驅動世界的嶄新見解
驅動世界的嶄新見解

研究未來自動駕駛的重要學習:重視資料傳輸與資料主權的企業將能提高企業價值。

是否還記得上回開車的沿途風景?或許當時風光明媚,路途順暢。旅途中,你可能發現晴空萬里的海濱美景或是綠意盎然的鄉間小徑。然而,天卻總有不測風雲,並非每次的旅程都是如此愜意,有時我們會因為路況而必須調整行程。

正因為無法完全預測路況,汽車製造商正全力開發可預防意外發生的工具。但究竟該如何在毫無徵兆,突然遇到闖紅燈的卡車或結冰路面的情況下,確保駕駛人的安全呢?

數據資料就是關鍵。

不論是傳統燃油車、連網汽車或自駕車(AVs),都需要大量的道路測試資料,以確保行車安全。當車輛偵測與預測功能越敏銳,旅程就越安全。因此,資料洪流亦可說是未來汽車的另一種燃料。

shutterstock_559844623_big data.jpg
數據資料不僅用於行銷、廣告、零售業等,對於汽車產業也有很大的重要性。
圖/ Shutterstock

忽略資料將會「鑄成大錯」

成功的企業都清楚現今這世界皆仰賴資料在運作,因此,資料不足將是企業的一大致命傷。麥肯錫顧問公司也提出警告:「至今多數汽車製造商都忽略了車用資料背後的龐大商機,與其他積極從資料中汲取企業價值的產業相比,可說是項重大疏失。」

幸好,對汽車製造商與其他所有產業而言,只要是有助於人類社會發展的資料都藏有提升企業價值的潛力。

消費者對於聯網汽車與自駕車越來越有興趣。麥肯錫顧問公司在2020年的調查中發現,有37%的受訪者表示願意為了連網功能選購其他汽車品牌,更有39%的消費者在購入汽車後願意嘗試車中更多的數位功能。

Fortune Business Insights的研究也指出,預計全球聯網汽車市場將從2021年的597億美元成長至2028年的1918.3億美元,年複合成長率高達18.1%。

然而,儘管聯網汽車與自駕車有助於環保、提升安全並開放創新,但若未善用這些富含資料的洞察並控制演算法,就先在全球部署這些新技術,反而可能帶來負面的效果。

如何善用資料將是決定自駕車成敗的關鍵。設計出更強大的連網功能,並推出Level 2至Level 5的自駕車是一個需要大量資料的學習過程。而攝影鏡頭、光達與超音速感測器等裝置將會擷取大量的非結構性資料集

若要成功利用自駕車研究案例的資料,就必須將這些資料傳送到能被擷取洞見的地方。而若研究車輛若要進行更高等級自駕技術的測試,現場資料必須能從車庫上傳至雲端,以進行機器學習(ML)處理。

攝影鏡頭、光達與超音速感測器等裝置將會擷取大量的非結構性資料集。
攝影鏡頭、光達與超音速感測器等裝置將會擷取大量的非結構性資料集,能否善用這些資料將是決定自駕車成敗的關鍵。
圖/ 作者提供

大量資料等同於大好機會

請記得,這些資料將在複雜且擁擠的環境中傳輸。

從自駕車攝影鏡頭等端點上傳至雲端的資料集,急遽龐大,日益壯觀。多數資料都存放在多雲與邊緣兩地。不論遠近,資料量呈現前所未見的成長。光是今年,全球企業資料量平均年成長率高達42%,其中僅有32%的資料受到運用,台灣的比例更低,只有 30%。IDC研究發現企業具強健資料維運(data operations)的能力以運用資料,將可提高營收與顧客滿意度。大量資料就是大好機會。

要掌握機會,蒐集到的資料就必須快速傳輸到能夠安全利用的地點,最好是鄰近該應用場域。

汽車製造商使用研究車輛來微調自駕車解決方案,做好將來上路的準備,而資料正是其中成敗的關鍵。平均每台研究車輛能收集30TB至50TB的資料,最高可達150TB。10至20輛搭載先進駕駛輔助系統(ADAS)的研究車隊共能收集約1.5PB的資料,這些資料需要傳輸到公有雲上進行AI/ML工具運算。但首先,這些資料要如何上傳到公有雲呢?

