鳥瞰TFT-LCD的朦朧春天
鳥瞰TFT-LCD的朦朧春天
2004.11.15 | 科技

經過了韓國、台灣2004年的瘋狂大投資後,2005年時全球有幾條第五代以上的生產線? 目前的答案是「19條」。這是根據工研院經資中心的估算,所謂「第五代」生產線是指產出長1.6公尺、寬1.2公尺的薄膜液晶顯示器,而根據第五代線做基準,第七代線比第五代的生產量還高出3倍,比第六代生產線則高出兩倍,也就是說目前全世界的面板總產能其實是大於19條五代線,而這樣的結局是什麼?答案很簡單,就是「液晶循環」( Crystal Cycle)將會愈來愈快。

**尺寸愈完整,風險愈能分散

**
所謂「液晶循環」和「DRAM景氣循環」最大的不同點,就是液晶面板廠不能像DRAM廠那樣,可以只藉著轉換128M或256M的蝕刻技術,分享同樣機台設備的產能。也就是每一世代建廠的投資,無法攤提成本到下一世代產品上。正因如此,在當今一片產能過剩狀況下,以小尺寸面板為主的元太科技竟異軍突起,成為了唯一調升財測的公司,當TFT第五代廠出現,像早期的TFT三代、三.五代、第四代,沒有辦法做電視,卻拿來做小尺寸的TFT,汽車用面板、PDA等各種應用,相較於液晶顯示器電視市場的緩溫,這批小尺寸產品的旺盛景氣,反倒過來造就小尺寸面板廠的回春。
不過TFT產品下跌速度之快,也是不爭事實。今年年初喊進要賺進一個資本額的豪語,現在各公司紛紛噤聲。像一片30吋液晶電視面板最高時喊到1300美元,現在第四季呢?一片只有700美元,掉了將近五成。
所以「大小尺寸」輪流走紅背後的含義,就是尺寸愈完整,風險愈能分散。以平均一座第五代TFT LCD廠造價400億元台幣、第七代造價850億元計算,2002至2005年全球於液晶面板新廠投資金額將達1兆元。如果每一家面板廠都不只有一座第七代廠,財務壓力將會非常大。如果再計算其他可能投入的資金,包括製程技術、以及其他營運所需要的費用等,將更難以想像所帶來的營運壓力。
也難怪到了年底,連最會搶錢的面板雙虎友達和奇美的「現金部位」都分別只剩下161億台幣和77.5億台幣,因為今年實在花錢太凶,友達今年資本支出高達800億,光是今年第四季就花了300億,等於一天花3億多台幣,就是為了興建6代廠,但這是競爭的必要手段。營運壓力大,降價壓力就大,調升也大,循環更快,就是希望在這個過程之中有人管理不善、可能下車或做更有效率的整合,這也是快速液晶循環帶來的第一層意義。

**價格愈合適,需求愈快出現

**
快速循環的第二個意義,就是希望讓價格更快的找出適合的水位,讓需求更快出現,這也是未來的希望所繫。現在主流的32吋液晶電視面板,經過了2004年的布建之後,未來希望價格落在500美元一片(目前報價在800美元到850美元之間),讓未來大家在3C大賣場中以1000美元(約33000台幣)就可以買到32吋電視。但現在看起來,仍是「現想大於實際」,主要還是因為技術和市場的兩大不確定性。
從過去歷史經驗來看,每一代產能喊得很大聲,最後還是沒有開出來,就是因為供應商的技術很容易碰到瓶頸,讓一開始的產能出現短缺,這時「液晶循環」就要振動一次。從市場來看,液晶顯示面板可應用的領域廣泛,將不僅僅是侷限於「替代性(replacement)市場」(取代映像管)的產品,在全新的應用市場,也有不可限量的潛力。而許多家電廠商還是想開發新的不同消費性應用,新的產品通常意味著較佳的毛利率,此類需求將對價格因極度競爭而壓縮的PC相關面板,將產生一定程度的產能排擠,又會加速液晶循環,也難怪韓國三星要在2010年前準備至少4條七代線,因為三星認為持續的產能競爭是液晶面板產業不可避免的趨勢。
從這個角度來看,液晶循環至少到第七代之前還會繼續振盪,而誰可以克服新技術和找到新需求,就可以先一步掌握水晶球的變化。

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