Google加快人工智慧發展的秘密武器：自製機器學習專用晶片|數位時代 BusinessNext

特製晶片效能為現有技術往前推進七年

皮采指出，Google在幾年前就已著手研發客製化的特殊應用積體電路（ASIC），而這款專用於Google開源機器學習演算法TensorFlow、也是提升AlphaGo計算速度的特製晶片TPU（Tensor Processing Unit），用以改善機器學習相關應用，迄今已使用超過一年。

為了加速機器學習進程，TPU捨棄掉傳統晶片如CPU和GPU的高精確度，減少計算需要的電晶體數量並提升每瓦效能。根據Google說法，「TPU讓機器學習的每瓦效能提高一個數量級，相當於將晶片效能往前推進七年或三代的摩爾定律」。

（圖說：AlphaGo伺服器使用Google自製晶片TPU。圖片來源：Google Cloud Platform Blog）

Google產品、外部開發者皆可受惠

目前，Google使用機器學習的應用超過百種，例如搜尋、語音辨識和自駕車。Google傑出硬體工程師諾曼‧約皮（Norman Jouppi）指出：「這類程式需要耗費龐大資金才能提供快速集中的運算能力和電力，自製機器學習加速器讓Google可更加經濟地加快產品推出。」迄今，Google已使用超過1千個TPU，運用於街景、智慧訊息回覆和搜尋，幫助改善搜尋結果相關性，以及提升地圖和導航產品的精確度。

除了Google內部產品可受惠於這套最新的機器學習演算法，Google的雲端機器學習服務也開放開發者利用這套演算法打造自己的應用服務。「我們的目標是引領機器學習產業，並讓創新得以在顧客身上實現。透過在基礎建設加入TPU，我們可以透過軟體如TensorFlow和雲端機器學習將Google的力量帶給開發者。機器學習正在改變開發者如何打造讓消費者受惠的智慧應用，我們非常高興看到未來生活的可能性。」約皮表示。

微軟也在嘗試新的晶片設計

Google並非唯一為了加快人工智慧而採用新的晶片設計的公司。《華爾街日報》指出，微軟正在使用一款名為Field Programmable Gate Arrays的可編程晶片，以加速人工智慧運算，應用於Bing搜尋引擎。NVIDIA推出的GPU則被應用在人工智慧計算，這款晶片過去也被Google用於AlphaGO的早期測試。

透過自行生產客製化晶片，Google將更可掌控支出、技術規格以及未來發展藍圖。但這是否代表Google對第三方晶片供應商如Intel或Nvidia的依賴將日益降低？約皮表示，「我們依然購買大量的CPU和GPU，」但不願透露購買數量是否較過去少。

2019年金融監理機關正式將雲端納入委外規範後，揭示金融業上雲時代來臨，國泰金控數數發中心成立雲端策略發展部，負責擬定集團上雲策略，並於2020年正式啟動7年集團雲端轉型計畫；在多數金融機構仍停留在單點遷移或IT現代化的現下，國泰金融集團在 2025 年即完成 100 套系統上雲，更將雲端轉型階段從 Cloud Ready、Cloud Adoption 推向 Cloud First，成為數據與人工智慧應用的關鍵引擎。

「百套系統上雲不僅僅是數字，更是讓國泰從『 IT 進化業務』邁向『 IT 驅動成長』的關鍵轉折。」國泰金控雲端策略發展部協理顏勝豪表示，上雲帶來的效益十分顯著，包括提升資源可用性與營運敏捷度、減輕 IT 維運負擔；同時，雲端業者多具備零碳排或綠能機房機制，亦有助於企業朝向 ESG 永續營運邁進。「金融上雲不是單純的現代化基礎設施或者是升級技術，而是為了換取速度與可靠度，讓集團可以加速創新腳步、彈性調配資源，以及培育所需人才與技能，為未來做最佳準備。」
為讓集團員工、金融同業以及有志上雲的夥伴可以進一步探討雲端轉型的各種可能，國泰金控舉辦雲端轉型成果發表會，會中除有集團子公司分享最新成果，三大公有雲平台業者也從不同技術視角共同探討在合規、資安與 AI 應用的可能。

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。

Google加快人工智慧發展的秘密武器：自製機器學習專用晶片