什麼是雲原生？企業數位轉型必須要知道的事|數位時代 BusinessNext

什麼是雲原生？企業數位轉型必須要知道的事

「雲原生」是一個「軟體開發與應用」的概念，2013年就已出現，近年來因應各企業開始進行數位轉型，此概念再度被提出討論。他究竟是什麼？又有何重要性？

雲原生（Cloud Native) 這個詞近年來非常火熱，但這個詞的出現卻不是近年來的事，為什麼雲原生這個詞最近又浮上檯面？它對現代企業進行數位轉型又有什麼影響？讓我們在接下來的文章一一說明。

雲原生概念的演進

雲原生是一個現代進行軟體開發與運行的概念，有別於以往單體架構（Monolithic）的開發模式，將軟體遷移到雲原生架構上進行開發，而透過此開發方法所建置出來的軟體，即是雲原生應用。

雲原生最早由2013年Pivotal公司的Matt Stine所提出，當初的目的是為了提倡Pivotal Cloud Foundry雲原生應用平台，以及開源的Java框架Spring，雖然有其商業目的，但該公司所提出的架構也適用於任何應用類型。

而近年來所講的雲原生，多為雲原生運算基金會（Cloud Native Computing Foundation, CNCF）所提出的定義，該單位由Google在2015年成立，主要成員包含Docker、IBM、VMWare、Intel、Cisco、Red Hat等技術巨頭。

當初所提出的雲原生定義為「應用或服務透過容器化封裝，可動態調度，並且面向微服務」，並規劃了Cloud Native Landscape，將整個「原生雲生態系」區分為應用定義和開發層、供應層、運行層、編排和管理層，另外還有平台與監控等。

然而，隨著該生態系不斷的發展，原始的定義已經不足以滿足雲原生的發展，因此於2018年重新定義，「雲原生技術有利於個組織在公有雲、私有雲和混合雲等新型動態環境中，構建和運行可彈性拓展的應用」，並且直接聲明代表的技術包含容器、服務網格、微服務、不可變基礎設施，以及聲明式API。

雖然CNCF對於雲原生給出了定義，甚至直接點名相關的技術，那麼，要使用這些技術才算是雲原生嗎？Holly Cummins，也是IBM Garage for Cloud的全球開發實踐負責人則不這麼認為，他強調雲原生是一種「文化」，而非使用容器等技術，重點在於團隊必須要了解真正要解決的問題是什麼，以及對於團隊來說，雲原生代表的意義是什麼。

Holly Cummins是也是IBM Garage for Cloud的全球開發實踐負責人。她認為使用雲原生的重點是團隊要清楚問題為何、希望透過雲原生解決什麼狀況。圖為Holly Cummins個人網站截圖。

圖／ Holly Cummins個人網站

也因此，討論到雲原生時，往往不同人所想到的內容會不一樣，有些人認為雲原生就是使用公有雲、有些人認為雲原生就是微服務，甚至有些人認為，雲原生代表的就是CI/CD。這些都不能說不對，但也非絕對正確，端看要解決的問題是什麼，並搭配「雲」的特性與適合的架構，在雲上進行開發，並直接運行在雲上，以突破單體式架構上所遇到的限制。

雲原生與企業數位轉型

企業數位轉型涉及整個公司的變革，若企業願意做這樣巨大的改變，肯定是預期數位轉型帶來的好處，遠大於轉型時的陣痛期。數位轉型包含了軟硬體的改變、整體流程與模式的改變，甚至乎影響到組織結構。而這些變化，都是為了數位化能夠帶來為企業加速、及創造新商業模式，以至於取得更大的獲利。

上雲已經是許多企業在數位轉型策略中不可缺少的一部份，不外乎就是希望透過雲技術來降低成本與風險，並加速接觸市場的速度。但以實務面來說，要達到上述企業所想到達到的目標，就必須以end-to-end的方式直接在雲上進行開發與發佈，並搭配雲的特性以及需求來架構服務，這就是雲原生的概念。說起來很簡單，但實際這卻是牽扯到整體IT架構與程式的改變。

例如以往將所有服務在一台機器上運行，當然到了雲上一樣可以全部都在一台虛擬機上運行，但這就不是雲原生，因為沒有充分利用到雲的特性例如高可用性、彈性、自動化等，就無法享受到雲技術所帶來的優勢。

既然我們都知道，雲原生技術本身就是牽扯到架構的改變，因此對企業而言，如何降低這些改變所帶來的風險是重中之重。 因此對於不同的企業與不同的情境，需要找到合適的架構與工具，來幫助企業適應轉型的過程。

透過階段性轉型逐漸走向雲原生架構

由於不同企業在數位轉型以及上雲策略皆不相同，有些已經初步上雲的企業，想要更進一步邁向雲原生架構，來加速以及洞察市場；但卻也有些企業，苦於難以分析上雲過程的風險，因此即使知道上雲有諸多好處，但卻遲遲不敢行動。

