外送美食戰場打到空中，Uber最快2021年用無人機送餐|數位時代 BusinessNext

外送美食戰場打到空中，Uber最快2021年用無人機送餐

未來的外送戰場可不只侷限在陸地上，最近有外媒發現Uber的網站上默默出現一項新的職缺，正在尋找無人機外送業務的高層，暗示正在研擬推出無人機外送服務，最快2021年就會在多個大城市展開商業化營運。

三年要組機隊，最快2021年投入商業化營運

Uber早已不再是單純的手機叫車公司，近年積極轉型，無人車、AI、飛天計程車等新科技都積極布局，其中一項重要的戰略就是加強外賣業務，以台灣市場來說，昨（22）日才宣布正式進軍桃園、新竹，與在地超過300家以上的的餐廳合作。

而Uber現在已經將目光從陸地轉向天空，除了先前推出飛天計程車入「uberAIR計畫」，根據Uber 最新的招募資訊，他們正在尋找一位無人機外送業務的高層，在職缺描述中，Uber希望這位高層可以落實「安全、合法、有效率以及有規模的飛行業務」，計劃要在三年內建立一支無人機機隊，最快在2021年於多個市場展開商業營運。

未來這項飛天外送業務將取名為UberExpress，這是UberEats對無人機外送業務使用的內部名字。然而在外媒披露這項消息後，Uber目前已經將這個職缺撤下，發言人表示：「這項消息不能完全反映我們內部的規劃，一切仍在非常早期的階段。」

餐飲外送成Uber大黑馬

「Uber不是只做汽車，」今年五月，Uber執行長多拉·霍斯勞沙希（Dara Khosrowshahi）在Uber Elevate會議中揭露了無人機計畫，「我個人相信，要解決城市移動的問題，關鍵就在無人機，我們需要無人機。」霍斯勞沙希認為，無人機絕對可以大幅降低運送時間，未來希望能將食品配送的時間目標訂在5到30分鐘內完成。

從UberEats在台灣加速服務布局就不難觀察出，現在的餐飲外送已經成為Uber底下的一批「大黑馬」，今年初霍斯勞沙希就曾談到，希望餐飲外賣業務未來每年都能貢獻至少60億美元的營收。如今UberEats已經涵蓋全球上百座城市、2017 年約占 Uber 整體營收的10%。

如此的發展態勢對於計劃明年在美國IPO的Uber相當關鍵，目前部分投資銀行認為光是UberEats的估值就達200億美元，這將對Uber整體的估值有大大加分的作用，如今再喊出飛天外送的願景，在歷經過去幾次的醜聞風波後，這或許也是某種程度安撫投資人，公司整體盈利、業務正在邁向正軌中。

監管問題要先解決，不如來台灣做測試？

從實際層面來看，無人機外送並非一件簡單的事情，電商巨頭亞馬遜（Amazon）曾在2013年計劃推出無人機送貨服務，並計劃在四到五年內實現，然而直到現在都未取得監管單位的同意。

因此Uber喊出要在2021年前讓無人機外送商業化，也會遭遇同樣的問題，美國聯邦航空管理局先前制定無人機監管草案，內容針對無人機飛行有諸多的限制，未來如果要應用在商業用途，勢必要針對飛機識別系統方、夜間飛行等規範更詳細的制定，美國監管部門預計會在明年推出無人機快遞業務的監管規則，不過等到規範實際上路可能都要等到2020年之後。

監管是一部分，無人機外送食品也可能碰到竊盜、天候、食安等等的考驗，最近台灣立法院經濟委員會剛剛通過《無人載具科技創新實驗條例》審查，預計最快在今年年底就能三讀通過，這將是一個全世界陸、海、空載具都能申請的條例，或許Uber可以考慮來台灣做測試。

曾是台灣製造業重要根基的塑膠射出產業，如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者，老師傅退休、新人才接不上的現況，更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具，許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出，全球塑膠射出市場規模超過 3000 億美元，每年仍以約 3% 至 4% 的幅度成長。需求並未消失，只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉，老師傅數十年累積的經驗卻很難複製。

這道人才缺口，正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發，歷經近十年研究與工廠驗證，嘗試把老師傅腦中的射出經驗，轉化成可以計算、保存與持續學習的 AI 模型，解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI，射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備，不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後，生產現場仍得依產品、材料與機台特性，調整溫度、速度、壓力、位置等條件；即使使用同一種塑料，不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處，不只是記住參數，而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的，就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後，第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統，工廠只要輸入材料、機台規格、產品尺寸等資訊，sMolding 便能計算第一組成型參數；若試模後出現產品缺陷，再由 sTroubleshooting 提供修正建議。

「它就像導航。我今天告訴你要從 A 點到 B 點，但不知道路怎麼走，導航會把路徑算給你。」張詠翔說。對射出成型而言，這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例，傳統方式需 7.5 小時，導入系統後縮短至 2 小時，材料使用量從 23 公斤降至 8.7 公斤，整體試模成本降低 64%。

但找到正確參數只是第一步，真正進入量產後，工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損，都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組，透過射出壓力數據持續監控品質，並依生產狀態自動補償關鍵參數。換言之，AI 不只在試模階段提供一條正確的「導航路徑」，進入量產後還能因應製程變化持續修正，進一步朝「自駕」邁進。

從產線驗證到海外布局，桃園如何助攻智穎智能跨過0到1？

但要讓 AI 真正走進工廠，智穎智能採取 SaaS 訂閱模式，將核心運算留在雲端持續學習與更新，降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備，因此智穎智能的方案既能導入既有設備，也能與射出機、控制器業者合作，在新機出廠時直接整合。「一個工廠不會只有一個廠牌，就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言，AI 真正走進製造現場的關鍵，在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言，降低導入門檻還不夠，更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言，桃園不只是公司所在地，也提供了技術走向市場的第一塊試驗場。「對新創來說，第一個就是要經費、要人才、要場域，再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期，團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源，降低早期研發與營運負擔。更重要的是，桃園密集的製造業聚落，本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業，智穎智能在創業初期接觸到位於桃園的「良器」，成為公司第一個客戶。從概念驗證、產品調整到實際導入，合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言，第一個願意開放場域的客戶，意義遠超過第一筆營收。

如今，從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次，完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示，透過市府帶領團隊前往日本神戶，智穎智能接觸當地官方與企業資源。在市府引薦下，團隊成功對接了神戶知名加速器，更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局，為下一階段海外市場拓展做準備。

AI 解決「怎麼生產」後，下一步是「替誰生產」

當 AI 開始解決「怎麼生產」，張詠翔看到的下一個問題，是「替誰生產」。部分製造商提高生產效率後反過來問他，如果我的產能多了 20%，但沒有多 20% 的訂單，我何必要做那麼快？

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家，品牌要在海外重新尋找符合特定規範與製程能力的供應商，也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商，讓品牌端能依條件尋找供應商，也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務，初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究，到桃園工廠提供第一個實際驗證場域；從把老師傅經驗變成 AI「導航」，再走向能自行修正製程的「自駕」，智穎智能試圖數位化的，是製造業最難被保存的資產：人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散，這套從桃園工廠磨出的 AI，下一步不只要替老師傅找到數位接班人，也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源，將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去，讓外界看見桃園豐沛且具實戰力的創新動能。