當邊緣 AI（Edge AI）在座艙中做出決策時，您需要的不僅是基於 LLM 的 AI 安全防護機制
車內語音助理與多模態代理式 AI，早已超越單純的使用者互動介面，成為能推理、決策並行動的智慧夥伴。在這樣的情境下，車內 AI 的安全防護，不應以犧牲互動體驗為代價。 然而，多數現有 AI 安全防護機制（AIGuardrails）仍以雲端為核心，為邊緣 AI 的落地帶來關鍵挑戰：
延遲問題
雲端執行會減慢推論速度，並影響流暢的座艙互動體驗
資源負擔
目前安全防護機制會消耗記憶體資源，並影響整體系統效能
整合與導入摩擦
非針對邊緣 AI 設計的安全機制恐延誤 SOP 落地，並難以應對新型攻擊手法
xPhinx：提供無延遲、無額外負擔的邊緣 AI 安全互動
以風險驅動的車內邊緣 AI 防護
xPhinx 可在不影響 AI 座艙互動體驗的情況下，保護車內邊緣 AI 與 AI 代理（AI Agent），防範提示注入、越獄、不安全行為與資料外洩。結合 VicOne 獨有的汽車資安威脅情報，xPhinx 能持續因應不斷演進的提示攻擊與越獄技術，並在 AI 做出決策的關鍵時刻，檢測並淨化 LLM 的輸入與輸出內容，阻止遭操控或不安全的行為。
以最低效能影響實施 AI 安全防護
不同於以 LLM 為基礎的 AI 安全防護機制，xPhinx 專為車內邊緣 AI 模型（LLM／VLM）打造。其輕量化架構可直接於裝置端執行，達成：
- 最高可提升 70%* 的執行效能
- 最高可降低 90%* 的記憶體使用量
且無需重新訓練、修改或升級既有 AI 模型。
*與基於 LLM 的 AI 安全防護機制相比。
具備情境感知能力的分層式車內 AI 防護
xPhinx 採用雙層、具風險感知能力的設計架構：第一層輕量化防護會持續掃描LLM 的輸入與輸出內容，僅在偵測到較高風險行為時，才啟動更深層的意圖分析。 此作法可在不影響各類智慧座艙應用效能的前提下，提供強固的 AI安全防護。所有 VicOne 邊緣軟體皆符合 ASPICE CL2 產品與專案要求。
專為車輛打造：
比較 xPhinx 與 基於 LLM 的 AI 安全防護機制
雲端與基於 LLM 的 AI 安全防護機制，原本是為內容與服務安全所設計，並非為以邊緣 AI 驅動、直接影響車輛行為與使用者互動體驗的智慧座艙而生。
| LLM 防護 | xPhinx | |
|---|---|---|
| 是否為邊緣 AI 驅動的智慧座艙所設計 | 受限，成本高且延遲明顯 | 是 |
| 隱私與資料存放位置 | 資料需傳送至雲端的 AI 安全防護機制 | 100% 本地端處理 |
| 資源需求 | 需高階 GPU／NPU 與大量記憶體，不適合邊緣 AI | 資源需求低，專為邊緣 AI 設計 |
| 可用性 | 需要網路連線 | 100% 離線運作 |
| 對使用者體驗的影響 | 會影響使用者體驗 | 使用者無感知 |
| 持續更新汽車與 AI 攻擊技術 | 更新有限，缺乏專屬資安威脅情報 | 由 VicOne 汽車資安威脅情報支援 |
OEM、IVI 平台與 AI 模型供應商常見問題
xPhinx 是否需要修改我們的 AI 模型？
不需要。xPhinx 可與既有 AI 模型並行運作，無需重新訓練或進行任何修改。
車載裝置端的防護機制會影響 AI 回應時間嗎？
xPhinx 針對車內邊緣環境設計，具備低延遲與精簡的記憶體使用量，適合即時互動需求。
xPhinx 是否可彈性部署於不同 AI 框架或作業系統？
可以。xPhinx 支援多種 Hooking 機制，可攔截並檢測 LLM 的輸入與輸出，彈性整合至不同架構中。
xPhinx 如何支援汽車產業的合規需求？
xPhinx 採用符合 ISO/SAE 21434 與 UN R155 的風險管理思維進行設計，並依循 ASPICE CL2 流程進行開發。
了解更多資訊
深入瞭解汽車網路安全
