中國軍方憂特斯拉有洩密風險，馬斯克急澄清！一台電動車為何會有間諜疑慮？|數位時代 BusinessNext

搭載多個鏡頭持續錄影，中國懷疑特斯拉有竊密疑慮

看見路上奔馳而去的特斯拉，你是否擔心過這輛配備多個鏡頭，能夠連接網路的電動車，有被有心人士利用的風險？《華爾街日報》指出，中國祭出這項管制措施，是基於先前一次針對特斯拉電動車的資安審查。

有中國官員指出，特斯拉電動車配備的鏡頭可以持續紀錄影像畫面，以及拍攝影像時的時間地點，並能夠連接車主手機取得聯絡人等資訊，他們擔心部份資料可能會被傳回美國。

電動車已經不只單純是動力系統轉化為電池為主的車輛，也往往配備聯網功能、無線更新服務，甚至是自駕功能。

2019年的特斯拉自駕日上，馬斯克曾表示，「光達只是在白費功夫，任何仰賴光達的人都註定失敗。」馬斯克對光達的屏棄態度，也導致特斯拉搭載了比一般電動車更多的攝影鏡頭。

根據特斯拉的官網資料，為支援Autopilot自駕系統，特斯拉旗下車款都配備8個鏡頭，以掌握250公尺內360度的視覺影像，並輔以12個超音波感測器、1個前置雷達。這些鏡頭紀錄下的資訊也都會回傳至特斯拉，成為改善自駕系統的依據。

中國已是特斯拉第二大市場，馬斯克澄清「從事間諜行為公司就會被關閉」

中國作為全球最大的電動車市場，已是特斯拉僅次於美國的第二大市場，2020年在當地銷出14.7萬輛車，佔據整體交車量的4分之1以上，Model 3也是去年也是中國銷售最佳的車款，光上海廠出品的Model 3就賣出13.7萬輛。

中國已是特斯拉出貨量成長的重要動能，維德布什證券分析師丹．艾夫斯（Dan Ives）更預測，中國市場對特斯拉的重要性將逐漸加深，預估2022年時特斯拉的總出貨量，將有40%仰賴中國。

《路透社》指出，在爆發遭到中國政府懷疑有間諜風險後，馬斯克於上週末舉辦的中國發展論壇上宣言，特斯拉絕不會為美國或任何國家收集資訊，否則公司將會被關閉。

「我們對任何資訊都非常保密。」馬斯克在論壇上表示，「假如特斯拉在中國或任何地方從事間諜行為，我們會關閉公司。」這番話也不禁讓人聯想起華為創辦人任正非接受《BBC》採訪時，也曾強調絕不從事間諜活動否則將關閉公司。

時機湊巧的是，在特斯拉爆出遭受中國政府管制的消息時，中美阿拉斯加會晤才不歡而散，也引發外界聯想。而馬斯克也在論壇上呼籲中美之間應建立信任關係。

電動車資安疑慮成議題，日韓擬今年修訂相關法規

即使先撇除中國對特斯拉可能從事間諜活動的疑慮，電動車儼然已是有著4個輪子、搭載大量鏡頭的電腦，其資安問題的確也該受到重視。

實際上，去年7月聯合國就祭出新規定，要求日本、韓國、歐盟等地的車廠必須保證聯網汽車的資訊安全，並確保供應商落實資安措施，避免產品遭受有心人士網路攻擊。

日本及韓國都計畫在2021年推出聯網汽車的資安法規，而歐盟則計畫於2022年制定相應規範。

顧問公司麥肯錫合夥人剛博特．斯科夫（Gundbert Scherf）指出，因為汽車變得越來越先進、複雜、脆弱，因此汽車產業正受到越加嚴格的監管。他們預計汽車產業花費在資安上的費用將在未來10年成長一倍，在2030年達到97億美元的規模。

今年3月初，建立MIH開放電動車平台的鴻海，也倡議成立電動車產業資安聯盟，成員包括台灣微軟總經理孫基康、VMware總經理陳學智、鴻海研究院院長劉揚偉等25位科技界巨擘，要讓台灣能夠在電動車產業的資安議題上，成為領先者。

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。