巴黎觀光交通新選擇:共享電動滑板車實測與攻略
巴黎觀光交通新選擇:共享電動滑板車實測與攻略

在交通方面,共享電動滑板車新創Lime 與 Bird 絕對是全世界崛起速度最快的獨角獸。

Lime 在獲得 Google Venture 領投 3.5 億美元後,估值超過 10 億美元;Bird 則在紅衫資本的支持下,估值高達 20 億美元。

參與 Bird 三輪融資的知名投資人 Mark Suster 曾在部落格分享,他完全不知道 Bird 在紅什麼,但在一次嘗試之後,他直接騎著電動滑板車到 Bird 的辦公室懇求創辦人收下投資。

而 Lime 也在今年 6 月,宣布進軍歐洲的觀光聖地巴黎。讓《數位時代》有機會在 10 月底造訪巴黎電玩週時,嘗試台灣體驗不到的共享電動滑板車。

騎車指南

1. 為什麼是 Lime,而不是 Bird?

其實在巴黎街頭不只 Lime、Bird,還有 Bolt,會選擇 Lime 實測的理由很簡單,因為路上看到的車最多。

根據資料顯示,Lime 於巴黎街頭投放了 150 台;Bird 則約為 50-100 台。

IMG_3181.jpg
在開放共享電動滑板車的區域中,隨處可見 Lime 的蹤影。
圖/ 陳君毅攝

2. 騎乘流程

Lime 的騎乘流程也相當簡單,下載 Lime App,綁定信用卡或其他支付方式如 Apple Pay。值得注意的是,Lime 採取的是儲值制,能夠選擇 10、20 與 50 美元,儲值 20 美元能夠獲得一張折價卷;50 美元則有三張。

IMG_3329.PNG
採「儲值」方式的 Lime,共有三種金額可以選擇。
圖/ 陳君毅攝

完成後,在路上找到車掃描車上的 QR Code 即可開始騎乘。

而騎完後也只需停車後打開 App 選擇騎乘完畢,此時 App 會請你拍攝一張停車照後即可走人。最重要的是,目前 Lime 在巴黎有設定停放區域,如果停在合法區域之外,將會加收 50 歐元(約新台幣1750元)的罰金,藉此遏止共享電動滑板車胡亂停放的亂象。

IMG_3257.PNG
綠色為能夠停放、提供服務的區域,若停在綠色區域以外,將會被處以 50 歐元的罰金。
圖/ 陳君毅攝

3. 計價方式

要先知道 Lime 的計價方式,每次騎乘先扣 1 美元,之後每分鐘 0.15 美元。以下為實際的騎乘里程數,5.2 公里的路程,走走停停實測拍照共花了 37 分鐘,共 5.55 歐元(約新台幣 195 元)。

IMG_3330.PNG
五公里,共 37 分鐘的時間,結帳金額為 5.55 歐元。
圖/ 陳君毅攝

以巴黎來說,每次騎乘 30 分鐘左右,大約可走 3~5 公里,花費平均在 4~6 歐元間,如果只是體驗大概儲值 10 元的方案,足夠來回即可。

註:歐元和美元計價方式相同,騎乘先扣 1 歐元,每分鐘 0.15 歐元。

4. 騎乘體驗

如果沒有打算要去太遠的地方,Lime 在體驗上來說非常方便。

Lime 的車款共有兩種,主要的差別在於剎車的方式,一為按鈕式,另一則為較熟悉的煞車把手。加速方面則跟台灣人的習慣不太一樣,是按鈕式動力,但能夠很快習慣。

在騎乘的路況方面,車速最快可達時速 20 公里上下。由於記者大部分的騎乘時間都在中午之前,路上的行人並不算太多,騎乘的範圍約在巴黎的第 7、8 與 15 區,路上都設有自行車道,騎行起來非常順暢。

在巴黎騎電動滑板車的優、缺點

優點

快速、方便。如果目的地距離出發地並不遠,可以省去很多查詢交通資料的時間,騎乘時也可隨意停下腳步。在最後一哩路上,確實能夠感受到共享電動滑板車的強大競爭力。

再加上在巴黎充滿歷史感建築的街頭上,騎乘電動滑板車多少有一種讓人恍如隔世的反差感。

缺點

比起搭車可能貴上一些,以及在巴黎騎乘電動滑板車不需要駕照,也不需要戴安全帽,可能有些安全上的疑慮。

此外,就是一些騎乘上會遭遇到的問題,像是沒有手套的話會非常冷、遇到過大的坑洞與高低落差時要牽車,牽車將龍頭抬起時,車身會擺向小腿,撞到會很痛。

觀光熱區巴黎,同時也是共享交通聖地

如果你不想騎 Lime,巴黎的選擇也很多。除了 Bird、Bolt 之外,台灣人熟悉的共享單車也遍布巴黎,包含 ofo、摩拜、oBike,以及有樁式單車 Vbike。想要嘗試摩托車也有 COUP 服務能夠使用,可以騎到熟悉的 Gogoro。

在巴黎街頭上隨處可見各家的共享單車,多多少少有些「街頭亂象」感。也是有了共享單車的前車之鑑,共享電動滑板車不管在投放的數量以及擺放位置都有所限制,因此大部分都排放的相當整齊。

避免交通亂象,共享電動滑板車的努力

共享電動滑板車輕便的優點,同時也是容易被外部暴力破壞的因素。從美國加州傳出不少電動滑板車被破壞的案例。Lime 透過安全警報系統嘗試解決這個問題,只要有人試圖用暴力解鎖,滑板車會發出警報。

而 Bird 則透過三大準則整頓亂象,試圖營造「好形象」讓各地政府允許更大的投放量:

1.每日整理車輛:每晚 Bird 都會派出團隊巡視街道,將車輛一一停好。
2.合理的車輛投放數:Bird 會在審視成長數字後,提出合理的車輛投放數。
3.收益回饋:每日、每輛車將捐贈 1 美元給政府,以建立更多的腳踏車車道等基礎建設。

此外,Bird 與 Lime 透過特殊的「充電獵人」,讓當地人在閒暇時刻將電動滑板車帶回家充電,並重新拿出來妥善排列好。以 Bird 為例,為每一台車充電 Bird 會支付 5~20 美元不等。如果獵人必須翻山越嶺才能「獵」到那台車,則能獲得 20 美元,有些年輕人一晚就可以賺取 600 美元。

最後,也許某些人會認為電動滑板車容易造成行人的危險,但以巴黎的體驗來說,滑板車配有警示行人的鈴鐺能夠使用,只要腳踏車道設置良好,其實並不會有太大的問題。反而路上超多的鴿子......很容易造成行車上的驚嚇。

IMG_3179.jpg
路上的鴿子相當多,在高速行駛時容易嚇到。
圖/ 陳君毅攝
往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

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
一次搞懂Vibe Coding
© 2025 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