美光攻第二代3D Xpoint記憶體，採「守株待兔」策略較勁Intel|數位時代 BusinessNext

美光攻第二代3D Xpoint記憶體，採「守株待兔」策略較勁Intel

三星、Intel、海力士與美光等記憶體商紛紛投入新型態的MRAM、PRAM和RRAM記憶體上，而3D Xpoint則歸類在PRAM中，此技術由Intel和美光在2015年聯合推出，但兩家共同完成第二代3D Xpoint技術開發後將分道揚鑣。

AI時代催生的新型態記憶體：3D Xpoint

3D Xpoint是強調大量即時數據處理的高速運算時代下的產物。

拓墣產研指出進入高速運算時代，「記憶體技術演進速度出現跟不上系統效能演進速度，」如摩爾定律的極限限制、現有DRAM與CPU間的頻寬有限、SSD資料中心存儲的高速IOPS需求與物聯網需要低能耗、資料耐久度高、每次寫入或存儲的資料單位小等層面等都是催生新型態記憶體的重要原因。

Intel與美光共同開發，但Intel已推出相關產品

因此除了主流的DRAM與NAND Flash，三星、Intel、海力士與美光等記憶體廠商也紛紛投入在新型態（或稱次世代）的MRAM、PRAM和RRAM記憶體上，而3D Xpoint則歸類在PRAM中。此技術由Intel和美光在2015年聯合推出，兩家將在2019年共同完成第二代3D Xpoint技術開發後分道揚鑣各自開發。

3D Xpoint是一種非揮發性的記憶體，和主流非揮發性記憶體的NAND Flash相比，其讀寫速度相差1000倍（這是Intel宣稱，有不少實測數據指出並沒有相差這麼大）且使用壽命更長，和揮發性記憶體DRAM相比，其製造成本較為低廉，因此被視為補足DRAM與NAND Flash SSD差距的重要新產品。而Intel與美光都認為，此技術適合應用在雲端資料中心的Server SSD中。

美光延遲原因為何？

相較於Intel在3D Xpoint已經有Optane系列的SSD產品，美光在此技術發展較為緩慢，目前還沒有產品正式推出，在這次高峰會上，美光所有高階主管對於第二代3D Xpoint發展特點與細節都守口如瓶，目前仍無法拿美光產品與Intel產品比較。

而雲端資料中心業者是否會廣泛採用3D Xpoint Server SSD？

以高速運算與數據中心的需求來看，成本降低是首要任務，3D Xpoint雖然比DRAM便宜（Gartner曾指出價格約DRAM一半），但仍比NAND Flash貴上數倍。因此數據中心若考量到儲存成本，NAND Server SSD仍吸引人，3D Xpoint Server SSD價格還未達到大量採購的關鍵點。

加上機械式硬碟仍備受資料中心歡迎，資料中心尚未大量全面採用固態硬碟（Server SSD），因此外界推測美光目前認為2018年還不是推出相關產品的最好時機。

加上此技術是美光與Intel共同開發，雙方都握有關鍵技術，因此美光比Intel晚推出3D Xpoint系列產品，最大原因可能並非技術上，而是市場因素主導，以兩者不同的市場定位來看，此舉有「守株待兔」之策略意義。

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。

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。」

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。

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。

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。