估值一度達到2億美元！為什麼明星自駕新創Drive.ai最終還是黯然收場？|數位時代 BusinessNext

曾經頗受矚目、估值一度達到兩億美元的Drive.ai，沒有能實現把自己的自動駕駛系統裝進更多車輛的夢想，而是賣給了蘋果，將在這個月底關閉公司。

蘋果確認了這樁收購，但是沒有公佈價格。消息稱，這樁收購併不是一個財務或者戰略上的體面退出，而是「Acq-hiring」，蘋果以一個比較低的價格，只接收了Drive.ai幾十名技術人才和產品設計師，還有它旗下的自動駕駛汽車和其他IP資產。

據加州就業發展部的一份資料顯示， Drive.ai已經向其提交了文件，將裁員90人，並且在6月28日永久關閉其位於矽谷山景城的辦公室。

Drive.ai

擁有世界級技術，曾被看好是明日之星

到目前為止，數名曾在Drive.ai從事數據、系統、軟體開發等方面工作的工程師已經更改了他們的LinkedIn資料，表示加入了Apple的「特殊專案」組。

蘋果內部確實有一個名為Titan的自動駕駛專案組，此前也曾經大規模裁員，但是這次對Drive.ai的收購，證明了蘋果並沒有放棄在自動駕駛領域的嘗試。

Drive.ai的上一輪融資還停留在兩年前，在自動駕駛這個動輒數億美金融資、競爭對手們都砸重金搶人造車的領域，它的資金壓力不可謂不大。

今年年初就已經有傳聞稱Drive.ai在尋找買家，但是有知情人士告訴筆者，只有蘋果真正和它進行了收購的談判，而且在過去兩週，Drive.ai就已經停止了營運。

Drive.ai的創辦人們也早就陸續離開。共同創辦人、曾擔任CEO的珊密·坦登（Sameep Tandon）已經於6月離開公司，另一位共同創辦人王弢（Tao Wang）則在今年2月就離開，從3月開始在一家沒有透露名字的公司擔任主任研發工程師（Staff Research Development Engineer）。

Drive.ai曾經是自動駕駛領域頗受矚目的明星新創。它是加州第一批拿到自動駕駛汽車測試許可的公司，幾位共同創辦人均來自大名鼎鼎的史丹佛人工智慧實驗室，是人工智慧學術和業界的紅人吳恩達的學生。兩年前，由於發現了深度學習在無人駕駛上的機會，實驗室的6個人全都在讀博士中暫停，一起成立了這家公司。

吳恩達本人也曾深度參與Drive.ai的創立和早期營運，在公司擔任董事席位，他的妻子、機器人科技專家卡洛·萊利（Carol Reiley）則曾擔任Drive.ai的總裁，但在2018年離開。

我們在Drive.ai誕生初期就一直關注它的發展，並且曾多次受邀體驗他們的自動駕駛汽車。

它主打用深度學習技術來打造自動駕駛的人工智慧系統，技術已經迭代到第四代，達到了L4 級別，也即高度自動化的全自動駕駛。

最開始，它的目標是「要做一輛用低配光達、便宜的照相機、Google 2D地圖就能上路」的無人駕駛車，想要用深度學習解決價格、認知準確性、商業模式可延展性三個問題。有新創團隊在史丹佛人工智慧實驗室的積累，Drive.ai的自動駕駛汽車在經歷兩個月開發後就上路，並且曾經因為成功挑戰「雨天黑夜」這個當時頗具難度的自動駕駛場景，吸引了不少關注。

發展到中期，Drive.ai開始進行軟硬體一體化系統的研發，並加上了「人車互動」這個新特性，希望能和商業車隊合作，提供自動駕駛解決方案，在商業模式上有所突破。

公司共同創辦人、前總裁萊利曾告訴我們，Drive.ai「不造車和傳感器，只是提供一個解決方案。現在希望先從商務車隊開始合作，包括包裹運送、食物運送、零售等。」他們希望和合作夥伴們一起先做到L4的程度，提高定位準確性，一起收集數據，然後不斷向外拓展，最終會再向消費者層級的L5 級進發。

