當「機器人計程車」（Robotaxi）逐步從概念走向現實，全球交通產業正迎來一場結構性重塑。對 Uber 而言，這不只是技術升級，而是一場關於「平台定位」與「產業主導權」的戰略轉型。面對自動駕駛技術的快速演進，Uber 並未一味重資投入研發，而是透過策略調整與資源整合，逐步建立其在未來出行市場的核心地位。 從自研技術到策略轉向：垂直整合的試煉 Uber 最初選擇走「完全垂直整合」路線，成立先進技術部門（ATG），試圖自行開發自動駕駛系統，取代人類司機，進一步降低營運成本。然而，龐大的研發投入、技術瓶頸與安全事故，使這條路充滿挑戰。最終，Uber 在 2020 年出售 ATG，轉投資自動駕駛公司 Aurora Innovation，象徵其戰略方向的重大轉彎。 這一階段的關鍵啟示在於：在高度資本密集與技術不確定的領域，「全做」未必是最佳選擇。 平台化崛起：成為自動駕駛的「作業系統」 退出自研後，Uber 快速轉型為「出行平台整合商」，不再與車廠或自駕技術公司競爭，而是扮演連接者角色。透過與多家企業合作，Uber 將各類自動駕駛車輛、物流與配送服務整合進同一個平台。 例如，與 Waymo 合作，在美國多個城市提供無人計程車服務；與中國的 Baidu、Pony.ai 等企業建立聯盟。這種模式讓 Uber 成為「流量入口」，將高昂的技術與硬體成本轉移給合作夥伴，同時保有用戶與數據優勢。 簡單來說，Uber 不再是車隊經營者，而是「自動駕駛時代的 App Store」。 混合模式進化：重新掌握關鍵資產 進入 2026 年，Uber 再度調整策略，採取「平台＋資產」的混合模式。一方面維持平台整合優勢，另一方面開始選擇性投資車輛與基礎設施，以確保供給穩定。 例如投資 Lucid Group 與 Rivian，採購大量電動自駕車，同時布局充電網絡。這代表 Uber 意識到：若完全不掌握供應端，未來可能受制於人。 透過自有車隊，Uber 有機會大幅降低人力成本、提升車輛使用率，甚至實現近乎全天候運行，進一步改善獲利結構。 全球擴張與數據優勢：打造規模護城河 Uber 的最終目標，是建立全球最大規模的自動駕駛出行網絡。透過與 NVIDIA 合作，導入高效運算與AI平台，Uber 不只營運車隊，更打造「數據工廠」，累積數百萬小時駕駛數據，用於優化自動駕駛模型。 預計到 2027 年，Uber 將在全球多個城市部署大規模無人車隊，並持續擴張至歐洲、亞洲與中東市場。數據、規模與網路效應，將成為其難以複製的競爭壁壘。 結語｜從平台到生態系的主導者 Uber 的演進路徑，從「自己做」到「整合別人做」，再到「關鍵自己掌握」，反映出一個成熟企業在面對新技術浪潮時的務實選擇。 自動駕駛不只是技術競賽，更是商業模式的競爭。未來誰能勝出，關鍵不在誰的車最聰明，而在誰能整合最多資源、掌握最多用戶與數據。Uber 正試圖用平台、生態與資本三者結合，搶下這場出行革命的主導權。

文：偉盟系統產業顧問／任苙萍 在這一波人工智慧浪潮中，幾乎所有企業都已經「開始做AI」。但一個殘酷的現實是——真正創造商業價值的，卻是少數。 問題不在技術，而在方法。 多數企業的AI專案，往往卡在中途：做了一點、花了不少，但成效不明顯，最後甚至被貼上「昂貴但無用」的標籤。這背後，其實不是運氣不好，而是踩進了幾個高度重複出現的瓶頸。 以下這五個關卡，是企業推進AI時最容易遇到的核心問題，同時，也是能否從「做AI」走向「用AI賺錢」的分水嶺。 資料很多，但沒有一筆能用 多數企業其實不缺資料，缺的是「能用的資料」。 資料散落在不同系統：ERP一套、Excel一堆、現場還有紙本紀錄；即使把資料拉出來，也常出現格式不一致、欄位定義混亂、甚至重複與錯誤並存的情況。這樣的資料狀態，對AI而言等同於「垃圾進、垃圾出」。 AI模型再強，只要輸入的資料品質不穩，結果就不可能可靠。 解法的關鍵，不是一次把所有資料整理好，而是「先讓關鍵資料可用」。 