從專利談自駕車發展：跨技術、跨產業合作才是加速自駕車商業化的妙方|數位時代 BusinessNext

感測技術與人工智慧結合，幫助自駕車做決定

世博科技一共調查約8,000件與自駕車相關的美國專利，初步觀察許多專利都和系統及軟體有關，其中感測技術結合人工智慧（AI）是自動駕駛的核心，自駕車需透過AI來分析即時的感測資訊提升決策的可靠性，尤其當自駕車行駛在道路狀況不明的區域、特殊時段或季節時，若只依靠原始存儲在車輛中或從雲端定期更新的路況資料是不足夠的，更好的方法是透過多個感測器，包括光達（LiDAR）、影像感測器（Image Sensor）、毫米波雷達（Radar）、超音波（Ultrasonic）等，在車輛行駛間即時蒐集動態資料，讓AI可以同步使用資料描繪周圍環境，並經演算後向自駕車提供行駛建議與決策方向，以提高自動駕駛自主性與安全性。

若以Waymo的專利技術為例，其中包括針對周遭物體行為的預測來模擬車輛移動、預先對駕駛開車模式的分析學習，以及預測何時該把控制權交還給駕駛來處理緊急情況等。就好比今天自駕車在台北市與高雄市上路，兩個城市的駕駛開車習慣不同、行人走路節奏不同、對號誌燈理解不同等，自駕車必須於行駛中不斷蒐集資料，並自我學習來適應當下環境。

新一代通訊系統的加持，讓自駕車聯網更具可靠性

除了車上的感測技術及AI整合進化外，專利技術的演進也顯示出新一代的通訊系統扮演重要角色。 早期採用全球定位系統（GPS），但GPS的定位不夠精確，導致車輛位置錯誤，或衛星配置的變化對更新頻率較低的GPS造成延遲。從近幾年的通訊專利來看，透過3G及4G，或Wi-Fi與藍牙等通訊系統，車輛已經可和周圍的物體聯繫，但仍有延遲通訊及周圍環境資訊缺乏的問題，尤其是在緊急情況下，仍然無法有即時性的資料處理和交換。

為了解決上述問題，自駕車將需要一個更可靠的通訊系統來達成低延遲通訊和大頻寬數據傳輸，例如，當多輛車同時行經一個路口時，各車輛即時共享其感測器及分析資料，藉由資料的互相傳遞可以讓多輛車自動安排通過路口的行駛順序。這個通訊系統會隨著通訊技術標準的發展變得越來越成熟，其中包括IEEE 802.11p的專用短距離通訊（DSRC），或現階段標準制定組織第三代合作夥伴計畫（3GPP）制定的5G通訊標準，都能為所謂車聯網（Vehicle to Everything, V2X） 鋪路，而那些協助開發通訊產品技術的企業（例如高通、三星、夏普、華為）將是未來車聯網領域的重要推手。

傳統車廠與ICT公司相輔相成，引領自駕車進入市場

進一步觀察專利數量排名前30名的公司（參考下圖一），其中Waymo擁有512件專利（6.56%），位居第一。Cruise（3.87%）和福特（2.79%）分別排名第二和第三。豐田（2.71%）和本田（1.52%）則是第四和第五，隨後是IBM（1.51%），波音（1.37%）和Here Global（1.31%）等，資料顯示除了傳統車廠擁有自駕車相關專利，而其他產業（如資訊平台、電子零組件和機器人等）的企業也申請了大量專利。

傳統車廠花了多年時間研製Level 1和Level 2的自駕輔助系統（美國汽車工程師協會定義自駕等級從Level 0至Level 5，參考下表一），例如豐田的Toyota Safety Sense、福特的Co-pilot 360、福斯的IQ.Drive等，但是要提升到Level 3以上，存在著更大的門檻，Level 3的自駕車在某些情境已經不需要駕駛操控，除非系統認為需要駕駛介入時才會切換給駕駛控制。

為了達到Level 3以上，傳統車廠若判斷跨越門檻難度高，與其消耗龐大資源重新做起，不如投資具有技術底子的公司或進行共同研發，傳統車廠藉由與ICT（資訊及通訊科技）公司的合作，將各種ICT技術整合到自駕車中。舉幾個例子，通用汽車收購Cruise Automation加速自駕車研發；福特收購SAIPS年取得自動駕駛機器學習和視覺技術，並投資Argo AI將福特的自動駕駛汽車與機器人技術相結合；Tesla著名的自動駕駛控制系統「Autopilot」最初也是與以色列公司Mobileye合作開發的。

從自駕車專利涉及的產品技術來看，系統與軟體技術在自駕車發展過程展現高度價值，台灣企業若以ICT或AI這塊切入是有機會的。 建議不論從自駕車產業鏈的哪個位階切入，都可以事先調查專利資訊，方能掌握技術發展軌跡及競爭者專利布局，不僅加速研發，避免資源浪費，也能降低侵權風險。另一方面，擁有高品質與價值的智慧財產仍是未來企業持續爭取與大廠合作的關鍵點，因此必須思考如何強化自身專利組合，以確保當自駕車大舉進入市場時能有更多談判籌碼與營運獲益。

責任編輯：陳建鈞

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。