去年7月，Drive.ai和德克薩斯州小鎮弗里斯科合作，在設定好的地理圍欄範圍內，為弗里斯科（美國科羅拉多州）至少1萬居民提供免費無人車叫車服務。

我們曾經在合作發布的現場，體驗了這個無人車叫車服務。

這輛用來當作公共運輸的車一共搭載4個光達、2個毫米波雷達和10個鏡頭，車身會搭載有四個LED顯示螢幕，用來和行人以及其他車輛進行溝通，來告訴人們車輛的意圖。

比如給行人讓路時，顯示螢幕就會出現「等您先過」的字樣，在接到和放下乘客的時候，也會通過顯示螢幕來打招呼和說再見。

另外一個創新在於，Drive.ai還提供了一個叫做Tele-Choice的遠程操控技術，會透過車子的鏡頭把周圍情況實時同步到辦公室裡，當遇到超常規的情況，車子認為應該由人類來進一步確認安全性，例如被警察揮手示意靠邊停車、或者在十字路口遇到複雜的局面時，會先停下來，尋求遠程操作員的介入。這樣就可以確保無人車在任何極端複雜或者罕見的情況下，都能夠得到有效的指令，讓乘客的安全得以保證。

自動駕駛領域已不純粹是技術的競賽

不過，這項合作在今年3月合約到期後就停止了。Drive.ai和德克薩斯州另外一個城市阿靈頓（美國維吉尼亞州）也有合作，為居民提供班車服務，但也在今年5月提前結束。

Drive.ai的黯然離場，並不能說明它自身的技術有問題。它的創辦團隊可謂是深度學習方面的專家。當他們還在史丹佛的時候，就曾經打造過世界上最大的神經網路。當時Google用1,000 台機器在Google大腦專案裡做了一個實驗，結果他們只用了16台GPU電腦就達成了這個效果，只花了十分之一的成本。所以前CEO坦登（Tandon）曾經接受我們採訪時，確定地說，他們絕對是世界上前幾強的深度學習團隊。

但是自動駕駛行業的競爭，隨著越來多的資本進入，也從最開始技術方面的競爭，開始演變為典型的資本方面的競爭：誰的資金更充足，就能招到更厲害的員工、打造更多的自動駕駛車輛，在研發、測試和商業拓展上跑得更快。

看看這條賽道上的其他玩家：Uber自動駕駛專案每月燒掉2千萬美元經費；Aurora從紅杉融了5.3億美元；福特將在4年內向Argo AI投資10億美元；Nuro從軟銀願景基金融資9.4億美元。

但自2015年成立以來，Drive.ai僅僅從GGV Capital、NEA、Nvidia及Grab等投資人處融了7,700萬美元。它最輝煌的時刻，估值為2億美元，公司擴張到180人。

但此後，它就沒有再更進一步。最近的一輪融資還發生在2017年9月，由東南亞的App打車公司Grab領投。

這樣的融資能力，顯然不足以讓Drive.ai和它的競爭對手們一起跑到最後。

在這樣殘酷的商業競爭裡，這家由史丹佛深度學習方面最聰明的天才們創辦的公司，就這樣慢慢地出局了，創辦人們也各奔東西。不知道他們還不會想起一起在史丹佛時，第一次成功改裝了吳恩達破舊的Toyota小車，讓它在道路上自動跑起來後，一起歡呼的情景。

本文授權轉載自：Pingwest

AI 正快速改變消費者探索商品、接觸品牌的方式，也為零售業帶來新的成長機會。然而，當 AI 從個人使用工具逐步走向企業營運，台灣零售業的轉型腳步仍有落差。財團法人人工智慧科技基金會《2026 台灣產業 AI 化大調查》顯示，台灣零售業的 AI 應用仍存在明顯差距，資源有限的中小企業尤其面臨挑戰。對照全球已有 62% 的企業開始布局 AI Agent、近五成運用 AI 投入高價值決策，如何將 AI 從單點工具導入，真正成為零售成長的助力，已成為品牌必須面對的課題。

全方位零售整合專家 SHOPLINE 於 9 月舉辦「AI-Verse Day 2026」年度大會，以「Where AI Meets Commerce」為主軸，邀集零售與科技業者，從流量獲取、數據應用到會員經營，探討 AI 落地零售場景的實戰路徑。服務全球累計逾 70 萬品牌的 SHOPLINE，也在會中宣布邁向 AI in Retail，推出官方 MCP（Model Context Protocol），進一步串聯零售數據與 AI 應用，協助品牌掌握新興 AI 流量入口，為下一階段的智慧零售布局做好準備。

SHOPLINE 預告：零售下一個流量入口是 AI

2026 年上半年，SHOPLINE 客戶 GMV 年增 20%，是電商大盤成長率的 2.5 倍。「這代表我們與品牌客戶一起把生意做大！」SHOPLINE 台灣總經理葉力維指出，從全球市場來看，尤其是以北美為主的 SHOPLINE 客戶，來自 AI 渠道的流量 PV 較去年同期成長 15 倍，訂單量更成長 35 倍；相較之下，台灣 AI 渠道流量 PV 約成長 2 倍，顯示 AI 導流的商業潛力正逐步浮現，台灣品牌仍有很大的成長空間。

