AIoT雖能提升電動車效能，但也帶來能源消耗的挑戰，特別是在自動駕駛等需大量運算的系統中。然而，AIoT在電池管理、路徑規劃、充電排程和剩餘電量預測等方面的應用，仍有助於提升能源效率和續航力。隨著AI演算法和硬體技術的進步，AIoT在電動車領域的應用前景樂觀。

物聯網（IoT）將實體設備、感測器和網路連接起來，實現設備之間的智慧互動和數據共享，而人工智慧的融入則賦予這些互聯設備學習、推理和做出決策的能力。這種人工智慧與物聯網的融合，即所謂的AIoT，已成為各行各業發展的重要驅動力。

在汽車產業，特別是電動車領域，AIoT的應用日益普及。這主要是由於市場對於更強大的功能、更高的安全性和更優異的效率的需求不斷增長。電動車作為一個高度依賴軟體和電子系統的載具，AIoT提供了一個理想的平臺來管理其複雜性、優化性能並提供差異化的先進功能，從提升駕駛輔助系統到實現完全自動駕駛。

然而，AIoT在電動車上的應用也帶來了一個核心挑戰，那就是對車輛續航力的潛在影響。許多AIoT功能，例如實時數據處理、複雜的感測器操作和持續的網路連接，都需要消耗能量，這可能會減少電動車的行駛里程。與此同時，AIoT 也被視為解決續航力問題的關鍵技術之一。

電動車中AIoT應用案例

先進駕駛輔助系統

AIoT的融合顯著提升了電動車中ADAS的功能。例如，由AI驅動的演算法增強了自適應巡航控制（ACC）的性能，使其能夠根據交通狀況調整車速，保持安全的跟車距離，並降低追撞風險。

車道保持輔助系統則利用AIoT提供的即時數據和智慧分析，幫助駕駛員將車輛保持在車道內，減少因駕駛員疲勞或注意力不集中而導致的意外。此外，自動緊急煞車系統也得益於AIoT的進步，能夠更準確地偵測潛在的碰撞風險並及時介入。

AIoT的一個關鍵貢獻在於實現了更精密的感測器融合。電動車配備了多種感測器，包括光達（LiDAR）、雷達、鏡頭和全球定位系統（GPS）。AIoT技術能夠將來自這些不同感測器的數據進行整合和分析，形成對車輛周圍環境更全面、更精確的理解，使得車輛能夠在各種複雜的駕駛情境中做出更可靠的決策，提升了ADAS的整體性能和安全性。

自動駕駛

AIoT是實現電動車自動駕駛的基石，自動駕駛車輛依賴複雜的AI演算法來處理來自大量感測器的即時數據，並做出行駛決策。AIoT平臺提供了必要的基礎設施，以支持這些計算密集型任務。例如，透過分析交通數據並與交通信號協調，自動駕駛車輛可以更有效地導航，從而縮短行程時間並減少能源消耗。AIoT還賦予自動駕駛車輛神經網路和特定的演算法，這些基於AI和機器學習的物體檢測演算法能夠收集數據、分析物體並在行駛過程中做出準確的決策。

車輛健康監測與維護

AIoT在電動車的車輛健康監測和預測性維護方面也發揮著關鍵作用。它能監控車輛的各項健康指標，例如電池性能、輪胎壓力和電機運行狀況，AIoT系統能夠及早發現異常情況並預測潛在的故障。例如，博世物聯網套件（Bosch IoT Suite）提供預測性維護解決方案，可以檢測電動車系統中潛在的問題，從而提高車隊的整體性能。這種預測性方法可以幫助車主或車隊管理者在問題發生之前採取預防措施，降低維修成本，並確保車輛以最佳狀態運行。

智能充電管理

AIoT技術也革新了電動車的充電管理方式。智慧充電系統可以根據多種因素優化充電過程，例如能源需求、電網負載和可再生能源的可用性。例如，臺達（Delta）的DeltaGrid EVM 電動車充電管理系統可透過充電樁群組化、設定優先順序、限制輸出電流或善用時間電價調度等機制，協助充電服務提供者在建設電動車充電基礎設施時兼顧用電安全、合理的電力成本和服務可用度；宜鼎國際（Innodisk）的智慧電動車充電網路管理系統，透過整合AI技術，實現對充電樁的優化管理，包括停車違規檢測、環境監測和遠程管理。

圖一 : 臺達的智慧電動車充電管理系統

AIoT技術對電動車續航力的挑戰

電動車中AIoT應用的核心在於其複雜的演算法，這些演算法驅動著自動駕駛、先進駕駛輔助系統和智能分析等功能。例如，自動駕駛系統需要實時處理來自多個感測器的大量數據，並做出快速、準確的決策。

