電動車大爆發，偷車賊反而失業被駭客取代！如何防範被「隔空開車」？|數位時代 BusinessNext

電動車大爆發，偷車賊反而失業被駭客取代！如何防範被「隔空開車」？

以前要偷一台車，需要具備開鎖的技巧，未來要偷一台智慧電動車，甚至不需要碰到車體就能「隔空取車」，而偷車賊，恐將成為電動車浪潮中，最先失業的一群。

當汽車變智慧，只需一台電腦就能偷車

福特汽車執行長法利（Jim Farley）在近期法說會上指出，發展電動車的重點不在電池和馬達，而是輛數位化和新的使用者經驗，換言之，電動車依賴自動駕駛系統的程度，將是前所未見的高。

自動駕駛系統如果當機，不僅只是車主吃不到美味的土魠魚羹，更可能演變成行車意外事故，甚至成為駭客攻擊的目標。以前要偷一台車，需要具備開鎖的技巧，謝昀澤分享，要偷一台智慧電動車，甚至不需要碰到車體就能「隔空取車」。

舉例來說，駭客可以透過車輛免鑰匙啟動系統、車用電腦作業系統、車用通訊、車用無線網路等發掘多處漏洞，在電動車充電時，就能入侵車用電腦，進一步控制車窗、空調、剎車系統，影響行車安全。

此外，未來汽車將由「軟體定義價值」，以特斯拉為例，透過「空中下載」（Over The Air updates, OTA）方式，就能直接更新軟體升級車輛性能。

謝昀澤說，這種以「遠距軟體升級以改善實體性能」方式很方便，但他也擔心，過去曾發生台灣知名品牌電腦的軟體更新主機遭入侵，駭客藉由線上更新管道，於百萬台筆電偷散布後門程式的事件，因此車輛的OTA系統，是否成為未來駭客的新破口？非常值得關注。

此外，以後的汽車，將透過V2X（Vehicle-to-Everything）技術溝通，V2X可以再細分為車對車（V2V）、車隊基礎設施（V2I）、車對人（V2P）、車對摩托車（V2M ）這幾大類別。

KPMG安侯數位智能風險顧問公司創新服務總監林軒宇預測，在這樣的互動架構下，只要有一台車出現可利用的漏洞被攻破防線，駭客還可能擴大惡意程式感染範圍到一群車輛，甚至與車輛相聯的其他物聯網應用上。

電動車結構大不同，偷車賊「被迫失業」？

當電動車成為駭客眼中的新肥羊，謝昀澤開玩笑地說：「傳統偷車賊會被駭客所取代，面臨失業的風險。」

電動車將變成駭客眼中的新天地，謝昀澤認為，從遠端入侵汽車的方法，與其他物聯網設備的攻擊比較，「應用技巧不相同、邏輯步驟很類似」，都尋找可突破的單點，先嘗試縱向取得管理權限，再橫向擴大感染範圍，嘗試控制車輛內部其他系統。

林軒宇提醒，台灣參與電動車產業的零件及服務供應商，在設計產品時，一定要加入資安考量，在汽車開發、設計、生產及售後階段，事先識別和管理車聯網，及智慧車輛本身所面臨到的各項數位風險，並確保風險已得到適當管理或回應。至於實際作法，業者應密切注意已經或即將公告的汽車產業資安國際標準或法規。

責任編輯：錢玉紘

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。