測試將長達一年!500位市民試搭後,「無人公車」何時能落地?北市府未來還有4大挑戰
測試將長達一年!500位市民試搭後,「無人公車」何時能落地?北市府未來還有4大挑戰

車身散發著淡淡藍光,這台深夜穿梭在台北市信義路上的小巴,充滿未來感。

這是台北市政府與新創台灣智慧駕駛(以下簡稱台智駕)合作,展開為期一年的「夜間自駕巴士測試」計畫,選在深夜於在台北市信義路公車專用道測試,開放一般民眾免費申請搭乘。

台智駕_5G智慧公車
圖/ 台智駕

今年以來,《數位時代》採訪了台智駕團隊兩次,分享他們如何從零開始,一步步成為「無人車國家隊」,也帶讀者進入5G與自駕車結合的未來世界。

延伸閱讀:無人公車開放免費試乘,預約方式、路線一次看!究竟「幽靈巴士」是怎麼開的?

而回到最初的原點,台北市政府為何要花一整年,測試無法立即落地、成為政績的無人小巴,站在公部門的角度,他們究竟在想什麼?

解決方案不會橫空出世!城市就是最大試驗場

「許多政策,本來就比較實驗性!」才剛走進台北市資訊局辦公室,局長呂新科就急著解釋了這麼一句。

花一年測試無人小巴,至少兩年才有機會正式上路營運,成為北市公共運輸的一環,一派意見認為,現階段的測試與目前市政關聯性不大,應用也不能直接落地,為什麼要做?

「產業解決方案不會橫空出世。」這就是呂新科的答案,現在每天深夜在信義路上的測試,就是為了提供無人車技術有實際的磨練場地,替未來台灣無人車產業生態鏈,慢慢紮穩地基,整座城市就是技術最好的驗證。

之所以會有在信義路測試無人小巴的構想,起源於立法院在2018年三讀通過《無人載具科技創新實驗條例》,北市資訊局在隔年七月,公告「臺北市智慧城市產業場域實驗試辦計畫_自動駕駛車輛場域創新實驗」申請辦法,鼓勵自駕車業者,向北市智慧城市專案辦公室(TPMO)測試,最終由成立兩年的新創台灣智慧駕駛公司,拿下合作。

北市資訊局局長局長呂新科
台北市資訊局長呂新科認為,透過實驗性的政策,民間企業可以把產業能量、創新思維帶入公部門。
圖/ 攝影 / 侯俊偉

這麼做的好處是,民間企業可以把產業能量、創新思維帶入公部門,讓市府用更大的視野解決市政問題,公部門也能增進對新技術的理解,讓政策制定更貼近現實;新創則能夠透過實際案例,減少研發產品與落地應用的落差。台北市的交通屬於混合車流條件的場域,比起國外城市來的更具挑戰,非常適合用來「磨練」無人車技術。

政府出題,無人小巴也解決那些問題?

其實,無人小巴測試計畫是台北市智慧城市發展的其中一環,為了不讓創新科技成為空談,與實際政策更有連結,呂新科採取的策略是「政府出題,民間解題」。

北市府先提出市政遇到的問題,再由新創來申請參與,透過公部門與新創協力的方式,驗證新科技在城市落地的千百種可能。

北市交通局科長鍾惠存表示,這次出的題目,涵蓋了四大面向,包括:「補足離峰時間公共交通運輸不足」、「捷運轉乘接駁」、「駕駛不足」以及「延長交通服務時間」。

以上4個都是可以透過無人小巴有效解決的問題。目前僅在公車專用道上測試,因為路線固定,道路狀況比較單純,台智駕執行長沈大維就看好,未來無人小巴可以變成「類軌道運輸」,在連捷運都打烊的深夜,持續提供公共運輸服務,也解決了駕駛人力不足的問題。

許多新創研發出新技術時,時常苦無驗證的場域,或是遇到行政程序的困難,在公私協力的合作模式中,台智駕團隊提供在自駕車技術上的專業,市府的角色是提供場域協調及行政協助,鍾惠存認為,這可以快速解決新創驗證新技術的痛點。

北市交通局鍾惠存科長
北市交通局科長鍾惠存認為,許多新創在做技術驗證時,常會遇到場域協調及行政上的困難,這也是這次市府能夠提供最大協助的地方。
圖/ 攝影 / 侯俊偉

