替Uber「大車隊」暖身?交通部開放多元計程車免跳表、APP算車資
替Uber「大車隊」暖身?交通部開放多元計程車免跳表、APP算車資

交通部3日發佈新聞稿,預告修正「汽車運輸業管理規則」,將放寬多元計程車免裝計費表,可透過APP「預報」車資、計算實際乘車費用,和現行小黃的「預估」車資做出區隔。此外,多元計程車業者可依照車型、市場需求等因素自訂計費方式,但不得低於各地方政府核定費率。

多元計程車修法「免跳表」,費率調整才是真難題

「彈性費率」是Uber主打的演算法機制。消費者僅需輸入上、下車地點,系統會以附近可載客車輛多寡、叫車人數、行駛距離等因素即時計算車資。以台北市捷運大湖公園站至國父紀念館站為例,4日凌晨12點多搭乘「菁英優步」的報價為230元。

現行多元計程車的計費方式,比照一般計程車跳表,雖開放車隊自訂費用,價格彈性卻很有限,業者多半選擇在跳表價區分尖峰、離峰,或直接把跳表費用乘上固定費率。

台灣大車隊預估車資
多元計程車能透過APP預估車資,但金額範圍大,且最後實際搭車跳表的價格,不見得與預估數字相同。
圖/ 台灣大車隊APP

同樣是凌晨自內湖到台北市區,以台灣大車隊為例,豪華車型多元計程車費率為跳表金額1.4倍,雖然也可預估車資,但金額浮動差異不小,落在378至497元之間,且會註明「實際車資以服務總里程計算為準」。消費者最終還是要看跳表價,預估車資僅能用來參考。

此次修法後,搭多元計程車可省去跳表方式,比照Uber「估多少付多少」。不過,由於主導計程車價格的主管機關為各地方政府,即便Uber最終選擇成立大車隊,能否順利爭取到理想的彈性費率方式,仍是未知數。

交通部表示,目前多元化計程車已有預估車資功能,為了更貼近消費者期待,再放寬多元化計程車可使用APP預先報價,讓民眾在搭車前就能充分瞭解乘車價格,減少雙方爭議。

今年5月,交通部訂定「Uber條款」—「汽車運輸業管理規則」103-1條修正草案,將於公告期滿的10月初正式取締,依法可開罰9千至9萬元罰鍰。

面對台灣政府開出的合法期限,至今Uber仍在積極溝通,尚未點頭成立計程車隊,但透過聲明表示「我們樂見交通部肯定科技可以協助提升消費者選擇和交通產業轉型。這是第一步,但還有需要解決的問題。我們期待與交通部和計程車產業持續努力,確保平台駕駛和合作租賃公司順利轉型。」

據了解,Uber合法化的卡關原因,除了他們擔心未來費率計算方式和現行機制差距太大,另一點則是想避免在全球開啟成立計程車隊的先例。

一直以來,Uber都希望在各國以「網約車」形式符合法令規範,即便與小黃車隊合作推出Uber Taxi服務,也是藉由平台替計程車隊、司機招攬生意。

交通部推動多元計程車至今約3年時間,全台僅有約2,000輛加入。此次修改法規讓APP能計算實際車資,看似是替Uber合法大門開了縫隙,但最終大結局如何,還有得吵。

責任編輯:蕭閔云

關鍵字: #Uber
往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

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
一次搞懂工業AI
© 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