MIH首次會員大會登場,電動車、大巴模型曝光!但聯盟怎麼運作還是霧煞煞?
MIH首次會員大會登場,電動車、大巴模型曝光!但聯盟怎麼運作還是霧煞煞?

走進松菸三號倉庫,搖曳的燈光、筆直的伸展台,配上節奏感強烈的音樂,這不是服裝發表會的現場,而是MIH聯盟首次的會員聚會(MIH Alliance Member Gathering),執行長鄭顯聰穿著一身黑走上伸展台,「今天是一個輕鬆的場合,大家不要當成是官方活動。」

或許是不熟悉這樣的場合,鄭顯聰剛開場神情略顯緊張與不自在,接著,他向台下的聯盟成員,分享這半年來最新的進展。

MIH聯盟
成立半年,MIH聯盟在松菸舉行首次會員聚會。
圖/ MIH聯盟

外界常常會混淆鴻華先進,跟MIH聯盟之間的關係。

鴻華先進是鴻海與裕隆合資的子公司,MIH電動車開放平台為鴻華所有;MIH聯盟則是一個完全獨立的組織,以MIH電動車開放平台為基礎,成立的目的,在於讓各個領域的軟硬體合作夥伴,一起共同發展電動車產業,除了讓軟體創新企業擁有發揮的舞台之外,同時也提供傳統汽車供應鏈在軟體定義汽車趨勢下的一個轉型的機會。

去年10月在鴻海科技日上,MIH聯盟正式出現在大眾視野,成立短短不到6個月,截至目前,已經超過1200家聯盟成員。

MIH聯盟
成立約半年,MIH聯盟聯盟成員已經超過1200家。
圖/ 螢幕截圖

根據官方資料,參與的廠商橫跨歐洲、亞洲、非洲、大洋洲及北美洲共43個國家地區,產業涵蓋軟硬體、服務等領域(硬體90%、軟體10%),此外,傳統車輛產業佔67%、資通訊產業佔13%、網路軟體產業10%、其他類10%。

最新的進展是,MIH聯盟預計在10月發布New EVKit,並計劃在2022年推出電動大巴(E-bus),2023年C級距電動車(Model-C)就會量產上市。

活動上,鴻華先進總經理李秉彥介紹了兩款參考車型,現場也擺放了實體模型車。

MIH聯盟
活動上,公布了C級距電動車的參考車型。
圖/ MIH聯盟

延伸閱讀:鴻海MIH有馬達助攻!鴻華先進攜手日本電產,會員大會分享合作成果

這兩款車型平台跟零件,都是可以讓聯盟成員共用的,「以MIH底盤平台為例,有50%到100%的平台元件共用率,可大幅降低開發成本、縮短開放時程。」

舉例來說,廠商可以依照自己的設計,更換不同的車燈、保險桿以及車殼樣式;對供應鏈來說,用規格化、標準化方式開發產品,可以快速將產品銷往海外市場。

MIH聯盟
台灣將在2030年將巴士全部電動化,MIH聯盟也推出巴士的參考車型。
圖/ MIH聯盟

李秉彥說,台灣將在2030年將巴士全部電動化,希望透過這款參考車型,替台灣巴士產業注入新活力。未來,還會持續推出更多參考車型,邀請夥伴共同開發。

聯盟成員該如何合作?會中沒答案

MIH聯盟雖然是由鴻海所推動,但未來會以獨立的方式運作,聯盟預計會在6月舉行聯盟大會,並在7月正式成立,

MIH聯盟執行長鄭顯聰說,過去鴻海有ICT產業的經驗,未來會以創始成員的身分,繼續待在聯盟中,「重點是替大家找商機、找出海口。」至於未來組織結構運作的方式、是否會上市等相關細節,官方預計會在六月左右對外公布。

首場的會員線下聚會,大家最關心的議題,是MIH聯盟的成員彼此之間該如何合作?以及上千家的廠商該如何整合?超過兩個小時的活動中,花了將近八成的時間,讓各家廠商上台宣傳、播放祝賀影片,都沒有詳細說明細節,無論是現場參與的廠商,或是線上觀看直播的網友,都留下滿頭問號。

《數位時代》訪問了今天與會的MIH聯盟伙伴,廠商則表示沒有料到是這樣夜店風的安排,他們帶著希望理解HOW(聯盟如何運作)的期望而來,但可惜現場談得不多,出席的業者對車聯網也相當關注,對於車聯網在自駕平台上是主要還是次要功能期望有更多瞭解,更希望知道究竟何時會有具體的技術討論。

在鴻海官方提供的新聞資料中,僅有針對「同性質的廠商,該怎麼在聯盟合作呢?」進行說明。

官方的說法是,聯盟中同質性的夥伴,所提供的產品有競爭力比重差異,舉例來說,有性能好價格較高、有著重經濟性實用性的等等,這時將兩家組合在一起時反而成了一種互補的效果可以共同提供不同選擇。在產品真的大同小異時,也提供了一個良性競爭的環境提升產業競爭力。

劉揚偉:要成功必須掌握三大原則

隨著世界主要大國,紛紛提出禁售燃油車的時程,蘋果、小米等科技公司,相繼宣布投入電動車技術研發,未來3~5年將能看到電動車產業爆炸性的成長。

鴻海董事長劉揚偉說,MIH聯盟的成立,要非常感謝裕隆集團執行長嚴陳莉蓮,「如果沒有過去裕隆研發的基礎,就沒有今天的MIH。」

劉揚偉說,過去台灣因為市場小,汽車產業很難做B2C市場,但現在用電動車平台的概念做B2B生意,將人才聚集起來,會是一個非常適合台灣發展電動車的商業模式。

「電動車是台灣的歷史新機遇,」劉揚偉說若是要成功,必須掌握三大原則。

首先是「開放」,透過平台模式,讓成員功能分享資源、改善缺失,避免軟硬體重複投資,還能降低開發成本、縮短開發時程,讓電動車產品更快進入市場。

第二原則是「出海口」,劉揚偉認為MIH聯盟不能只是扮演制定規範的平台,必須要能掌握出海口,讓會員加入後生意變更大。

第三是「中立性」,平台發展要強,就必須維持中立性,MIH聯盟最初雖然是由鴻海催生,但在七月後會變成獨立組織,「2021年是MIH在電動車扎根的原年。」劉揚偉滿懷期待的說。

責任編輯:錢玉紘

關鍵字: #鴻海 #裕隆
往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

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Vibe Coding
© 2025 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