根據Seagate近期的Mass Data on the Go報告指出,單靠頻寬傳輸大量資料的速度太過緩慢。即便是透過企業級網路,也需要150天才能將研究車隊一整天蒐集到的1.5PB資料,在車庫中上傳完畢。

為克服棘手的延遲問題,多數企業紛紛選用更快且更可靠的解決方案:Lyve資料傳輸服務。研究車輛將資料儲存在車廂裡的可攜式硬碟中,之後即可輕鬆拆卸,並無縫地透過空運運送至雲端擷取分析。ADAS的研究資料可被運送至各處,也可以備份到儲存即服務雲端上。

Lyve 資料傳輸服務
Lyve的資料傳輸服務,可將資料儲存在車廂裡的可攜式硬碟中,之後即可輕鬆拆卸,並無縫地透過空運運送至雲端擷取分析。
圖/ 作者提供

維護資料主權,持續並進

除了頻寬外,安全與法遵問題也會阻礙資料流動。現今資料經濟的時代中,資料主權舉足輕重,特別是在政府已經意識到資料代表力量的歐洲。歐洲政府相當重視資料治理與安全性,並且制定出一般資料保護規範(GDPR)等相關法規。

想要進行資料治理的企業,可以選擇以資料為中心的雲端,像儲存即服務,其位置通常位於邊緣,鄰近資料產生地。能推動資料傳輸與主權的策略正是推動企業成長的催化劑。

這或許有違常理,但阻礙資料傳輸的因素最終往往成為了讓資料自由流動的要素。延遲會造成資料傳輸的停滯,但不代表資料傳輸就此停滯不前。相反地,延遲反而推動技術創新,選用實體、安全的可攜式硬碟可快速輕鬆的傳輸資料。

同理可證,不應對資料主權有疑慮而把資料束之高閣。選擇以資料為中心、相容於S3、可安全備份、鄰近資料產生地的雲端服務,即為理想的解決方案。

重視資料治理與安全性。
數據資料對各產業都有其重要性,但同時更要重視資料管理與安全性,因此需要慎選管理的第三方廠商或是產品。
圖/ 作者提供

歸根究柢,你的資料還是屬於你的,歐洲國家與因保護顧客而成功的企業同樣明白這點。無論資料集有多麽龐大或非結構化,都能確保資料靈活及資料主權。

未來的路已經相當明確,企業如何確保資料傳輸並維護資料主權同時也將左右駕駛人的行車品質。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場)

責任編輯:吳佩臻、侯品如

關鍵字: #汽車產業
往下滑看下一篇文章
決策桌上的虛擬團員:臺大 EiMBA 如何將 AI 從「工具」升級為「共創夥伴」?
決策桌上的虛擬團員:臺大 EiMBA 如何將 AI 從「工具」升級為「共創夥伴」?
2025.12.09 | 創新創業

「過去我們教育教導學生如何從數據中找出標準答案,但在生成式AI的時代,標準答案往往是最廉價的。」臺大EiMBA執行長李家岩一語道破了這波商業典範轉移的核心。他認為,當資訊獲取邊際成本趨近於零,企業的競爭優勢已不再是單純的「掌握資訊」,而是「如何設計讓 AI 與人共同創造價值的流程」。這不只是一句口號,而是一場正在被驅動的轉型。從課程設計的邏輯重組,到學生創業專題的實戰演練,臺大EiMBA正將校園打造成一個允許失敗、快速驗證的「人機共創實驗場」。

告別標準答案,當教授變成「學習架構師」

「我們不再只是教導知識,而是設計學習。」李家岩指出,臺大EiMBA的課程正在經歷結構性的轉變。現在的教授角色更像是一位「學習架構師(Learning Architect)」,他們的任務不是單向輸出,而是設計出高強度的挑戰與情境,讓學生在解決問題的過程中,自然地將 AI 納入決策迴路 。

以今年新開設的「雙軸轉型與人工智慧」課程為例,這並非傳統的技術概論課,而是場關於商業邏輯的壓力測試。學生不再只是繳交一份靜態的商業計畫書,反而被要求運用生成式 AI 輔助設計商業模式畫布(Business Model Canvas),甚至利用Vibe Coding技術讓不懂程式語言的商管學生,也能透過自然語言與提示工程,快速生成互動式的原型與操作介面來模擬市場反應 。這項技術打破了傳統「文組企劃、理組執行」的藩籬,讓創意能即時轉化為可執行的程式碼。在這個過程中,AI 扮演的角色並非代筆的秘書,而是將概念具現化的加速器,以及最嚴厲的邏輯質疑者。

bn圖說女生.jpg
寵物百分百用戶體驗暨品牌行銷中心負責人鐘紫瀕
圖/ 數位時代

「這是我在課程中學到最深刻的一課,」臺大EiMBA二年級生、寵物百分百用戶體驗暨品牌行銷中心負責人鐘紫瀕分享道。身處近200人新創組織的高階主管,她坦言最初員工對 AI 充滿敬畏,甚至恐懼被取代。但在 EiMBA 的課堂上,她發現 AI 真正的價值在於「攻防」與「鏡像」。「老師設計了一種『沙漏式』的提問邏輯,迫使我們把策略餵給AI後,必須面對它無情的反問。」鐘紫瀕回憶,「這個市場假設有數據支持嗎?」、「你的競爭壁壘在哪裡?」這種高強度的追問,都是AI在對學員提出的挑戰,迫使她必須思考得比AI更深、更遠。「以前我們忙著找答案,現在我們學會如何設計出『連 AI 都沒想過的好問題』。AI就像一面鏡子,映照出我們思考邏輯上的盲點。」