企業應該先針對最重要的應用場景（例如客戶回流、維修預測或庫存管理），建立一個最小可行的資料池（Data Mart），並同步制定基本的資料標準，例如統一客戶ID、料號規則與工單格式。 先求可用，再求完整，這才是務實的起點。 從技術出發，而不是從問題出發 另一個常見錯誤，是企業從「技術能做什麼」開始思考，而不是從「業務需要什麼」出發。 於是我們看到很多看似先進的應用：聊天機器人、預測模型、推薦系統，但實際上卻無法改善營收、降低成本，甚至連使用率都偏低。這類專案常停留在PoC（概念驗證），無法真正落地。 原因很簡單：做的是「展示價值」，而不是「商業價值」。 解法是把切入點，拉回到最直接的痛點與收益。 優先選擇「高頻率 × 高價值」的場景，例如： 客戶關懷與回訪（影響回流率） 維修與保養建議（影響客單價） 庫存預測（影響資金占用） 並且在專案一開始，就設定明確的KPI，例如回流率提升多少、人工成本下降多少。沒有數字，就沒有AI。 流程不變，AI只會讓事情更複雜 很多企業在推進AI落地時，其實只是把AI「加」在既有流程上，結果不是效率提升，而是混亂加倍。 例如原本的流程是人工接單、判斷、派工，現在變成「先看AI建議，再人工判斷，再回到原流程」，反而增加操作負擔，員工自然抗拒。 這背後的問題在於：流程沒有為AI重設。 真正有效的做法，是用AI重新設計流程，而不是讓AI遷就舊流程。 例如將流程改為：接單 → AI自動分類 → 自動派工 → 人工確認 這樣 AI 才是在「前面減壓」，而不是「中間插手」。企業要理解，AI不是輔助工具，而是一種新的運作邏輯。 員工抗拒，不是因為不會，而是不相信 AI落地失敗，很少是因為員工學不會，多半是因為「不想用」。 原因可能包括：擔心被取代、覺得增加工作負擔、或不信任AI的判斷。當第一線人員沒有認同感，再好的系統也只是擺設。 解法不是強制推行，而是改變設計方式。 首先，要明確定位AI是「輔助決策」，而不是「取代人」。讓AI先幫員工節省時間，例如自動整理資料、提供初步建議，而最終決策仍由人掌握。 其次，選擇一小群願意嘗試的員工作為「內部示範」，建立成功案例，讓其他人看到實際好處。與其說服，不如讓結果說話。 當員工感受到「用了AI，自己更輕鬆、績效更好」，抗拒自然會降低。 投資很多，但回報說不清楚 AI落地常見的最後一個瓶頸，是ROI（投資報酬率）模糊。 企業投入了顧問費、系統費與API成本，但無法清楚回答：「這個專案到底幫公司賺了多少錢？」當成本持續增加，而成效無法量化，AI很快就會被視為負擔。 解法在於「小步快跑、每案必算帳」。 每一個AI應用，都應該是獨立可衡量的單位，並在3個月內看到初步成果。例如： 客戶回訪自動化 → 人工工時下降30% 保養推薦 → 客單價提升20% 透過這種方式累積成功案例，企業才能逐步擴大AI投資，而不是一次性重壓。 AI不應該是成本中心，而應該是獲利工具。 AI 的關鍵，不在技術，而在「能不能真正落地」 回頭來看，多數企業的問題，其實不是「有沒有AI」，而是「AI有沒有真正用起來」。 資料沒整理好、場景選錯、流程沒調整、員工不買單、成效算不清——任何一個環節出錯，都足以讓AI專案停在半路。 但反過來說，只要抓對順序： 先讓資料可用 → 再解決真實痛點 → 重設流程 → 建立人機協作 → 最後精算 ROI AI就不再只是技術，而會變成實實在在的營收引擎。 說到底，企業需要的從來不是「最厲害的AI」，而是——能真正落地、並幫你賺錢的 AI。

