（本文最初發表於Forbes.com）
軟體定義車輛正迅速發展為由人工智慧驅動的智慧型、自我優化系統（AI ）。隨著其功能不斷擴展，核心挑戰已不再是建構更龐大的模型，而是管理這些模型所依賴的龐大數據量。
一輛 SDV每天最多可產生2 太位元組的原始資料，具體取決於其物聯網、車載通訊及感測器系統的複雜程度。即使以最低估算，這也相當於單一車輛每天產出數百部高畫質電影。若將此數據乘以數百萬輛 SDV，便形成了一個每年產生數艾字節資料的生態系統，其中大部分資料仍分散於車輛與雲端之間，且未被AI 系統充分運用。
與雲原生企業不同，汽車製造商必須應對分散的架構與不一致的資料標準。無論是用於駕駛輔助、能源管理還是預測性維護，每次部署AI 都需要進行客製化整合。這正是在車輛被期望提供即時智慧功能的時刻，反而拖慢了進度。
我認為，下一波汽車AI 的關鍵在於「資料協調」——即能夠標準化車輛、邊緣裝置與雲端之間資訊的傳輸方式，使其能立即用於學習與自動化。
從更龐大的模型到更完善的数据基礎
全球汽車AI 市場規模預計將從2025年的47億美元，成長至2034年的近500億美元。隨著對演算法的投資日益增加，最具變革性的進展正發生在幕後——即AI 演算法與模型如何存取、處理及運用車輛數據。
在現代車輛內部，數十個電子控制單元透過 CAN 和乙太網路等網路進行通訊。每個子系統皆採用不同的資料定義、傳輸間隔及安全層級。對於AI 的工程師而言，同步這些訊號仍是一項複雜的任務，而隨著車系與供應商的不斷增加，這項任務的難度更為加劇。
新興的協調框架能夠協助即時正規化訊號，並將資料路由至車載系統或雲端中的適當運算單元。開發團隊可基於共通的資料層進行一次性開發，並在不同車系間重複使用，藉此降低整合工作量，同時實現車隊規模下更快速、更安全的軟體部署。
對汽車製造商而言，協調機制中最重要的環節之一，便是透過事件觸發的工作流程實現持續創新，使車輛在離開工廠許久之後仍能持續進化。
這些工作流程將車載感測器、AI 系統與雲端智慧技術相互連結，以偵測狀況並自動做出反應。碰撞偵測便是其中一個鮮明的例子。當發生碰撞時，經協調的系統可即時觸發一連串協調的行動：
• 啟動駕駛輔助模組，使車輛安全停下
• 隔離高壓電路，以防止事故後發生火災
• 執行自我診斷以找出受損的組件
• 在車輛抵達之前，便將維修資料傳送至附近的服務中心
透過將即時感測器數據與協調一致的響應措施相結合，汽車製造商能藉由軟體更新來提升安全性、可靠性與性能，將原始數據轉化為貫穿車輛整個生命週期的持續改善循環。這些閉環回饋機制讓原始設備製造商（OEM）能夠更快地部署變更、從實際事件中學習，並降低實驗成本。 德勤（Deloitte）報告指出，採用集中式（協調式）SDV 決策模式的原始設備製造商（OEM），可節省 23%的 SDV 相關研發支出——在某些情況下最高可達 7 億美元。
將資料協調轉化為實際影響
汽車領域的「AI 」已超越演算法的範疇。如今的重點在於如何安全、高效且獲利地將智慧擴展至數百萬個聯網系統。透過將開發階段至日常營運的資訊串聯起來，並將移動服務轉化為一個持續改進的平台，一套有效的資料協調方法有助於實現這一目標。
隨著車輛逐漸演變為軟體生態系統，協調機制也能協助提升效率、加強安全，並在以下三個核心領域帶來可量化的財務回報：
1. 效率：統一的資料管道可減少重複的整合作業，並讓AI 模型能重複利用現有的網路與運算資源，從而加速產品上市時間並降低工程開銷。
2. 安全性：即時資料存取可確保AI 系統能立即對不斷變化的道路或系統狀況做出反應，而模擬環境則會重播歷史資料，以便在部署前驗證系統效能。
3. 成本節省：透過更快的開發週期、預測性診斷以及無線功能部署，軟體定義架構與智慧編排有望在 2030 年前創造4,000 億至 6,000 億美元的增量價值。加上編排效率的提升（例如將更新週期從數月縮短至數週），隨著每一項改進都能立即擴展至整個車隊，財務回報將呈現複利增長。
有效的資料協調在實務中是怎樣的？
對於致力於將協調機制付諸實行的汽車製造商與供應商而言，一套簡明的原則有助於判斷這些努力究竟能擴展規模，還是會陷入停滯。我建議從訊號標準化著手，而非從模型開始。若在跨平台車輛資料尚未獲得一致定義之前，便部署AI ，將限制資料的重用並拖慢進度。統一的資料基礎才能實現規模化。
此外，從一開始就將調度設計為涵蓋車輛邊緣與雲端也至關重要。在雲端處理所有資料會增加延遲並提高成本，而將所有資料推送到車輛端則會限制學習效果。有效的框架應能兼顧兩者。
此外，應將事件驅動的工作流程視為核心基礎架構。當故障、系統當機或環境變化自動觸發相關動作時，車輛便能在無需人工干預的情況下持續改進。應避免僅能解決單一問題的點解決方案。硬編碼的邏輯雖可在孤立環境中運作，但往往在大規模部署時會失效。系統編排應隨著時間推移簡化系統，而非增加複雜性。
這些原則相互結合，便能將協調機制轉化為持續創新的驅動力。
為AI 時代重寫汽車產業的遊戲規則
Sonatus 針對超過 500 名業界專業人士進行的一項調查顯示，2025 年原始設備製造商（OEM）的幾項首要任務包括數據管道整合、AI 準備就緒以及網路安全，這凸顯出最具實質意義的進展將源自更強大的基礎設施。該調查還發現，預計到 2030 年，軟體定義車輛將佔全球新車產量的絕大部分，這標誌著汽車產業價值創造方式將發生根本性轉變。
我深信，引領這場轉型浪潮的製造商，不僅會打造更智慧的系統；他們更將掌握支撐智慧持續提升的數據基礎。汽車AI 的下一片新疆土，不僅僅是自動駕駛。關鍵在於讓車輛能夠透過精心協調的數據，將智慧轉化為行動，從而具備學習、適應與演進的能力。
