IBM開發出第一個5奈米製程晶片，效能提升40%、電力消耗節省75%|數位時代 BusinessNext

IBM開發出第一個5奈米製程晶片，效能提升40%、電力消耗節省75%

兩年前才開發出全球首個7奈米晶片的IBM，與晶片商GlobalFoundries和三星合作研發出5奈米晶片，且性效能表現超越現有技術。該技術一旦成熟，將有助於人工智慧、物聯網和雲端計算等領域發展。

電晶體新技術讓晶片擁有更多「運算大腦」

一直以來驅動半導體技術進步的摩爾定律，隨著近來晶片技術進步趨緩的情形，似乎快達到極限。在現有通用的10奈米製程晶片，按照摩爾定律，下一代應縮小至7奈米。而IBM這次不僅打破僵局，新研發的5奈米製程晶片甚至已經超越摩爾定律的標準。

而IBM之所以能同時縮小晶片尺寸、卻又不影響效能的原因，在於其採用了新技術「環繞式閘極場效電晶體（GAAFET）」。

閘極（gate）是電晶體中控制電流開關的部位，該設計也是影響電晶體尺寸的關鍵之一。一直以來，電晶體都是設計成扁平狀，而閘極位於電流通道上方。為了縮小電晶體尺寸，後來晶片商將通道設計成魚鰭狀、垂直於基板（substrate），並將閘極覆蓋於通道上方，被稱作「鰭式場效電晶體（FinFET）」。

而IBM希望透過進一步縮小通道和閘極的距離，再縮小電晶體尺寸。其透過奈米薄層將閘極包圍在通道周圍，閘極數量因此從過去的三個增加為四個，閘道通道量也較過去更大。

由於手機和電腦計算速度取決於晶片中的電晶體數量和通過的電流量，在電晶體排列更緊密、電流通過量變更大的情況下，採GAAFET的晶片性能更高、尺寸也能縮小。

正是如此，GAAFET被視為取代FinFET的下一代晶片設計。FinFET目前普遍被用於22奈米以下的晶片設計，最小約可製作出7奈米的晶片，若尺寸縮至5奈米，受限於晶片製程技術，電晶體排列過於緊密、無法讓足夠的電流通過，會導致性能下降。而採GAAFET的晶片尺寸極限為3奈米。

性能提升40%、電力消耗省75%

儘管兩年前IBM就研發出7奈米製程技術，但目前已經邁入商用階段的仍僅止於10奈米。例如，高通最新手機處理器「驍龍835」，就是第一個採用三星10奈米製程的晶片，該晶片也用於三星最新智慧型手機Galaxy S8。

在性效能表現上，採新技術的5奈米製程晶片，相較10奈米製程晶片，性能可提升40%，或是可省下75%的電力消耗卻能達到相同效能，即電量消耗為過去的1/4倍。

該技術也讓晶片的電晶體密度突破以往。IBM表示，新技術讓僅約指甲大小的晶片（50平方毫米）可容納300億個電晶體，以過去7奈米的製程技術來說，同樣大小僅能容納200億個電晶體。

儘管新技術令人期待，但IBM表示，5奈米製程目前仍在開發階段，距離商用還有一段時間。

當許多企業還在討論 AI 能做什麼，富邦人壽更關注：AI 如何被第一線同仁使用？而這也是「理賠智慧助理」能從黑客松發想、走進理賠現場，成為真實工作夥伴的原因。

為什麼富邦人壽會選擇從最複雜、也最不易標準化的環節–理賠–切入、嘗試將AI從「回答問題的工具」轉變成進入核心營運流程的「決策輔助夥伴」？

保險理賠為何難以AI化？答案藏在大量非結構化資訊裡

相較於客服問答或行政流程，理賠工作最大的挑戰在於資訊高度分散且缺乏標準格式：從診斷證明、病理報告、手術紀錄到醫療收據，每份文件不同醫院格式都不同，內容還充滿專業醫療術語；理賠人員不僅必須理解文件內容，還需要同步比對保單條款、法規要求以及醫學知識，才能做出適當判斷。

更複雜的是，就算是相同疾病或手術名稱，不同案件背景也可能導致不同理賠結果，因此，理賠長期被視為高度依賴專業經驗與人工判斷的工作，很難透過傳統自動化工具處理。

近年來，隨著理賠案件量持續增加、醫療技術快速演進，以及新舊世代交替帶來的人才培育壓力，如何兼顧理賠品質、作業效率與知識傳承，成為刻不容緩的議題。

富邦人壽開始思考：如果AI無法取代專業判斷，是否能先協助理賠人員更快掌握資訊、縮短搜尋時間，讓專業人才把時間投入在更高價值的分析與決策工作？這個想法在富邦集團導入微軟Copilot Studio並舉辦黑客松活動後獲得實踐機會，理賠團隊將構想轉化為可驗證的AI提案，並在主管支持與跨部門合作下，於2026年1月正式導入理賠現場。