當品牌越做越複雜，從多通路走向全域經營、數據與規模擴大，如何確保資料品質、打通資訊孤島，並兼顧資安與治理，成為 AI 能否真正落地的關鍵。為此，SHOPLINE 提出四大 AI 佈局方向：首先，建立 AI Ready 數據基礎，整合分散的零售資訊，為 AI 應用做好準備；其次，深化 MCP 布局，讓品牌能依照自身需求，自主選擇並串接不同的 AI Agent；第三，成立 AI 轉型委員會，將 AI 導入內部工作流程，推動服務模式從執行任務進一步升級為洞察客戶需求、提供策略建議；最後，擴大 AI 夥伴生態系，開放第三方開發者串接垂直領域的 AI 應用，讓品牌能更靈活地組合所需工具。

「過去十年，SHOPLINE 陪伴品牌走過每一次通路變革。每一次流量入口的改變，其實都代表著品牌經營方式的改變；而下一個入口，就是 AI。」葉力維表示，當 AI 開始影響消費者探索商品、發現品牌與完成購買的路徑，品牌不能只停留在導入單一工具，更需要提前整備數據、串接應用並建立治理能力。接下來，能否做好 AI Ready 的準備，將成為零售品牌掌握下一波成長機會的關鍵。

SHOPLINE 推官方 MCP，助攻品牌落實 Agent Ready

品牌該如何做好 AI Ready 的準備？SHOPLINE 產品副總賴哲文指出：「人、貨、場的接觸點沒有改變，改變的是誰做決定、誰做執行、誰做判斷。」

當 AI 逐步介入零售場景，消費者、員工與企業的角色也隨之改變：做決定的是消費者，當消費者問 AI「我該買哪個品牌」，品牌能否出現在答案裡是第一個挑戰；執行的是員工，員工則可將部分執行工作交由 AI 處理，將更多精力投入判斷與決策；做判斷的是企業，AI 能否提供可靠的洞察與建議，關鍵仍在於數據品質，以及能否有效運用既有數據資產。

要讓品牌被 AI 理解與推薦，品牌經營也必須從傳統 SEO，進一步走向 AIEO（AI Engine Optimization），讓商品與品牌資訊具備良好的結構與可讀性，才能提高被 AI 採用、推薦及導流的機會。對此，SHOPLINE 提出三層 AI Ready 架構：以「AI Ready Data」整合高品質、可供運算的零售數據；透過「AI Ready Commerce」讓商品資訊與交易流程能被 AI 理解和銜接；再以「AI Ready Agents」串接品牌自主選擇的 AI Agent，逐步將數據基礎延伸至實際應用。同時，SHOPLINE 也透過第一方數據歸因，改善消費者身分碎片化、數據時效性不足與成效歸因不清等問題，讓原始數據能進一步支援 AI 分析與決策。

在工具應用上，SHOPLINE 推出官方 MCP，涵蓋流量轉換、數據分析、商品管理與會員經營等場景。品牌可在 Claude 中透過輸入零售 skills，搭配 MCP Tool 的後台相關能力，進一步產出數據洞察報表與執行建議，讓 AI 從資訊整理延伸至實際的零售工作流程。為兼顧應用效率與資料安全，SHOPLINE 也設下三道防護機制，包括涉及資料寫入時須經人工核准、個人資料須取得授權才能存取，以及依照角色與需求進行權限分級。

「Agent Ready 就是入場券。」賴哲文強調，當 AI Agent 開始參與消費者決策與企業營運，品牌不只要讓 AI 看得懂商品，更要讓數據能被安全地運用、讓不同工具能順利協作。

除了產品之外，SHOPLINE 也致力發展 AI 開放生態圈，邀請各領域夥伴分享引流、口碑、營運與顧客經營的應用方向。此次大會邀請數聚國際、Tagnology、BUNNYWORK、beBit TECH 微拓科技，以及女性高效身體保養品牌 HYPHY，攜手展示 AI 如何串聯流量獲取、行銷轉換到顧客經營等零售場景。

Justar 運用真實發票數據，提升廣告投放效率

廣告投放端同樣面臨轉變。「市場愈來愈大，轉換效益卻愈來愈低。」紅門互動及Justar 數聚國際執行長張元溢分析，投放效率下滑，源於成長結構改變：影響消費者的場域更分散，找人的方式從興趣推測走向真實行為，素材也無法一套打完全場。

對此，Justar 運用 AI 結合電子發票數據，以 AI 廣告投放平台結合全台規模領先的雲端發票消費資料庫，涵蓋超過 20 億筆雲端發票、700 萬名消費者及 3,200 萬項商品。其「AI 廣告受眾推薦引擎」可依商品特性生成受眾輪廓（Persona），比對發票資料庫、找出真實買家作為種子受眾，而非僅依賴瀏覽紀錄或興趣標籤，再由 AI 自動擴充相似受眾、生成並優化素材，並依成效動態調整投放策略與預算配置。

