工研院精進知識經濟競爭力|數位時代 BusinessNext

勇敢投入業界還未做、不敢做、或不會做的產業科技創新，正是工研院的目標及使命。歷經三年發展並於2008年正式上線運作的智慧資源規劃（Intelligent Resources Planning；IRP），為應用新資訊技術與產品創造更高研發價值的成果之一。

工研院技術移轉與服務中心專利加值組陳秋齡組長表示：「企業從事全球佈局及相關決策需要包括產業、產品、技術、市場以及相關廠商的完整動態資訊支援，而企業自主研發及減免巨額權利金、技術報酬金支付，並適度防範專利侵權訴訟風險與控制巨額法律費用，則需要完整的技術、智慧財產資訊支援。透過IRP平台，以簡易圖表將上述所需資訊作相互關係之具體展現，得以快速提供企業發展決策之需，改善目前常見巿場、產品及產業之間過於薄弱的資訊連結。」

工研院以三年為期，從無到有地打造IRP平台所需的方法論、基礎架構與應用功能。這個同時結合了知識管理與人工智慧的平台，區分為知識管理、資訊擷取、分析、協同工作入口網站、全文檢索等五大子系統，並於2008年正式上線運作，初期先提供給工研院院內同仁使用，後續將擴大成為提供給產業界的專業服務。

12 TB資料量及文字型資料庫的雙重挑戰

工研院現行的運作是研究人員通常專注在自己專業的技術上，由於缺乏整體產業資訊參考，致使開發的技術或元件，雖然專精卻缺乏整體觀點，無法為決策者提供強而有力的支援。

為了協助決策者掌握所有資訊，IRP所提供的資訊為特定產業上中下游全球廠商之專利分佈，即依產業產品的BOM展開其技術結構，並配以專利於其間之關係圖表；還有廠商間的專利侵權、專利授權、技術移轉、合投資、併購、合作開發、代工等等實用性動態訊息彙整；以及高度完整性的產業鏈、價值鏈及供應鏈資訊彙整。這些資料來源，係取自產業新聞、財務報表、專利等多面向之異質資料。

以低價電腦的研發為例，首先必須展開構成電腦的所有元件，逐一清查哪個元件是由哪些供應商生產，以及相關專利及智慧財產權的佈局，再從中找出技術關鍵點並查驗被開發／佈局情形，，最終才能排列組合出最佳的成本結構及供貨來源。

然而，建立完整資料藍圖的同時，另一個隨之而來的挑戰，就在於大量且成長快速的資料運用與管理上。根據專案小組的預估，IRP平台的資料量將於2008年底達到12 TB，上線後將成為院內最大的資料庫，線上同時使用人數規劃為250至400人。

除此之外，以資訊為主體的IRP平台，還是台灣首見的文字型資料庫應用模式，同時也是全球少見的應用實例。面臨嶄新的多重挑戰，工研院一方面選定Microsoft SQL Server 2005做為資料庫環境，一方面則在微軟原廠專業團隊的協助之下，進行了長達半年的概念驗證及先導測試工作。

以彈性、延展性與高效能的基礎架構奠基

在專案發展初期因經費的因素對於資料庫的選擇，工研院專案小組先以SQL Server 2000來進行開發，為因應未來巨量的資料處理以及大量使用者在系統運作效能上的考量，於2007年透過微軟顧問的協助下升級至SQL Server 2005資料庫平台上，後續更嘗試採用微軟最新的商業智慧報表工具Office PerformancePoint Server 2007，整合相關資訊進行動態分析，輔助商業決策的作業。

工研院資訊技術服務中心計畫經理徐紹馨表示：「由於這是提供給全院使用的大型資料庫，可以預見的是效能絕對會成為最大的瓶頸。SQL Server 2005則以更好的彈性及延展性來支援大量資料所需的整體架構。」

以資料倉儲的資料轉檔與整合程式為例，進行百萬筆文件資料的整理與搬移作業時，在SQL Server 2000上需時六分鐘，在SQL Server 2005上，採用最新的SSIS技術，僅需一分鐘內即可完成。同時SQL Server 2005提供給系統開發人員的SSMS（SQL Server Management Studio）功能也變得更為便捷好用，滑鼠點選即可開啟。

採用SQL Server 2005，對使用者而言，最直接感受的部分就是作業速度與資料存取成功率的提升。為了避免所有應用程式同時存取同一資料庫，形成軟硬體資源的搶奪效應，專案小組將資料庫環境一分為二，區隔為交易型及分析型資料庫，再加上資料庫版本的升級，原先在SQL Server 2000只達九成的資料存取成功率，在SQL Server 2005已提升至近乎100%。

除了軟體架構的升級，另一個改善效能的關鍵則在搭配的硬體平台上。專案小組針對既有平台的硬體效能瓶頸，進行嚴謹的分析，根據分析報告找出改善重點，並選擇配備Intel處理器的中高階伺服器、獨立的高效能磁碟等設備，一方面滿足效能的需求，另一方面也展現了最佳的成本效益比。

徐紹馨經理說明：「由於工研院涵蓋的產業類別很多，分析模式也必須更為多樣化，無法只以制式報表來滿足全院的需求。」針對不同且異質資料源的產業訊息、新聞報導、財務報表與專利等文件，建立資料倉儲系統，並透過Cube彙整分析資訊，採用Office PerformancePoint Server 2007提供的多維度分析報表工具，讓使用者根據自己所需的分析角度，隨選隨拉。

