年收入超過6500萬美金,光是法拉利付給他的薪水便超過3500萬美金,換算每場比賽舒馬克便可以進帳190萬美金──不論他得到冠軍還是一起跑就提前退賽。

往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

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