從企業、城市到國家，要打造專屬於自己的 AI 發展模式，數據已成為具備明確規格且不可或缺的核心基礎。在 TechOrange 科技報橘日前舉辦的「AI Ready 數據治理論壇」，鴻海科技集團以「整合碎裂數據，建立 AI Ready 智慧城市大腦」為題，分享鴻海在推動 CityGPT 與智慧城市應用的實戰經驗與觀察，解析如何透過標準化數據治理與 AI Agent 協作，整合碎片化數據，推動 CityGPT 與智慧城市。
「數據就像大富翁裡的土地，共享、互通、有交易，能發展才有樂趣，」鴻海科技集團董事長辦公室軟體研發處資深經理潘相輔比喻，「大家買房子的時候會看三個重點，第一個是交通，再是機能，當兩個都滿足的時候才會開始有人潮，」潘相輔以「生活圈發展」來形容打造一座 AI 宜居城市的核心三元素。底層的交通代表標準化的基礎建設，基礎打穩後，便會發展出機能，將社會化數據轉化為應用服務等，當交通與機能到位，自然會帶動人潮。
準確率達 90% 的大語言模型
鴻海以高雄市作為智慧城市的實證場域，目前城市資料平台匯整 7 大領域、28 個跨部會，共計高達 84 項的資料資產，潘相輔指出，當前智慧治理面臨的最大挑戰並非缺乏資料，而是如何處理龐大複雜的資料問題。
「過去 API 是為工程師設計，讓工程師能理解並帶入參數撈取資料，但若直接交給 AI 處理，AI 常因無法辨識正確參數而盲目測試，耗費運算資源，」潘相輔解釋，政府以往開放的交通資訊與 API 都仰賴工程師自行判讀、試錯並帶入正確參數，但當這些 API 交給大語言模型處理時，AI 會因為缺乏明確的選擇標準與規範，只能盲目測試，大幅消耗運算資源與成本。
為了解決讓 AI 精準存取資料，鴻海強調建立「資料說明與詮釋」標準的重要性，並開發出一套由多個 AI Agent 協作的「MCP Tool 描述標準流程」，引導 AI 精準執行任務，讓大語言模型在回答或調用資料的準確率達到至少 90% 的成效。潘相輔進一步分享其中三個 AI Agent 的分工機制，第一是 API 執行 Agent，負責接收問題、調用工具生成答案，以及實際執行任務。第二是評分專家 Agent，負責評估診斷，根據預設標準精準找出 AI 回答的錯誤（例如參數用錯或工具誤解）並生成報告。最後是評分 Agent，負責根據評分報告優化驗證，自動化修改與優化 MCP 工具的參數定義與限制。透過這套流程，AI 能不斷自我修正與學習，確保資料調用的精準度。
從高雄邁向全台：CityGPT 推動智慧城市治理
這套結合算力與數據治理的 AI 大腦 CityGPT，已在高雄市的交通監控中實際應用。潘相輔舉例，過去若發生塞車情況，需耗費大量人力跨系統調閱監視器畫面、比對車流來確認狀況，才能彙整出報告。現在系統在接收通報後，能依據標準作業流程自動啟動分析，快速生成替代方案的完整報告供決策者參考，縮短危機反應時間與行政成本。
潘相輔表示，鴻海期望透過高雄的城市實證經驗，將這套整合 City Data Platform 與 AI Factory 的智慧城市解決方案建立統一標準，協助台灣實現 AI 智慧城市治理。