「黑客松讓我們有機會快速驗證想法，也讓AI應用從概念走向實際場景。」富邦人壽理賠部資深襄理郭乃瑀如是說道。

數位時代為此特別專訪富邦人壽黑客松獲獎團隊「ClaimAIngels」的成員，深入了解這項 AI 專案如何從創新提案一路走進理賠第一線，成為同仁日常工作的決策輔助夥伴。

AI成功落地的關鍵，不只是模型，還有資料與流程重建

從創意發想到實際上線，最大的挑戰不是技術，而是如何讓AI真正符合第一線需求。

富邦人壽理賠部資深襄理林庭樂指出，團隊一開始便深入訪談理賠同仁，發現大家真正需要的並不是AI幫忙做決定，而是協助整理資訊，因此將理賠智慧助理專案聚焦於三大領域：手術等級建議、病理報告判讀輔助，以及國外醫療文件翻譯與摘要，目標是協助同仁降低資料蒐集與查詢時間，讓理賠同仁可以快速掌握案件重點。

但要做到這一步，必須先建立可信任的資料基礎。

由於醫療資料來源眾多且格式不一，團隊投入大量時間整理歷史案件、建立醫療名詞對應關係、標註資料來源與判斷依據，並透過跨部門討論及醫師顧問協作，逐步建立一致的判讀標準。林庭樂表示：「這項工作看似基礎，卻是AI能否提供可靠建議的關鍵，更重要的是，它讓過去散落在資深同仁腦中的經驗知識，逐漸轉化為可被組織保存與運用的數位資產。」

富邦人壽理賠部專員陳子聆便感受到明顯改變。她說：「過去遇到新的手術名稱，往往需要花費一到兩個小時查閱條款、搜尋歷史案例並向資深同仁請教，現在，透過理賠智慧助理協助，資料搜尋時間縮短50%以上，能將更多心力放在案件分析與專業判斷上。」

理賠部理賠審核科資深襄理王羽藍則形容，理賠智慧助理更像是一位隨身秘書。她說：「它會先幫我們整理案件重點，也能提醒是否遺漏重要資訊。無論是判讀國內外醫療文件、核對醫療收據，或分析病理報告內容，都能快速提供參考依據，讓我們把時間投入更重要的專業決策。」

除了資料基礎建設，金融業導入 AI 的另一個關鍵挑戰是風險與合規。

因應金融監理要求以及個資保護需求，團隊在設計理賠智慧助理時建立多層防護機制與使用護欄，並持續優化提示詞設計，以降低AI幻覺、資料外洩與誤判風險，確保AI始終在可控範圍內運作。

不過，對富邦人壽而言，上線並不代表結束，而是優化的開始。

團隊發現，理賠智慧助理初期使用率表現亮眼，但隨著時間推移逐漸下降，為了找出原因，團隊同仁與第一線理賠同仁召開多場討論會議，讓其了解，生成式 AI 並非一次建置完成就能長期發揮效益，必須持續蒐集使用回饋、改善建議，進而調整功能設計。

郭乃瑀表示：「根據同仁回饋，團隊目前正規劃新增實支實付手術給付比例分析等功能，目標是讓AI更貼近實際工作流程、滿足使用者需求。」

從單一專案到組織能力，理賠智慧助理帶來的真正改變

隨著理賠智慧助理逐步成為理賠同仁的日常工作夥伴，其帶來的影響也不再侷限於效率提升，而是開始擴散至組織文化與創新模式的改變。

郭乃瑀表示，過去AI專案多半由資訊部門主導，但這次經驗讓大家發現，真正了解痛點的人其實是第一線同仁，因為只有其最清楚哪些流程最耗時、哪些資訊最難取得，以及哪些環節最適合導入AI。「隨著理賠智慧助理成果逐漸顯現，愈來愈多部門開始主動詢問專案推動經驗，如資料整理、風險控管、流程設計與使用者導入等做法，加速 AI 創新在組織內部的擴散與落地。」

對富邦人壽而言，理賠智慧助理並不只是單一 AI 工具，而是一次工作方式與文化的改變：從第一線提出需求、跨部門共同打造，到持續優化與回饋機制，AI 不再只是科技部門的工具，而逐漸成為工作現場的一部分，也讓數位轉型成為一種持續發生的創新能力。