Google將廢棄紙工廠改造成未來式資料中心
Google將廢棄紙工廠改造成未來式資料中心
2012.01.30 | 科技

 

2009年2月,Google花了5200萬美金買下芬蘭南方海岸Hamina的廢棄紙工廠,並將此56年歷史的老建築視為建造大型資料中心設施的理想地點,以提供其鉅量的雲端服務。該地點最大的特色是擁有一個地下管線,可以把芬蘭灣的海水抽上來。過去該紙工廠利用管線抽冰冷的波羅的海海水,以冷卻工廠蒸汽設備,現在Google用它來冷卻主機設備。

這些機器人攝影機式用來偵查長久未使用的管線,偵查結果顯示,所有450公尺的管線全部良好。從2010年5月開始,這些管線開始運送海水至Google新資料中心的熱交換器,用來冷卻數以千計滿載網路流量的伺服器,藉由海水管道,Google的Hamina資料中心就不用一般資料中心常用非常耗能的冷卻器。

由於Google「別出心裁」的思考,讓資料中心兼具效率及環境友善的任務,不只如此,Google的Hamina資料中心還是一個網路時代來臨的理想象徵建築,紙工廠的結束象徵著報紙和雜誌等媒體的衰敗,並象徵著新的網路服務來臨。

Google是這波綠色資料中心運動的先鋒,除了芬蘭外,還在比利時、愛爾蘭及美國也打造新時代資料處理中心,並引來其他網路巨擘如Amazon、Microsoft及Facebook的跟隨。去年,Facebook在美國奧瑞岡新建的資料中心,也完全捨棄冷卻器,改用抽取外部冷空氣來冷卻伺服器,並且宣佈將在瑞典建造第二座資料中心。

**Google資料中心的秘密 **

多年來,Google對於如何設計資料中心的設施及硬體守口如瓶,直到2009年,Google發佈了影片介紹其如何在奧瑞岡打造第一個客製化資料中心,並陸續透露了一些芬蘭Hamina及比利時Saint-Ghislain資料中心的部分資訊。

根據Google RagingWire企業解決方案營運長Kava的說法,Google兩座歐洲的資料中心都捨棄了冷卻器,Hamina資料中心利用巴爾的海海水冷卻,比利時的資料中心則利用蒸汽式冷卻系統,從鄰近的工業運河抽水冷卻,而且就地設計及建造水冷卻設施,因此不需要使用到供應大眾的水源。

美國空調協會ASHRAE(American Society of Heating, Refrigerating, and Air-Conditioning Engineers)建議的資料中心適合溫度應介於華氏68~77度間,但是Google的資料中心就是有辦法在華氏80度以上的環境運作。

Kava認為,建造有效資料中心的第一步,就是不需要那麼低的溫度。機器、伺服器和儲存陣列在較建議溫度以上的環境還是可以運作的很好。有好幾次遇到資料中心過熱,Google都要求員工離開建築物,只留伺服器繼續運行。「其實不需要做任何事,只要告訴員工在過熱時段不要在資料中心工作就可以了」,Kava說。

然而在比利時,的確遇到連伺服器都過熱的情況,Google採取的作法是利用一款名為「Spanner」的自動化軟體,將伺服器上的工作移轉到其他資料中心處理。該軟體是一「橫跨所有資料中心的儲存及運算系統,可以計算各資料中心的限制及使用模式,全自動移轉或增加資料副本,這些限制包含了頻寬、封包遺失、電力、資源及人為狀況。

 

有一些抱怨來自於Facebook之類的網路業者,認為Google透露太少如何解決可能造成大型網路設備損害的某些問題。報導曾指出,Google不只客製自家的伺服器,連網路設備都是客製的,但是該公司不願承認太多技術細節。

 

來源:WIRED

 

往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