全球塞港頻傳、供應鏈吃緊!長榮購入新貨機佈局後疫情貨運戰力
全球塞港頻傳、供應鏈吃緊!長榮購入新貨機佈局後疫情貨運戰力

後疫情時代,全球供應鏈將迎來新變局,過去某個國家大量生產製造的「世界工廠」模式,或許很快會被打破,朝向短鏈化、區域製造,來降低運輸風險。

未來幾年,運輸業的配置是否會重新洗牌,是一大觀察重點,過去以載客為營收主力的民航業者,自疫情爆發以來,都紛紛調整營運策略,過去只有五架全貨機的長榮航空,也陸續擴充旗下全貨機。上週,長榮航空第六架777F貨機返抵國門,未來計畫飛航亞洲及北美貨運航線。

瞄準貨運市場,新貨機陸續到位

目前,長榮航空旗下有五架777F全貨機,除了上週新交付的第六架,預計會分別在11、12月,交付第七、八架777F貨機,目標是緩解吃緊的航空貨運需求,以及提升未來獲利表現。

長榮航空總經理孫嘉明表示:「為因應未來的客、貨運市場變化,長榮航空在去年,就跟波音公司達成協議,除遞延部份尚未交付的787-10新機,並變更其中七架機型為三架777F貨機,及四架787-9 客機。」

根據國際航空運輸協會預估,今年全球貨運運量將超越2019年疫情前的水準,明年的貨量預估亦將增長4.9%。長榮航空今年前三季貨運營收新台幣551億元,年增64.8%,載貨量63.1萬噸,年增28.3%,貨運承載率為94.5%。

長榮認為,隨著全球COVID-19疫苗覆蓋率增加,各國重啟經濟活動,新引進的三架貨機陸續交機後,加上第四季為傳統貨運旺季,消費性電子產品如智慧型手機等新品上市,將推升航空貨運市場需求。

長榮航空
根據國際航空運輸協會預估,今年全球貨運運量將超越2019年疫情前的水準。
圖/ 長榮航空

展望明年在電商需求持續強勁,海運塞港及全球供應鏈吃緊的情況下,貨運運價預估仍將維持在高檔。另因應市場供需,長榮航空亦將機動增飛客機載貨航班及調整貨機航線,來優化航網,持續提升營運效益。

長榮在2017年,首度引進777F貨機,加上這次抵台的新機共計有6架,主要飛航洛杉磯、芝加哥、達拉斯、亞特蘭大、大阪、香港、上海浦東、深圳、重慶、新加坡、曼谷及河內等航點,每週超過40班。

在COVID-19疫情期間為因應貨運需求,另有三十三架客機以客艙載貨方式營運,主要飛航航點為洛杉磯、舊金山、西雅圖、溫哥華、芝加哥、達拉斯、休士頓、紐約、多倫多、亞特蘭大、布里斯本、阿姆斯特丹、巴黎及維也納等航點,每週逾50班。

長榮航空
這次新交付的777F貨機,載貨能力達102公噸。
圖/ 長榮航空

這次新交付的777F貨機,是全球最大的雙引擎全貨機,具有優異的節能環保性能,載貨能力達102公噸,滿載航程約為5,000海浬,配置與長榮航空現有的34架777-300ER客機所配置的發動機相同。

長榮認為,除了可降低維修成本之外,也讓公司機隊的發動機維修管理更有效率;在航員調度方面,777-300ER客機的飛航組員只要完成差異課程訓練,即可駕駛777F貨機,因此也可讓飛行員的人力調度更具彈性。

最新10月號雜誌《無程式碼時代來了!》馬上購:傳送門
「電子雜誌」輕鬆讀:傳送門

責任編輯:錢玉紘

關鍵字: #長榮航空
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