張元溢強調，從真實種子到規模化放大，重點在於找到更多相似的人。同時觸及也須走出社群，延伸至 RMN 聯播網、社區 App 廣告與戶外媒體。他以「三人成虎」形容，藉創作者短影音加上跨場域廣告加深印象，才能為品牌實現「線上找到人，線下讓他記住你」的成效。

BUNNYWORK 推 AI 營運特助，主動預警缺貨與滯銷也發掘成長機會

除了行銷之外，AI 也開始深入零售業的日常營運，協助品牌從事後處理走向事前預測。BUNNYWORK 創辦人周于如指出，電商營運常面臨幾大痛點：商品售罄後客戶問了才發現缺貨、補貨數量仰賴 Excel 與個人經驗判斷，滯銷商品也往往要到季末才浮現。「營運方式不同，留下的利潤差很多。營收決定你做多大，營運才決定你能留下多少利潤。」

針對這些痛點，BUNNYWORK 推出定位為「會思考的電商 AI 特助」的解決方案，目標是讓電商營運進入「自動駕駛」。傳統 ERP 只負責被動紀錄營運數據，BUNNYWORK 則讓 AI 24 小時主動盯盤：根據銷售數據提前發出缺貨預警、產出補貨建議單，並每日掃描商品銷售速度，一旦偵測到滯銷風險，即透過 LINE 推播提醒品牌及早規劃促銷、加速庫存去化與資金回流。除了提前規避風險外，AI 也幫助電商看見潛在機會：偵測到爆款潛力的商品，提醒品牌提早加碼備貨、調整廣告資源，把握成長時機。

至於 AI 為什麼能提供可靠的營運建議？背後仍取決於數據基礎。周于如解釋，ERP 串聯商品、銷售與庫存等不同環節的數據，並即時同步多通路的商品與庫存資訊，讓 AI 掌握完整且即時的營運全貌，同時降低超賣風險。「唯有建立乾淨、即時的資料基礎，AI 才能進一步辨識缺貨與滯銷風險、並發掘銷售成長機會，協助品牌提前應對、做出更精準的決策。」目前品牌平均約 7 天即可完成導入。

精兵團隊導入 AI，解決流程瓶頸再創高成長

從流量獲取到營運效率，AI 的價值最終仍須回到顧客經營與商業成效。大會壓軸的高峰沙龍回到會員經營。beBit TECH 商務長譚學凱指出，OmniSegment CDP（顧客數據平台）能整合分散的顧客資料，建立 360 度顧客輪廓，進一步支援跨渠道的精準經營；旗下導購型 AI Agent「AgentBit」，提供對話式分眾，讓使用者與 AI 對話就能快速打包推播受眾，不再需要手動設定篩選條件；商品興趣預測則以 AI 學習客戶的行為軌跡，自動將高相關商品推送給高潛力買家；AI 智慧分析更只需透過問答，即時分析品牌檔期成效與提供優化建議，並能一鍵調整現有顧客旅程。透過 CDP 與 AI 功能加乘，大幅提升行銷團隊協作效率，並支援逾 2,000 種 OMO 跨通路智慧推播，協助品牌更有效地觸及目標客群。

HYPHY 品牌共同創辦人林又立分享，品牌長期透過 LINE 經營千人會員社群，希望在規模化經營的同時，仍保有一對一對談的親切感與即時回覆的能力。導入 AgentBit 後，團隊能透過 AI 對話快速完成受眾分群，並取得具體的行銷優化建議，降低操作門檻。以單檔活動為例，LINE 發送量僅為原先的 15%，點擊率卻提升 227%，EDM ROAS 更提升至原先的 3.3 倍，展現 AI 協助品牌提升溝通效率與行銷效益的潛力。

對於資源有限、希望嘗試 AI 的品牌，林又立也分享了務實的做法：「不要一開始練跑就想著今天要跑全馬，先踏出第一步，把目標定在到達下一個電線桿就夠了。」與其一開始就追求全面轉型，不如從具體的營運需求出發，逐步找到適合 AI 發揮的場景。

活動尾聲，葉力維也提醒，品牌導入 AI 前，應先盤點內部工作流程，找出真正影響效率與成效的瓶頸，再思考如何運用 AI 改善。「那就是你最該導入 AI 的地方。把 AI 放在流程上，才是關鍵。」與其為了導入 AI 而導入 AI，先解決實際問題，才能讓技術真正轉化為營運成果。