福特推出「Ford Pro AI」平台！幫84萬客戶輕鬆管理車隊狀況，聊天就能掌握商用車數據|數位時代 BusinessNext

福特推出「Ford Pro AI」平台！幫84萬客戶輕鬆管理車隊狀況，聊天就能掌握商用車數據

福特近日推出了針對商用車隊的AI工具Ford Pro AI，能夠隨時把控車隊中每輛車的狀況，讓企業輕鬆優化營運、減少車輛維護時間。

Ford Pro AI是什麼？

Ford Pro AI將整合在福特的商用車平台Ford Pro之中。福特表示，這款AI助手的目標是協助Ford Pro用戶可以更輕鬆分析業務及營運狀況，進而提升效率、減少車輛休整時間，讓管理者更快做出決策。

不同於傳統車隊管理系統需要翻閱大量報表，透過Ford Pro AI，管理者現在可以直接以聊天的方式詢問系統，例如「哪些車輛需要維修」、「哪幾台車油耗最高」，AI便會即時整理相關數據並給出分析結果。

不過福特Pro Intelligence總經理凱文．鄧巴（Kevin Dunbar）強調，這不僅僅是一個聊天機器人，而是具備製造商等級的車輛數據，能夠回覆準確可信資訊的專業工具。

商用車的企業解方！能即時回傳車速、燃料狀況等車輛健康狀態

Ford Pro AI的核心是車聯網數據分析。福特商用車能透過聯網系統，即時回傳車輛運行資訊，例如車速、燃料消耗、怠速時間與車輛健康狀態。

AI會將這些資料整合後進行分析，協助企業發現潛在問題。例如，系統可以提醒管理者哪些駕駛未繫安全帶、哪些車輛長時間怠速導致油耗上升，或是哪些車輛可能需要提前安排維修，透過這些資訊，企業可以改善駕駛行為、降低燃料成本。

福特指出，對於擁有數十甚至數百輛車的企業而言，這類分析往往能帶來顯著的營運效率提升。AI助手的目標不是取代管理者，而是減少資料整理與分析的工作量。

並且這種自然語言查詢方式，使管理者不需要具備專業數據分析能力，也能快速取得所需資訊。福特表示，未來系統也可能加入更多預測功能，例如提前預測維修需求或提供節能建議。

福特加速布局軟體與訂閱服務

Ford Pro AI也是福特近年推動「軟體化汽車」策略的一部分。傳統上，汽車製造商的收入主要來自車輛銷售，但銷售車輛的獲利能力往往有限，多數車廠的利潤率都在10%以下，而隨著車聯網和數據技術發展，車廠開始嘗試透過軟體服務創造新的營收來源。

福特的商用車平台Ford Pro就是這一策略的核心。平台提供車隊管理軟體、充電管理與車輛維護等數位服務，目前全球已累積約84萬名付費訂閱用戶。現在福特希望透過AI助手進一步提升平台價值，吸引更多企業使用。

軟體現在也是福特現在的營收獲利成長動能所在，福特在最新公佈的2025年第四季財報中透露，軟體服務營收在2025年成長了30%，遠高於整體約1%的營收成長。

福特並指出，軟體、服務獲利目前占商用車業務Ford Pro（包含銷售商用車）的19%，以Ford Pro在2025全年約68.4億美元的稅前獲利來看，軟體服務已貢獻約13億美元的利潤。在面對電動車搶市、銷售車輛本身難以有所突破的現況下，軟體服務正成為車廠邁向下一階段成長的關鍵。

本文初稿為AI編撰，整理．編輯/陳建鈞

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。