在商用車售後市場中，人工智慧的導入已成趨勢，但「有導入」不等於「有價值」。根據研究顯示，約 70% 的企業已經採用不同程度的AI技術，然而真正創造實質商業價值的，僅約 14%。這樣的落差，揭示了一個核心問題：多數企業把 AI 當成技術專案，而非營運能力。 產業痛點：效率與不確定性的雙重壓力 當前市場面臨三大結構性挑戰。首先是成本壓力，來自關稅、原物料與物流費用的波動，使利潤空間持續被壓縮。其次是需求預測困難，SKU數量龐大，加上交期延長與市場變動，使庫存管理更加複雜。最後則是服務品質要求提升，客戶期待更快回應與更精準的維修，但第一線人員能力卻存在落差。 這些問題的共通點在於：數據分散、流程仰賴人工、系統老舊，導致決策緩慢且不精準。 三大高價值 AI 應用場景 要讓AI真正創造價值，關鍵在於「選對場景」。 智慧定價與成本建模 透過AI分析歷史銷售、價格彈性與市場競爭狀況，企業可以對數千種零件進行動態定價。不僅能快速回應市場變化，還能找出利潤流失的產品項目，提前優化策略。實務上，這類應用可帶來約6%的營收成長。 需求預測與庫存優化 AI 可整合ERP、POS 與市場數據，進行多維度預測，包含 SKU、區域與客戶層級。透過更精準的補貨與庫存策略，不僅能降低缺貨風險，也可減少庫存積壓。實際效益顯示，整體庫存可下降約30%，同時維持甚至提升服務水準。 零件交叉引用自動化 在零件品項繁雜、資料來源分散的情況下，AI可自動整合規格、料號與相容性資訊，快速匹配適用零件。這不僅能降低錯誤訂單，也能縮短維修時間，提升客戶滿意度，同時降低約2%的管理成本。 關鍵不在技術，而在「做對方式」 多數企業導入AI失敗，並非技術不足，而是方法錯誤。要加速價值落地，需掌握四個原則： 1.以結果為導向 AI應直接對應企業最迫切的問題，如庫存過高或毛利過低，而非為導入而導入。 2.聚焦少數高影響場景 與其全面鋪開，不如集中資源在一到兩個能快速見效的應用上，優先創造成果。 3.小規模試點，快速驗證 從單一產品線或區域開始，幾週內驗證成果，累積經驗後再擴大推行。 4.重視人與流程改變 AI專案的價值，僅10%來自演算法、20%來自技術，其餘70%取決於員工是否改變工作方式。若缺乏教育訓練與內部推動，再好的系統也難以發揮效果。 從技術導入走向營運優勢 對商用車售後市場而言，問題已不再是「要不要用AI」，而是「如何更快變現」。真正領先的企業，會將AI嵌入定價、供應鏈與服務流程中，並透過小步快跑的方式持續優化。 未來的競爭，不在於誰先導入AI，而在於誰能最快把AI變成日常營運的一部分。只要策略正確、節奏精準，AI 不只是工具，而是下一波獲利成長的引擎。

文：偉盟系統產業顧問／任苙萍 2026 年，台灣汽車產業正處於「燃油退場、電動與智慧化升級」的結構性轉型期，整體車市在 2025 年約 41.4 萬輛、年減 9.5% 的調整後，預期 2026 年將隨多款新車上陣與政策底定，逐步回穩向上。 這一波變局，不僅是新車製造的洗牌，更深刻衝擊著「售後服務市場」（AM）與維修體系，對本地汽材業與維修業而言，既是傳統業務萎縮的壓力，也是重塑定位與價值鏈的機會。 從電動化到售後市場結構重組 隨著國產車廠與外資車商加速電動車布局，台灣電動車的市場與技術重心已由「概念」走向「量產與價格戰」階段。鴻華先進（Foxtron）的 BRIA（Model B 量產版）與 Cavira（Model C 量產版）陸續在 2026 年上市，主打百萬內親民電動休旅，成為台灣自主品牌電動車的起點；同時，RAV4、CR‑V、Territory 等油電休旅也在主流級距持續下殺價格，形成「燃油與電動兩條腿」並行的市場結構。 對汽材業而言，這意味傳統燃油動力相關零件（如引擎週邊、變速箱零件、進排氣系統）的需求將逐漸從「成長區」轉為「成熟甚至衰退區」，但存量車隊仍佔多數，維修需求在短期仍可維持。更重要的是，車主因新車價格高漲與持有年限拉長，更願意修而不急著換車，拉長維修週期與零件更換次數，反而為 AM 零件帶來「延長的壽命期」。 對維修業來說，電動車結構的改變，讓「保養」與「維修」的內容出現明顯位移：傳統引擎與變速箱保養項目減少，但電池健康檢查、電池熱管理、電控系統診斷、充電系統檢修、軟體 OTA 狀態確認等新項目崛起；同時，碰撞後的車體結構、電池外殼、煞車與懸吊等仍維持高維修量，因此維修廠的工作量未必下降，而是「技術內容」與「設備投資」大幅升級。 