[朱宜振] 來去上太空?硬體創業的浪漫
[朱宜振] 來去上太空?硬體創業的浪漫

有多少人的小時候,夢想是未來要當太空人呢?

至少我記得我曾經在小時候許下的長大後的志願:太空人、科學家都在我的志願之列。當然,往往到了年紀越長,當年的夢想就漸行漸遠。例如我自己當我到了國中就發現我當不了科學家了。我想,如果我可以當科學家應該很早就跳級了,但這件事情沒有發生,所以只好來做工程師。

NASA 火星科學實驗室的好奇號 (Curiosity),數位時代翻攝於 NASA
(圖片說明:NASA 火星科學實驗室的好奇號 (Curiosity),數位時代翻攝於 NASA)

但是,我也想想,或許是因為我留在台灣吧!出生在本土真的想當太空人,大概真的就得去歐美日才有機會了。出社會後,這些夢想又離我越來越遠,除了過往曾經因為身處在嵌入式裝置產業中,很間接地接觸了國防與航空相關的應用。

過往的這些夢想,卻又在踏入創新創業的路上時開始發現離自己近了起來...當我發現,原來台灣有 ARRC 的火箭團隊,心中的那股熱血開始燃燒起來。當我發現,身邊的優秀年輕人所寫的程式被用在 NASA 衛星上太陽能風帆的容錯機制,就突然開始覺得世界很浪漫。當看到,水道橋重工要和美國 Megabot 進行世紀機器人大戰,瞬間鋼彈魂都開始爆發,感覺一年後的戰爭很快就即將要開始了。而這些熱情在過往工作時都只能深埋心中。直到最近...

這幾年,從好奇號上了火星,到最近剛傳回冥王星照片的新視野號,於是開始有很多人因為這樣探討起這些太空設備的各種規格及技術。

其中,我還記得2012年好奇號開始掀起討論時,很多人問著為何該是想像中最先進技術的 NASA,在好奇號上花了25億美金,為何使用的CPU卻是 IBM Power PC 750 一個十多年前的 CPU、而且使用的數位相機鏡頭竟然只有兩百萬像素。如果這發生在台灣,恐怕就先被我們偉大的立法院拿出來大大的檢討了。討論這個之前,我們先來拿一個我們身邊比較貼近的例子來舉例。或許有人還記得台北市的 Ubike 曾經被拿出來檢討,為何一台看似普通的腳踏車,需要花到上萬元,是否是圖利捷安特?鄉民也很多人贊同,對啊!我家的淑女車也大概是這規格,甚至變速還多了好幾段。

這些問題都必須回歸到「使用情境」,Ubike 設計必須考量到每天可能會有多人次的變換情境,每個人的騎乘方式和強度不一,各種地形都可能會有人使用(例如,網路上就有人用 Ubike 環台。)。如果又具備複雜、高級的變速系統,在這樣的高壓使用下,其實非常容易損壞,所以最後選擇設計內變速,而非使用傳統的外變速。這些設計,在這樣的公共運具都必須被徹底考量的;耐用度就成了非常大的設計重點,所以花了一萬元以上一點都不意外。事實上,以這樣的強度要求設計,恐怕你要花一萬在市場上都還買不到的。

回到好奇號,這也是在「使用情境」上得先考慮的。沒有人上過火星,所以所有的情境都必須用更嚴苛的方式來考慮。為什麼這些太空科技用到的電腦怎麼都是過時的 Low tech?事實上是考慮完全不同。這就是為什麼在那個你我的手機動輒七八百萬像素的年代,上火星的好奇號竟然只有兩百萬像素。

太空飛機 X-30 想像圖,數位時代翻攝自 NASA
(圖片說明:太空飛機 X-30 想像圖,數位時代翻攝自 NASA)

很多時候,如果這樣的事情發生在台灣,就可能質疑難道 NASA 的人都是笨蛋嗎?還是其中必然有弊案,錢不知道到哪去了。所以美帝就是個裡面一堆亂七八糟的組織才會什麼都貴。我們來做,馬上成本省一半以上,然後我還可以賺 30%。如果繼續做出類似推論的,那就只是證明我們自己真的是井底之蛙。

**同樣都是看成本,只是人家看到的是真正的 Total cost,而不是只有 Material cost。那為何這麼貴,因為能夠經過「千錘百鍊」(完整測試驗證)系統的成本就是這麼貴。而也因為太貴才會開始有 COTS (Commercial off the shelf)方案的出現。**因為確實民間的技術發展太強大;以前電腦都是軍方或者NASA才開發出來的,但多虧IBM、Microsoft、Intel 或這十幾年 Open Source 的推進,美國軍方/NASA 都不可能再開發出比民間更優良的電腦/電子系統了。所以才會 leverage 民間的系統,但官方的單位要使用,就會把重點放在測試驗證的部份及改良成能夠上外太空,抵抗「把 Dr. Bruce 變成 Hulk」的珈瑪射線.

所以,前幾年會有說法,可以直接讓手機上太空變成小衛星。但是,可千萬不要覺得隨便就可以上太空了。很多時候,專業上要考量的變因真的太多太多了。

想做硬體的Startup,怎麼不來試試搞搞這個,來成為亞洲的 Elon Musk呢?而如果能夠上太空,不正是做硬體創業的夥伴的人生中,最浪漫的一件事情嗎?

原文出處:Entrepreneur Adventure

關鍵字: #創新創業
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