2022年無人機哪個環節自動化程度最高？

根據 Drone Analyst 調查逾 1,000 名企業及機構用戶的結果，飛行環節自動化程度最高，超過 50% 的無人機計畫表示已大部分實現飛行自動化，其次是數據處理，而數據分析自動化僅佔 14%。

哪些產業的無人機自動化程度最高？

農業與建築營造業（AEC）因任務以測繪為主、飛行路徑單純，是自動化程度最高的產業。公共安全領域因任務情境獨特、即時性要求高，自動化程度最低。

法規是最大瓶頸。目前 BVLOS 超視距飛行豁免多綁定特定場域，難以快速擴展。FAA 的 BVLOS 法規制定委員會已提出新建議，預計 8 個月內發布最終規則，業界則以 RaaS（機器人即服務）模式為過渡方案。

上一次我們探討無人機自主性議題時，曾借鑑汽車自動駕駛分級標準，套用於無人機飛行領域，並確立了「自主無人機解決方案」遠不止自動飛行本身，還涵蓋從數據採集、處理到分析與行動的完整流程。

自主無人機解決方案所需的，遠不只是飛行自動化。

但問題來了：自主無人機在今日究竟有多普及？自動化發生在無人機技術堆疊的哪些環節？隨著 2022 年市場上陸續出現各種第一方與第三方「無人機機庫」（drone in a box）解決方案，製造商顯然認定客戶正加速邁向營運自動化。

在 Drone Analyst 的 2021 年報告中，我們調查了超過 1,000 名企業及政府機構使用者，詢問他們無人機營運中哪些環節已「大部分」實現自動化。結果顯示，超過 50% 的無人機計畫表示飛行環節已大部分自動化，其次是數據處理。

而自動化程度最低的環節是數據洞察與分析，僅有 14% 的計畫達到此程度。這並不令人意外，一方面數據本身就難以解讀，另一方面若缺乏可重複、自動化的飛行流程，先進的 AI／機器學習技術也難以產出理想成果。

以電信基地台或高壓電塔的垂直設施巡檢為例，Skydio 的「3D Tower Capture」等解決方案確實能可靠地自動化飛行與數據採集。然而，營運者可能面對數千種不同的塔架配置，以及數十年間安裝的各式零組件，這使得大規模部署 AI 來偵測零件、排程維修仍相當困難。

這也關係到不同任務類型與產業的自動化難易度。測量測繪任務是最先實現自動化的領域，因為它僅需透過軟體定義的任務規劃，即可在建築工地或農田等大面積平坦區域執行，對機載智慧的要求較低。而垂直設施（如前述的電信塔或電塔）則可跳過預設任務規劃，改用更聰明的機載系統與避障感測器。

最具挑戰性的「終極目標」，則是為公共安全領域自動化態勢感知或戰術任務。在這類情境中，時間至關重要，且每次狀況都獨一無二。飛手團隊經常難以將無人機部署在最佳位置、優化攝影機設定以取得最佳情報，更關鍵的是——如何即時將資訊傳達給現場指揮官。

當我們按產業別拆解數據，可以清楚看到這些任務特性的影響：農業與建築營造業（AEC）因測繪任務較為單純，成為自動化程度最高的產業，而公共安全領域則敬陪末座。

儘管 2022 年的數據顯示無人機自主化發展態勢正面，但要真正部署數以千計可遠端調度的無人機機庫，仍需克服更多障礙，特別是在法規面。

目前已有一些進展——例如 American Robotics 取得了有限度的營運許可——但此類法規的可擴展性仍不明朗。綁定特定場域或作業的豁免許可，本質上就難以快速擴展，這將成為大規模部署的主要瓶頸。

與此同時，製造商和開發商已認定**「機器人即服務」（Robot-as-a-Service, RaaS）商業模式**是規模化的最佳路徑。這種模式降低了客戶的前期成本，其可預測的營收特性也使得一旦法規到位，投資人便能輕鬆支持業務擴張。

美國聯邦航空總署（FAA）的 BVLOS（超視距飛行）法規制定委員會於 2022 年稍早提出的新建議，正朝著更具擴展性的自主遠端飛行方向邁進。公眾意見徵詢期已於 2022 年 6 月 29 日截止，FAA 接下來將著手研擬最終 BVLOS 規則，預期在未來 8 個月內發布。

大規模自動化無人機營運的潛力從未如此接近，但不同產業之間的發展差距將持續擴大——某些任務更仰賴智慧控制，但不一定需要完全自動化。