鎖定本土批發零售，重構汽材業生存軸 在這樣的轉型下，台灣汽材業若只專注於單一車廠或出口，將面臨車型調整、關稅與國際專利爭議（如 337 調查）等高度風險。反過來，若能把主戰場放在「本土批發零售業」，則可將需求分散到多個品牌、多個車型與多個通路節點，形成更穩定的訂單結構。 本土批發零售體系，主要包括大型汽材批發商、區域倉配體系、維修連鎖體系、保險指定維修點與汽配電商平台，這些通路直接承接車主與維修廠的訂單，對「常備品的庫存深度」、「價格穩定度」與「出貨速度」高度敏感。對汽材廠而言，可從「標準品」與「高值專項品」兩條路線同步布局： 標準品：聚焦燃油車常用維修零件，如煞車片、懸吊系統、車身結構鈑件、燈具等，透過模具開發與量產優化，維持薄利多銷，以「穩定交期」與「高現貨率」綁住批發商與維修連鎖。台灣汽材在碰撞維修零件（如車身結構件）的全球市佔約 60~70%，技術與成本優勢深厚，正可延續到此類標準品。 高值專項品：針對電動車與新世代車型，開發電池外殼、電池週邊結構件、電控模組鈑件、充電系統相關結構零件等，強調「客製化設計」、「安全認證」與「測試數據」，賺取更高的單價與毛利。這些產品特別適合與維修連鎖體系或保險公司合作，成為「維修專用零件系列」，而非單純的副廠零件。 在服務面，汽材廠可配合通路與維修廠，提供「維修指引」與「施工圖示」，特別是電動車結構件更換與定位，降低維修錯誤與保險爭議風險；同時，在零件包裝上明確標示材質、強度等級、適用車型（含電動車型號），甚至通過特定測試認證，讓批發商敢推、維修廠敢用、車主敢修。 維修業的技術升級與角色重定 與 AM 汽材的轉型相對應，維修業在同一波轉型中，也需要從「傳統機械維修」升級為「電控與結構整合型維修」。在電動車維修中，高壓系統（電池、馬達、充電機）通常被車廠與保險公司限定為「原廠或授權維修中心」才能處理，一般維修廠雖難直接觸碰，但仍有廣大空間承接「電池外殼、車身結構件、煞車與懸吊、輪胎、ADAS 感測器校正」等，這些都屬於「中間維修」環節，對設備與技術要求較高，但對保險理賠與車主成本控制卻非常關鍵。 因此，維修廠若願意投資診斷工具、電池診斷設備、充電測試設備，並讓技師接受「電動車安全操作」與「電控系統診斷」訓練，就有機會成為保險公司或維修連鎖體系的「指定維修點」，獲得穩定訂單與維修單價。同時，與本土 AM 零件廠結盟，使用「通過認證又價格合理」的維修零件，可降低維修成本與保險理賠壓力，形成「保險─維修廠─AM 零件廠」的閉環合作模式。 另一方面，維修免責條款與零件使用規範，也讓維修廠在零件選用上更為謹慎。若使用非認證零件而導致保固或保險爭議，將直接影響維修廠的信譽與收入。換言之，維修廠與 AM 零件廠的關係，不再只是「便宜 vs 貴」，而是「品質、認證、風險與成本」的綜合決策。 汽材業的戰略路徑與未來機會 在 2026 年這個轉折點上，台灣汽材業若能鎖定本土批發零售業，並分別佈局「標準品」與「高值專項品」，就能在電動化與燃油車共存的環境中，同時收割「延長的維修週期」與「新技術維修需求」。短期可從「原型試驗」與「通路合作」切入，挑選 BRIA、Cavira、ET35 等主流電動車型，開發維修用鈑件與結構件，交給批發商與維修連鎖試用，並收集實際維修數據與保險反饋。 中期則可將電動車結構件產品線系統化，建立「電動車維修結構件系列」，並對應台灣車隊主要車型，與保險公司或維修平台合作，成為「維修專用零件品牌」，從「副廠供應商」升級為「維修體系的戰略夥伴」。長期來看，台灣汽材業在電動化與智慧化浪潮下，若能持續投入技術與認證，並透過本土批發零售與維修體系，將「維修零件」與「維修服務」緊密連結，就有機會在國際車廠與保險體系之外，打造出一條屬於台灣的「電動車維修生態鏈」。