舉例來說,信義路公車專用道在凌晨時段是可以開放一般車輛行駛的,但為了這次實驗,北市交通局做了用路變更,讓信義路公車專用道全天禁止一般車輛通行。

此外,台灣智駕也依申請,於測試沿線重要路口等必要地點設置告示牌,提醒用路人提前注意;同時在信義敦化及信義光復路口增設V2X感測裝置,針對橫向車速及行人進行辨識,市府也協助提供信義路沿線號誌秒數資訊於台灣智駕作為辨識運用。

每晚平均72人試乘,蒐集數據替正式上路暖身

從9月30日起,每週平日凌晨開放民眾預約體驗試乘。事實上,在正式營運前,在5月~8月之間,台智駕團隊已經測試了共 70 趟次,驗證包括定速巡航、自動維持於車道行駛、自動號誌停等、自動遇障礙物停等與定點停靠等項目,確保安全。

截至目前,雖然開放試乘的時間仍不長,不過交通局表示,每天晚上平均都有72位市民朋友預約試乘,截至10月23日已有近500人次的搭乘數,這些市民大多都是對新科技有很高的興趣,試乘期間也會跟隨車人員提問自駕車技術問題。

呂新科說,未來一年每個晚上的測試,都是在累積數據,幫助台智駕團隊做技術校準,對市府來說,也希望透過民眾體驗搜集相關回饋,以作為未來是否發展成常態性營運的參考。

市府可以更準確掌握新技術的發展,交通號誌就是一個例子,為了確保自駕車可以正確判斷號誌,就必須跟廠商不斷做協調與實驗,彼此可以有更多理解。

無人小巴要上路,還有四大挑戰

北市府也從測試中,歸納出發展自駕車運輸的四大挑戰。

首先是技術層面,自駕車技術在國際仍欠缺統一及公認的驗證標準或認證機構,國內自駕車團隊也多參考國際自駕車大廠的作法擬定規劃,但無論是中央、地方政府或是自駕車團隊,在沒有正式的國際標準規範下,現階段都僅能透過不同情境或場域的測試累積,以提高自駕技術及應變能力,並降低人工介入的次數。

第二是營運層面,北市對於自駕車的定位為提升夜間大眾運輸服務,因此公車營運業者的角色也很重要,但目前發展自駕車技術的都是科技廠商,如何讓公車業者投入此領域,有人力、成本及維運專業上的考量,都是政府與產業未來需努力的部分。

自駕公車
北市府認為,目前發展自駕車技術的都是科技廠商,如何讓公車業者投入此領域是挑戰。
圖/ 台智駕

第三是服務層面,提供市民自駕巴士服務,安全與信任是政府單位必須重視的關鍵,透過這次試辦,能進一步了解民眾對於自駕巴士的期待與看法,也了解產業技術的成熟度,同時評估導入此服務後續的營運成本以及作為串接大眾運輸的可能性,藉以提升整體服務能量,加速自駕產業發展。

最後是法規面,自駕巴士要真的上路提供服務,還需待相關交通管理條例、責任關係、保險體制、數據保存與資安議題等規範修正與完備。

發展自駕車,台灣的優勢這裡

事實上,台灣發展自駕車產業,是非常具備優勢的。呂新科分析,台灣新創維持很靈活、有創意、敢挑戰跟冒險的特質,以這次的測試來說,台智駕本來是用4G的通訊設備,與導路旁的路側設備溝通,過程中發現反應有些延遲,很快的就做出修正,導入5G設備。

加上本身有很強的資通訊(ICT)技術與產業鏈,「未來發展自駕車產業,是很樂觀的。」此外,台灣盪路設計多為混合車流情境,跟許多國外的交通環境不同,對自駕車來說,雖然會增加運作、判讀上的難度,卻也是優勢,能夠訓練系統面對各種複雜的道路狀況。

呂新科認為,然而隨著5G技術與設備逐漸成熟,可以加速車聯網應用,如車對車、車對人、車對號誌、車對雲等發展,未來台灣可善用軟體開發與系統整合之優勢能力,並利用多元情境的測試機會強化實力,以此吸引國際大廠投資,成為自駕車產業國際供應鏈的一部分。

責任編輯:錢玉紘

關鍵字: #自動駕駛
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 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