IRP平台上線之後，未來院內研發人員、研發及智財主管，以及產品開發人員都可能成為使用者。但專案小組的企圖心不僅止於此，長期來看，IRP平台將成為對外服務項目之一，具體展現知識經濟的效益及力量。

七年、三階段，國泰金融集團將雲端內化為營運流程與創新引擎

為什麼國泰可以領先市場完成雲端轉型、數據與 AI 賦能業務？

顏勝豪認為，雲端轉型的起點不是直接遷移系統，而是從四個面向打底：應用系統盤點評估、雲端架構設計、雲端遷移藍圖規劃，以及組織治理框架建立，而這也是 Cloud Ready 階段最重要的事情。
「不同子公司有不同商業模式與節奏，若沒有共同語言與平台底座，上雲很容易各自為政。」顏勝豪表示，為讓所有員工可以齊步前行，國泰以雲端遷移方法論 Cathay 6R（註1）作為共同語言、用平台作為共同底座，讓轉型不只是技術選擇，而是集團行動。
完成單一系統的雲端遷移後，便進入 Cloud Adoption 階段。在這個階段中，要透過大規模遷移建立更成熟的上雲標準作業流程（SOP），透過 FinOps 機制控管與優化雲端營運成本，以及透過自動化與治理模型確認多雲環境與安全與維運穩定性，目標是將雲端內化為組織日常運營的一部分，進而邁向 Cloud First 階段：在合規前提下，新專案與系統升級預設在雲端環境開發，並善用雲原生優勢加速新產品功能開發速度。
「集團雲端策略只有一個核心原則：讓雲成為 AI 時代的成長引擎，而不是單純的基礎設施。」關於國泰的未來雲端布局，顏勝豪如是總結。

以雲端為 AI 資源引擎、發揮數據燃料價值，實現 AI 賦能業務應用

國泰不僅在2025年完成集團百套系統上雲，也啟動數據上雲計畫並為 GenAI 奠定基礎建設。
例如國泰金控實現數據上雲，打造資料湖倉與 GAIA 生態系統架構為 AI 賦能業務做準備：成立國泰風險聯防中心（CRC）攜手集團洗防人員強化風險控管與金融犯罪因應能力；釋出國泰員工 AI 助手–Agia–Beta
版，提供差勤、福利與權益、技術支援、職務職能與集團其他資訊等五大類別管理辦法等查詢服務；此外，亦推出集團數據共享平台、集團法規知識庫、 AI 評測中心等服務，更好發揮 Cloud First 與 AI 賦能業務應用的價值。
雲端是 AI 時代的關鍵底座、數據則是 AI 的燃料。顏勝豪指出，發展AI需要龐大的 GPU 算力，若自建 GPU 機房，不僅硬體設備昂貴、折舊速度快，光是散熱系統一年就高達兩、三千萬元的成本，若採取雲端資源，可以隨啟隨用，同時，大幅降低試錯成本。「當雲端打好基礎、AI成為能力模組，銀行、人壽、產險與證券的創新不再是單點突破，而是放大集團級綜效。」

國泰以 Cloud First + AI 持續領先市場、形塑未來樣貌

「雲端可以優化算力成本，資料則決定 AI 應用上限。」顏勝豪解釋，在 AI 新世代，AI 模型定調能力「下限」，集團子公司掌握的「獨特資料」則決定應用的「上限」，考量雲端有許多好用 AI 服務，唯有資料上雲才能發揮數據價值、用 AI 賦能集團各子公司業務。
例如國泰世華銀行將採取多公有雲策略，打造雲端智慧生態圈，並以現代化雲原生技術拓展應用場景；同時，運用 AI 與資料分析優化客戶服務體驗，並藉由跨雲整合機制支援多元業務模式，以充分發揮上雲效益。至於國泰產險，不僅在兩年半內完成13套核心系統上雲、優化營運流程，如以 Serverless 架構打造百萬級效果、萬元成本的短網址系統等，讓雲端成為產險驅動長期成長的核心引擎與標準配備。

國泰人壽則是透過雲端與 AI 滿足不同客戶需求，如以 AI Search 精準呈現關鍵字搜尋結果，讓客戶可以精準且快速的查找所需資料、大幅優化官網體驗與滿意度。至於國泰證券則是於2026年初推出「庫存管家」服務，以客戶持股為核心，應用 AI 技術打造個人化推播服務，協助投資人更有效率地掌握庫存狀況，提供更即時、系統化的投資管理體驗。
總的來說，國泰金控在集團的雲端轉型不僅是技術升級，更是思維革新，從百套系統上雲進展到 Cloud First 階段，可以預期在雲地基礎下，國泰將進一步引領 AI 時代變革，持續提升營運韌性與放大創新價值。

註1：Cathay 6R 國泰設計 Cathay 6R 雲端遷移方法論，將系統遷移方式依據上雲模式、系統開發成本分為 Rehost 、Replatform、Refactor、Rewrite、Replace 和 Retain 共6種遷移架構，並能對應到 IaaS、PaaS、SaaS 三種不同上雲模式。