近年來，台灣的接送產業在市場結構與需求型態上已出現明顯變化。傳統依靠「電話訂車＋紙本排程＋口頭協調」的營運模式，越來越難以應對機場、旅遊、企業通勤等多樣化需求，再加上叫車平台、MaaS（移動即服務）與數位化差旅管理的興起，整個產業正在加速往「數位化、數據化、平台化」轉型。 純粹從商業與營運效率的角度來看，接送業的未來競爭力，將取決於「數位中樞系統」與「以數據驅動的決策能力」。 台灣接送業現況：訂單分散、調度粗放 目前台灣的接送服務，可大致分為機場接送、旅遊包車、企業通勤與平台叫車四大類型，但多數車隊仍處於「多管道、少整合」的狀態。企業客戶透過電話或 LINE 訂車；旅行社透過紙本或簡單 Excel 表單下單；平台叫車則透過台灣大車隊、LINE GO、USPACE UGO 等介面分散派車。這種模式導致訂單入口不統一，排程與對帳高度依賴人力，極易發生重派、漏派或報價誤差，既壓縮毛利，也拉高管理成本。 另一方面，多數中小型車隊的調度方式仍偏直覺型，例如根據「哪台車剛回來」或「哪位司機比較方便」去派車，而非運用即時路況、歷史熱點與車輛利用率等數據做動態優化。這使得在機場、展覽、節慶等高峰期，往往出現「某些路段排隊等車，其他路段空車閒置」的資源錯配現象，嚴重影響客戶滿意度與營運效率。 數位升級第一步：建構統一訂單中樞 要提升接送業的數位化水準，首要是將「分散管道」轉為「統一中樞」。車隊可導入或自建一套雲端排程系統，串接所有訂單來源：企業客戶 API、旅行社訂車介面、平台叫車 SDK、以及自有官網與 Line 官方帳號。系統在接到訂單後，能自動產生派車單、分配車輛與司機，並同步傳送簡訊或 QR Code 給乘客，讓其即時查看車牌、ETA、車型與預估費用。 這類「訂單中樞」不僅能降低人力派單的錯誤率，也讓車隊在面對多平台訂單時，仍可維持內部一致的調度邏輯與服務標準。更重要的是，當所有訂單都經過同一系統，後續的報表產出、報價分析與客戶價值管理，才會有可靠的數據基礎，而不只是依賴老闆的「經驗值」。 數位升級第二步：動態智慧派車與路線優化 有了統一訂單入口後，下一步是導入「動態智慧派車」與路線優化機制。可搭配車隊管理系統（Fleet Management）與即時交通 API，在機場、科技園區、觀光景點等高需求區段，根據即時路況、預估到達時間、車輛空閒狀態，自動計算最佳派車方案。例如，當機場 LIMO 或包車訂單湧入，系統可預先部署車輛在熱點周邊，減少空車移交時間與司機空等。 在智慧調度的架構下，車隊甚至可以從「被動接單」轉向「預測性排班」。利用過去訂單數據、節慶、航空班次與大型活動等資訊，預估未來幾天的接單熱區與高峰時段，提前調整車隊編制與人力配置，將固定成本轉化為「可預測的產能」，而非單純的營運負擔。 數位升級第三步：提升乘客與企業端數位體驗 對乘客而言，數位升級不只是「可以線上叫車」，而是形成一套「透明、可追蹤、可預期」的服務體驗。透過系統發送即時位置追蹤連結、預計到達時間提醒、行程紀錄與電子發票，讓乘客在高鐵、機場、展覽等高壓情境下，仍能清楚掌握移動流程，減少焦慮與溝通成本。 對企業客戶與旅行社來說，則需要一套「數位化差旅管理」介面。企業可登入後台查詢歷史行程、搭乘次數、費用報表，並與內部 ERP 或會計系統串接，達成自動化請款與報銷。這類數位介面不僅能提高企業客戶的續約意願，也讓接送服務從「單一車資」的交易，轉為「企業移動服務」（Corporate Mobility）的長期合作關係。 未來發展：從「接送到端」走向「移動服務生態」 撇開 ESG 與綠能因素，台灣接送業的數位升級，本質上是「把車輛與司機資源，包裝成可被預約、被計價、被管理的服務模組」。未來 3–5 年，業者有機會從「Point‑to‑Point 接送」，進一步延伸到「旅遊體驗接駁」、「展會／展覽移動方案」與「企業通勤月結包」等產品，配合 B2B 平台或差旅管理系統，成為 MaaS 生態中的一環。 對多數中小型車隊而言，與其投入巨資自建大平台，不如優先投資在「一套穩定的雲端排程系統＋標準化 SOP＋與主流平台及企業系統的 API 介接能力」，利用數位工具槓桿既有車隊資源，把營運從「人管」轉為「系統管」，才是台灣接送業在後平台時代的生存與成長關鍵。