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
AI代理時代已至!國泰金控以GAIA 2.0框架加速AI應用百花齊放
AI代理時代已至!國泰金控以GAIA 2.0框架加速AI應用百花齊放

AI正以驚人速度重塑世界樣貌,金融產業也不例外。國泰金控作為台灣最大的金融控股公司之一,不僅積極擁抱創新變革,更透過開放分享促進產業共好:在「2025國泰金控技術年會」中分享「GAIA 2.0技術框架」,揭示多代理(Multi-Agent)雲端協作架構,讓AI從知識問答助理進化成可以自主推論、規劃與協作的夥伴,拉開以人為中心的金融科技新世代序幕。

以GAIA 2.0技術框架為基礎,加速集團應用百花齊放

GAIA是國泰金控為實現AI即服務(AI as a Service)提出的關鍵技術框架,歷經一年的發展,不僅成功建立超過200種資料類別的知識庫、彙整50多種生成式AI模型的Model Hub、設有70道安全防護檢查點的AI護欄。

國泰金控
國泰金控副總暨國泰世華銀行數據長梁明喬分享GAIA 2.0技術框架與集團GenAI應用案例
圖/ 數位時代

國泰金控副總經理暨國泰世華銀行數據長梁明喬指出:「隨著代理式AI技術崛起,我們在今年提出GAIA 2.0技術框架,目標是讓AI助理(Assistant)進化成AI Agent,可以跨單位整合工具、數據與分工,實現真正的智慧協作。」

舉例來說,為深化集團員工運用AI提升工作效率,我們打造員工AI助手—Agia,協助同仁進行知識查詢、資料摘要等任務,提升效率與生產力;另外,透過AI自助開發平台—GAIA Studio,讓員工以No Code工具,連結內部知識庫,並以視覺化介面或Prompt快速自主開發,打造業務場景所需的生成式AI服務與工具。GAIA Studio 上線三個月已有28個部門自助開發超過40支內部應用AI服務(包含行銷文案、各類產品知識、趨勢摘要等)。

在技術面,具體作法是透過GAIA 2.0框架下的四個模組,包含負責統籌AI Agent任務分配與協作流程的「Agent Core核心框架」、提供安全自主運作環境的「Agent Workspace可控環境」、連結Agent間共通語言的「Agent Protocol串接協定」,以及集中管理AI工具與元件的「Agent Marketplace整合市集」,以加速AI Agent應用研發與部署。

梁明喬表示:「接下來,我們將以GAIA為引擎,打造通用型、業務型、IT型與服務型AI應用,如Vibe Coding、CUBE Intelligence等服務,一步一腳印擴展集團的AI Agent生態圈,型塑智慧金融新格局。」

舉例來說,隨著生成式AI普及,客戶對於數位(助理)服務的期待更高,國泰世華銀行數位品牌CUBE推出「CUBE Intelligence」兩項新服務,包含「升級版」智能助理–阿發,滿足客戶詢問複雜問題的需求,無論客戶提出什麼問題,都可以完整步驟與適當的情緒價值強化與客戶的連結,讓服務更智慧、貼心且符合期待。

國泰金控
國泰金控副總暨國泰世華銀行數位長陳冠學展示「CUBE Intelligence」兩項新服務
圖/ 數位時代

國泰金控副總經理暨國泰世華銀行數位長陳冠學表示:「除了升級版阿發,另一新服務是我們也在CUBE App新增『對話式功能搜尋(CUBE Search)』,就像把行員放到CUBE App一樣,讓客戶可以用自然語言輕鬆找到想要的服務,讓服務體驗變得更聰明、更人性也更懂你。」兩項CUBE Intelligence新服務即將在年底正式上線。

跨界合作推動台灣大型語言模型落地,加速生成式AI發展

大型語言模型具備強大的語意理解與內容生成能力,是生成式AI快速發展的關鍵推力。國立政治大學金融科技研究中心主任王儷玲指出:「金融產業因為有獨特的金融語境、法規語意以及在地化的繁體中文知識,國際通用模型並不適用,必須建構本土知識庫、標準化模型機制、AI 法規沙盒及在地算力平台,發展台灣企業共同主導與管理的大型語言模型,方能讓更多金融業者透過微調打造適用模型、加速可信賴的AI Agent服務落地。」

國泰金控數數發中心數據暨人工智慧發展部副總經理劉浩翔進一步補充:「本地大型語言模型的成功關鍵,不僅是掌握充足且高品質的數據,還要透過後訓練微調與人類回饋強化學習的訓練方式去微調出適用的AI模型,藉此提升答案的精準度,尤其是需要跨法規、多層邏輯的嚴謹金融專業知識。」

AI要成功,除了應用場景、模型,算力也扮演至關緊要角色,對此,鴻海科技集團亞灣超算執行長姚延宗表示:「本土算力是支持本土大型語言模型落地的關鍵。」不過,他也強調,AI算力快速迭代且進入門檻高,不是每一間企業都可以自建算力,因此,亞灣超算與NVIDIA合作啟用超算中心,讓金融等台灣企業可以按需租賃所需算力,解決資料共享等敏感問題,加速金融AI應用的多元發展。

國泰金控
產業與學界專家於國泰金控技術年會交流生成式AI如何在台落地應用,左起為:國泰金控副總經理施君蘭、政治大學金融科技研究中心主任王儷玲、國泰金控數數發中心副總經理劉浩翔、鴻海科技集團亞灣超算執行長姚延宗
圖/ 數位時代

總的來說,從GAIA 2.0技術框架的推出、生成式AI的落地應用、到積極參與本土大型語言模型建置等行動,可以清楚看到,國泰金控正由內而外推動全面AI創新:強化內部流程效率與治理能力、以智慧化服務提升客戶體驗,並透過技術開放與跨域合作,為金融產業的數位與AI智慧轉型注入新動能。

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