為此，CNCF在2019年繪出一份Cloud Native Trail Map，透過簡單的圖示，給予欲邁向雲原生架構的團隊一些可行的實務方向，雖然不是絕對，但依然是很好的參考指標。

從上圖可知，容器化依然是CNCF推崇的起始方向，目前最流行的容器化技術為Docker，CNCF 內諸多專案都是依賴Docker運行，例如CI/CD使用Argo、Orchestration & Application Definition使用Kubernetes與Helm等。

當中Kubernetes更是目前主流的容器管理平台，可以自動部署、管理與擴充各種應用程式，對於網路與儲存也有一定程度的支援，並且開放各種Interface方便進行串接與管理，可以說是使用容器不可或缺的重要工具。

然而，不同的情境所適合的架構不一定相同，只要可以符合自身所處的階段、滿足欲達到的目標，即是當下最好的架構。數位轉型是一條漫長的路，即使已經數位化程度很高的企業，也依然不斷地在精進透過現代化技術所帶來的好處。

就如同最近很熱門的AI人工智慧，企業內若想要擁有解決特定問題的AI，也需要搭配相應的技術如大數據、深度學習等技術，而這些技術所需的底層架構，也可以透過雲原生的概念得到更好的支持。

無論你目前是在數位轉型的哪一個階段，只要了解雲原生相關概念，並搭配所想達到的目標/解決的問題，現在開始重新思考架構也不會嫌晚。

責任編輯：吳佩臻、陳建鈞

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場）

把老師傅經驗交給 AI，射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備，不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後，生產現場仍得依產品、材料與機台特性，調整溫度、速度、壓力、位置等條件；即使使用同一種塑料，不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處，不只是記住參數，而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的，就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後，第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統，工廠只要輸入材料、機台規格、產品尺寸等資訊，sMolding 便能計算第一組成型參數；若試模後出現產品缺陷，再由 sTroubleshooting 提供修正建議。

「它就像導航。我今天告訴你要從 A 點到 B 點，但不知道路怎麼走，導航會把路徑算給你。」張詠翔說。對射出成型而言，這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例，傳統方式需 7.5 小時，導入系統後縮短至 2 小時，材料使用量從 23 公斤降至 8.7 公斤，整體試模成本降低 64%。

但找到正確參數只是第一步，真正進入量產後，工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損，都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組，透過射出壓力數據持續監控品質，並依生產狀態自動補償關鍵參數。換言之，AI 不只在試模階段提供一條正確的「導航路徑」，進入量產後還能因應製程變化持續修正，進一步朝「自駕」邁進。

從產線驗證到海外布局，桃園如何助攻智穎智能跨過0到1？

但要讓 AI 真正走進工廠，智穎智能採取 SaaS 訂閱模式，將核心運算留在雲端持續學習與更新，降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備，因此智穎智能的方案既能導入既有設備，也能與射出機、控制器業者合作，在新機出廠時直接整合。「一個工廠不會只有一個廠牌，就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言，AI 真正走進製造現場的關鍵，在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言，降低導入門檻還不夠，更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言，桃園不只是公司所在地，也提供了技術走向市場的第一塊試驗場。「對新創來說，第一個就是要經費、要人才、要場域，再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期，團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源，降低早期研發與營運負擔。更重要的是，桃園密集的製造業聚落，本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業，智穎智能在創業初期接觸到位於桃園的「良器」，成為公司第一個客戶。從概念驗證、產品調整到實際導入，合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言，第一個願意開放場域的客戶，意義遠超過第一筆營收。

如今，從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次，完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示，透過市府帶領團隊前往日本神戶，智穎智能接觸當地官方與企業資源。在市府引薦下，團隊成功對接了神戶知名加速器，更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局，為下一階段海外市場拓展做準備。

AI 解決「怎麼生產」後，下一步是「替誰生產」

當 AI 開始解決「怎麼生產」，張詠翔看到的下一個問題，是「替誰生產」。部分製造商提高生產效率後反過來問他，如果我的產能多了 20%，但沒有多 20% 的訂單，我何必要做那麼快？

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家，品牌要在海外重新尋找符合特定規範與製程能力的供應商，也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商，讓品牌端能依條件尋找供應商，也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務，初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究，到桃園工廠提供第一個實際驗證場域；從把老師傅經驗變成 AI「導航」，再走向能自行修正製程的「自駕」，智穎智能試圖數位化的，是製造業最難被保存的資產：人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散，這套從桃園工廠磨出的 AI，下一步不只要替老師傅找到數位接班人，也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源，將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去，讓外界看見桃園豐沛且具實戰力的創新動能。