北榮醫院「數據戰情室」直擊！看高層如何用一面數位牆做決策？|數位時代 BusinessNext

北榮醫院「數據戰情室」直擊！看高層如何用一面數位牆做決策？

由研華提供的數據管理平台，能匯集一般/加護病房占床率、死亡率、多項即時/非即時數據，並提供分析結果。北榮預期，第一階段將上線超過百個醫療品質指標。

猜一猜，每年平均有多少門診患者走進臺北榮民總醫院（以下簡稱北榮）？

答案是「250萬」。儘管這筆數字包含重複造訪人次，但一間醫院負擔的人流，竟與全年造訪台灣的香港加韓國旅客數相當，不難想像管理階層做決策時面對的壓力與困難。

北榮數據戰情室上線，初期串連百種管理指標

6月12日，北榮啟用「智慧管理中心」，這間數據戰情室配有86吋數位看板1塊、55吋2塊，預計可提供11名院方高層開會使用。智慧管理中心系統由研華提供，以WISE-Stack 300數據平台伺服器為基礎，透過不同模組整合資訊，能匯集一般/加護病房占床率、死亡率等多項即時/非即時管理數據，並提供分析結果。北榮預期，第一階段將上線超過百個醫療品質指標。

數據戰情室概念，近年來在國內各醫院發酵，如奇美醫院運用在急診室、臺中榮總落實於糖尿病患者照護。北榮是第一間，將數據管理平台用在醫院管理的醫學中心。

「如同蓋了一艘航空母艦，上面要放哪些戰鬥機，未來都可以再精挑細選。」計畫主持人、北榮品質管理中心主任周元華形容。

他舉「14天非預期住院率」為例，這項指標顧名思義，指的是患者出院後，兩週內因病再住院的機率；每科別都有各自記錄。

對醫院而言，若非醫師規劃、評估有住院需求，患者出院後短期又入院，某種程度代表上次接受的治療並不完善。同樣道理也可以用在解讀「手術後24小時再住院率」上。

透過視覺化、即時呈現「加護病房占床率」，則可掌握各科別容納量，若不幸發生重大災難時，能更快速分配資源。

北榮院長張德明表示，2019年至美國約翰霍普金斯大學醫學院參訪時，看到他們將門診、急診人數、手術數量、營收狀況、衛材管理、人事資料等，其至各部門的績效、KPI統整至一套系統內，覺得相當驚艷。希望北榮啟用智慧醫院管理中心後，能改變過去在月底看報表的傳統經營方式，即時掌握資訊。

「不是水管接起來就好」，醫院建數據管理系統的兩大難題

經過兩年時間規劃、討論與實作，北榮智慧醫院管理系統正式上線，除了能在戰情室觀看管理數據變化，包含院長、5名副院長與各科、處室主管在內，未來都能依權限自行在電腦登入使用。

周元華笑說，大家都覺得做系統不是就把所有數據串起來，「水管」接上就好了嗎？其實，醫院有許多先天難題存在。

首先，是資安。由於醫院存放大量患者個資，加上近年來不斷有駭客攻擊醫療機構事件發生，北榮決定採「私有雲」方式，由研華建置500萬等級的主機，讓院內資訊室以備份資料、即時存取數據方式串連管理系統。

他解釋，就像送報紙到門口信箱，不需進入家裡一樣。醫院把資訊拿出來放在主機特定位置，提供管理系統抓取，「就算發生了什麼意外、信箱燒掉，不會整個家裡都出事。」

其次，也是最大的挑戰，與 醫療管理數據的「龐雜」有關 。

「光是醫療品質指標至少超過600個，當中15％是紙本記錄，因此我們初步上線系統的指標比例約在20％左右。」周元華表示。

他解釋，醫院的數據項目無法用「幾個」來描述，高達上千種也不誇張。因此，拿數據的困難在於「如何挑選」，過去一份報表裡或許有20個項目，現在有18種都派不上用場，唯有挑出能即時串連系統的指標，對管理層才有較大幫助。

實際上，在新冠狀病毒（COVID-19，俗稱武漢肺炎）疫情期間，約翰霍普金斯大學也以視覺化儀表板（dashboard）方式統整各國數據，提供外界了解全球疫情動態。

研華科技智能服務事業群副總經理江明志表示，提供給北榮的這套管理系統，研華自己也在使用，每天早晚會更新兩次，目的是讓經理人即時掌握公司現況與目標，不斷精進調整。

周元華不諱言，醫院記錄數據雖完整，但多數保留在各單位與處室中，若院方需要了解相關內容，需「跨區」詢問，屬於低效率做法。現在開始，系統將提供直覺式的圖形化分析，還要試圖結合「早期危險警示系統」，透過影像預防患者跌倒。

他強調，系統一定會持續優化，「重點是，有了航空母艦後，醫院前進的速度和過去就不同了。」

責任編輯：陳映璇

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。