人工智慧技術成熟、自駕車未來商機可期，富比士（Forbes）報導指出，2026年自家車市場將達到5,577億美金的規模，年複合成長率高達39.47%，可見其龐大的成長爆發力。台灣產學界鎖定「利基型應用」與「在地資料演算法」，運用最新運算科技急起直追，潛力不容小覷！
人工智慧技術成熟、自駕車未來商機可期，富比士（Forbes）報導指出，2026年自家車市場將達到5,577億美元的規模，年複合成長率高達39.47%，可見其龐大的成長爆發力。當全球科技巨頭傾全力發展智慧自動車，台灣是否仍具優勢？事實上，國內產業雖在整車市場無明顯優勢，但在「利基型應用」與「在地資料與演算法」領域，結合優越半導體與軟硬體整合技術，還有很大的發展空間。
「利基型應用」是指公共運輸或特定場域自動化無人載具（如物流機具、製造業機具、機場行李車、輪椅等等），可結合台灣強大的ICT研發產業，將特定作業自動化，提升效率與服務價值。而「在地資料與演算法」則是蒐集國內特有交通環境及用車場域資料，形成演算法，不僅可作為國內公共運輸應用，其獨特性（如機車較多）也可應用到條件相似的國家，這是國外大廠無法直接跨越的門檻。
智慧運輸利基型產品研發需要跨領域專業人才的團隊合作，例如物聯網與載具硬體、大數據及演算法軟體、嵌入演算法的整合型晶片、軟硬體系統整合等。因此，業界需才孔急。教育部已推動「智慧聯網技術與應用人才培育計畫」，由國內十所頂尖大學組成智慧運輸電子應用聯盟（ECIT），以應用核心技術課程、問題導向學習模式、業界業師制度等課程設計，培養智慧車領域的實戰專業人才，讓課程與研發介接到業界，業界經驗與心得傳遞給學界，一起促成產業發展。
自動化AI解決方案有三大要素，包含資料、演算法模型與運算平台，三者缺一不可。ECIT的課程規劃中，有來自業界與場域所蒐集的實地資料，產學共同合作的演算法，並引進專為AI負載所設計的運算平台，提供給十所大學、十堂課程、數百位學生共同學習與研發使用。
然而，龐大資料吞吐量往往是智慧車輛技術研發與課程教學的主要瓶頸。舉例來說，若課堂上用來訓練AI的資料量為數十萬筆，實地場域應用可能要乘上百倍。為滿足教學需求，傳統作法要購置數十台伺服器、插滿GPU來執行，當資料量暴增超過負荷時卻無法快速擴展，就會造成瓶頸。此外，每堂課近百位學生，只能三、四位共用一部電腦，課程效果也會打折扣。
因此，ECIT選擇專為AI負載設計的運算平台支援雲端環境，單一平台即可滿足所有教學與研發之用。學生透過自己的終端設備即可調用必要資源，能更加自由地測試與實作，讓創新不受限。若研發成果要以真實情境的巨量資料來試作，新平台可隨需調度與擴展運算量，無須再轉換平台，滿足從課程、研發到實戰的完整需求。
＜本文作者：于伯琨現為IBM硬體系統事業部總經理＞