這涉及到複雜的機器學習模型，如卷積神經網路 （CNN） 和循環神經網路 （RNN），它們需要強大的計算能力才能運行。這種高強度的計算需求直接導致了顯著的能源消耗。即使是相對緊湊的工業級邊緣AI平臺，其功耗也可能達到150瓦。對於電池容量有限的電動車而言，這種能源消耗會直接影響其續航里程。

因此，如何在提供強大AI功能的同時，降低其能源消耗，是電動車AIoT發展面臨的重要挑戰。

感測器和聯網需求的能源消耗

實現自動駕駛和先進駕駛輔助功能需要依賴多種感測器，包括光達、雷達和攝像頭 這些感測器需要持續運行以感知周圍環境，這意味著它們需要不間斷的電力供應。

光達系統通過發射和接收雷射脈衝來創建高解析度的3D環境地圖，這個過程需要消耗較高的能量；雷達和攝像頭也需要持續工作以提供實時的環境信息。

此外，許多AIoT應用需要與雲端平臺進行實時數據交換和處理，這就需要車輛保持持續的網路連接。無論是通過蜂窩網路還是Wi-Fi，保持這種連接都會消耗電能。因此，感測器和聯網需求所帶來的持續能源消耗，是AIoT技術在電動車應用中面臨的另一個續航力挑戰 。

AIoT在電動車智慧能源管理中的應用

AIoT在電動車智慧能源管理中，透過智能充電排程，依據電價、用戶習慣、行車需求及再生能源情況，自動調整充電時間以優化能源使用並降低成本；透過剩餘電量預測，分析駕駛數據以提供更準確的續航里程估算，幫助駕駛者做出更佳的行駛及充電決策；並透過行駛路線優化，即時調整導航路線，避開壅塞、選擇平坦路段並考量充電站位置，以最大化能源使用效率並延長續航力。

AIoT技術與續航力提升的新策略

圖二 : AIoT在提升電動車功能和體驗方面展現出巨大的潛力，但同時也帶來了能源消耗的挑戰。

目前，主要的電動車製造商正積極將AIoT技術融入其產品中，以提升車輛的續航能力。例如，富豪汽車（Volvo）在2021年宣布將透過OTA （Over-The-Air）軟體升級來增強其全電動汽車的續航里程，包括智慧電池管理和諸如定時器和助手應用程式等功能，以幫助駕駛員實現最佳的能源效率。

福特汽車也推出了智慧里程功能，利用監控駕駛員的日常習慣、車輛狀態、交通、天氣和地理數據，使用演算法來提供最新的剩餘電池壽命訊息。特斯拉（Tesla）、比亞迪（BYD）等電動車製造商也在大力投資AIoT技術，用於自動駕駛和能源管理。這些製造商普遍認為，AIoT是提升電動車整體性能和用戶體驗的關鍵，而續航里程是其中的核心議題。

除了車輛製造商之外，科技公司也積極投入汽車AIoT解決方案，共同開發用於電動車充電基礎設施的AIoT技術，重點在於提高充電效率和改善用戶體驗。他們的解決方案包括智能停車違規檢測和預測性維護等功能，有助於優化充電站的利用率和可靠性。

另一方面，電動汽車充電基礎設施供應商也在積極利用AIoT技術來優化其充電網路的利用率、效率和可靠性。例如韓國電信（KT Corp.）將AIoT監控應用於電動汽車充電站，以提高安全性和異常檢測能力等。而透過應用AIoT技術，充電站運營商也可以更有效地分配資源，預測維護需求，並提供更好的用戶體驗。

結論

儘管AIoT在提升電動車功能和體驗方面展現出巨大的潛力，但同時也帶來了能源消耗的挑戰。複雜AI演算法的運算需求、感測器和聯網功能的持續運行，以及環境因素對感測器性能的影響，都可能增加電動車的能源消耗，尤其是在需要大量即時數據處理和複雜決策的自動駕駛和高級駕駛輔助系統中，能源管理變得尤為重要。

雖然存在挑戰，AIoT在提升電動車能源效率和優化續航表現方面的前景依然廣闊。AI驅動的電池管理系統能夠更精確地監控和優化電池性能，延長電池壽命和續航里程；先進的路徑規劃演算法將能源消耗納入考量，幫助駕駛員選擇更節能的路線；智能充電排程和精確的剩餘電量預測則能幫助用戶更智慧地管理能源使用，消除里程焦慮；車輛與基礎設施協同技術的發展，也間接提升電動車的續航表現。

隨著AI演算法變得更加高效，硬體變得更加節能，AIoT在電動車領域的應用將會更加成熟和普及。