數位孿生實戰,將「感覺」轉化為「數據決策」

除了策略層面的思維激盪,AI 在營運端的落地應用,更是讓許多直覺型創業者經歷了一場痛苦卻必要的轉型。臺大EiMBA一年級生、赤赤子設計師林宏諭對此感觸良多。

身處傳統服裝產業,過去他的經營模式多仰賴美感與經驗,「以前做決策就是憑感覺,甚至忙不過來時,連縫扣子這種小事我都自己跳下去做。」但在李家岩講授的「雙軸轉型與人工智慧」課堂上,他被迫面對冰冷的數據與流程,而這正是李家岩強調的「數位孿生(Digital Twin)」素養 。

台大EiMBA圖說一
赤赤子設計師林宏諭
圖/ 數位時代

在虛擬世界中建立一個與真實工廠或商業流程一模一樣的模型,利用AI進行模擬與預測,是現代智慧製造的核心。對林宏諭而言這意味著必須將腦中抽象的「職人經驗」轉化為AI讀得懂的 SOP。「那段過程就像是被老師架著刀子往前走,非常痛苦,」林宏諭形容,為了讓 AI 能協助優化流程,他必須把每一個步驟定義清楚,無法再用「大概」、「憑感覺」含糊帶過 。

雖然煎熬但成果是豐碩的。當感性的創意被裝進理性的數據框架後,林宏諭發現自己的決策不再是賭博,而是可被驗證的科學。「現在AI不僅幫我理清思緒,更像是團隊的外掛大腦。我開始能鼓勵員工使用AI釋放重複性勞動,讓大家能準時下班,去做更有價值的事。」這正是課程希望帶給學員的轉變,從「事必躬親的管理者」進化為「善用工具的跨域系統設計者」。

bn圖說二.jpg
臺大EiMBA執行長李家岩
圖/ 數位時代

跨域共創,打破同溫層的「破壁效應」

如果說AI是另一位虛擬組團員那麼課堂上原本的同學們,就是來自多重宇宙的戰友。這裡匯聚了醫師、網紅、工程師、律師與傳產二代,如此多元的背景在AI的催化下,產生奇妙的化學反應。

李家岩特別提到了榮獲霍特獎(Hult Prize)肯定的「RiiVERSE」團隊。這個由臺大管院 EiMBA 與 GMBA 學生組成的團隊,成員涵蓋了時尚、行銷與創新創業等不同領域。他們利用舊衣回收再製技術,打造出循環經濟的生態圈。「這就是我們強調的跨域共創。」李家岩解釋,在過去,不同領域的專業人士溝通成本極高,但現在,AI成為了通用的翻譯機與黏著劑。

「AI不僅降低了技術門檻,讓文組生也能做Prototype,更讓理組生也能懂得商業敘事。」在這樣的環境下,創新不再是單打獨鬥,而是像RiiVERSE團隊一樣,結合理性與感性,共同回應全球永續(ESG)的艱鉅挑戰。

為了內心的狂熱,動手去做

然而,隨著AI涉入決策越來越深,一個核心問題浮現:在演算法能預測趨勢、生成文案甚至編寫程式的時代,人類領導者的價值還剩下什麼?「我們教的不是被AI取代,而是擴增智慧。」李家岩眼神堅定地說。他強調,未來的領導者必須具備三項關鍵特質:AI素養、跨域系統設計能力,以及科技人文的反思力 。

其中最關鍵的,是懂得界定「自主邊界(Autonomous Boundary)」。領導者必須清楚判斷:哪些決策該放手讓 AI 自動化?哪些時刻必須保留人類的溫度與價值判斷?「例如在智慧工廠中,AI 可以預測機台何時需要維修保養,但『什麼樣的風險可以接受』、『我們要解決什麼社會問題』,這些涉及價值觀的決策,永遠需要人類來定奪。」李家岩補充道 。

bn圖說三.jpg
寵物百分百用戶體驗暨品牌行銷中心負責人鐘紫瀕(左)/臺大EiMBA執行長李家岩(右)
圖/ 數位時代

在李家岩眼中,真正的創新往往不是來自同類型人才的討論,而是從不同背景、不同世界觀的碰撞中誕生。「一個人能看到的只是片段,跨域合作才能讓問題完整。」他再次提到。對他而言,EiMBA 想培養的不是知道最多的人,而是能讓「各種智慧」一起工作的人。在AI與人類智慧並存的年代,領導者最重要的能力,不是掌握所有答案,而是打造一個能讓答案自然生成的組織環境。「未來需要的領導者是能整合技術與人、懂得跨域系統思考、也能『擇人(含機器人)而任勢』的人。」李家岩說,而這群充滿創業創新的管理者也將在未來商業戰場上奏出人機協作的新樂章。

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
進擊的機器人
© 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