Exodigo

一句話結論

Exodigo 想解決基礎工程最貴的那個意外——挖到不在圖上的東西。技術路線很硬，但這是專案型服務不是你能自己買來用的軟體。

實際能做什麼

Exodigo 的流程分四段：先用 ExoInfo 把公開工程紀錄、管線資料與衛星影像整併成分析底圖；再到現場用非侵入式的多感測器掃描實地取像；接著由 AI 把訊號轉成能直接進設計流程的成果，包含數位分身與工程模型；最後提供管線遷移的成本估算與協調服務。

它的關鍵差異在「多感測器」。單一探測技術（例如地質雷達）在不同土壤條件下的表現差異極大——黏土層會嚴重衰減訊號，而台灣西部平原有不少這種地質。用多種感測器交叉驗證再讓 AI 融合，是提升可靠度的合理做法。客戶包含洛杉磯捷運、加州運輸局與 National Grid 等大型基礎建設單位。

優點

• 多感測器融合，比單一探測技術的適用地質範圍廣
• 輸出的是可直接進設計的模型，不是一份需要人再解讀的報告
• 客戶為州級交通與電力單位，實務驗證的等級夠高
• 連管線遷移的成本估算與協調都包，是真的解決專案痛點而非只賣資料

缺點

• 專案型服務，需要團隊到現場，不是能訂閱的軟體
• 官網不公開定價，成本結構完全不透明
• 覆蓋範圍以北美、歐洲與中東為主，亞洲的實際服務能力需確認
• 探測技術的物理極限仍在：極深、極細或被大量金屬遮蔽的目標一樣抓不到

適合誰

捷運、道路、電力、水利等大型基礎建設的規劃與設計團隊，以及在都市密集區施工的工程顧問。專案規模要夠大——動員一支現場團隊的成本，只有在「一次意外就損失數百萬」的專案上才划算。

替代方案

如果你要的只是「把散落的管線紀錄整合成一張可查的圖」而不需要現場探測，4M Analytics 的定位就是這個，成本結構完全不同。現場的無人機測繪與現況存證可以看 SkyeBrowse。傳統上這件事靠的是地質雷達加真空開挖，這仍然是法規要求的最終確認手段，AI 只能縮小要探測的範圍。

台灣觀點

台灣對這個題目付過非常慘的學費。地下管線分屬自來水、台電、中華電信、各家瓦斯公司與地方政府，圖資精度不一、更新落差大，道路挖掘的協調會議耗時是常態。氣爆事故的記憶也還在。

所以我看 Exodigo 的第一個念頭不是「台灣要不要買」，是「台灣的公共工程要不要建立這種等級的地下資訊標準」。工具可以進口，但真正的瓶頸在資料治理——誰負責維護管線圖資、精度要求多少、誰有權查閱。這是政策問題。

實務上台灣的工程顧問公司如果承接重大標案，可以參考它的流程分段方式：紀錄整合、現場驗證、模型輸出、遷移協調，這四段本來就該做，只是我們常常只做第一段和最後一段。中間那兩段省下來的錢，通常在施工階段以變更設計的形式付回去，而且付得更多。