台灣人壽
台灣人壽
2002.04.01 | 科技

如果有投資人得意地告訴你,他買了一家傳統金融類股,但去年公司自結EPS卻超過5元,比許多科技公司都還高時,別以為聽錯了!
原屬公營事業,1998年6月才轉為民營的人壽,就是這樣一個讓投資人眼睛發亮的公司。過去3年,它一直都是資本市場的保險悍將,也連續3年拿下保險類股的獲利冠軍寶座。
不僅在股市中表現亮眼,台灣人壽也得到不少信用評等機構肯定。去年12月,美國標準普爾公司(S&P)給予台壽財務實力與信用評等為「BBB+」,展望為「穩定」的評價;而中華信用評等公司也同樣給它「財務安全性非常強」的「twAA-」評等。中華信評分析,台壽為一中型壽險公司,1990年公司保費收入市佔率為3%,在國內高度集中的壽險市場中排名第七,市佔率雖只算中等,但由於保戶多為公務人員,卻擁有客戶結構整齊的優勢。

**老公司煥發新活力

**
而這個成績,是熬了3年才調整過來的企業大轉型。
從公營事業單位蛻變,到民營化初期的虧損,轉型至今交出民營化後的好成績,除了一般眼光關注的投資獲利外,「企業文化與體質的逐步轉變,更是打底的工作,」資產管理事業部副總經理林欽淼,與業務行銷體系副總經理許星鴻,都不約而同說出這段「打底」過程的艱辛。
成立於民國36年的台灣人壽,在南京就已籌備成立,來台接收日本14家保險公司在台業務後,可說是台灣歷史最久的壽險公司,「我們手上現在還有日文保單呢,」對公司產品線如數家珍的許星鴻說。
原本以辦理政府政策性人身保險如公務人員、勞工、礦工乃至學生平安保險為重點的台壽,在公勞保陸續轉至專責單位負責後,民國50年開始將營運重心轉為一般商業壽險。
但台壽最大的轉型,則是民國87年6月底正式改制民營。公司也在發源於台中的龍邦開發成為最大股東後,逐漸從公家機關,轉變為市場上頗具競爭力的民營企業體質。

**一年賺8.8億的秘密

**
根據中華信評觀察,以國內標準而言,台灣人壽的投資組合可說是流動性佳、分散性高且品質良好。由於積極從事資產配置,固定收益有價證券佔60%,因此在近來不利的投資環境中,資產價值一直維持不錯韌性。
一般壽險公司獲利來源,多可分為「保險本業」與「資產管理」兩部份,前者是要透過保險商品規劃,努力「把保費帶進來」;而後者的任務則是要像滾雪球般,負責「把保戶的保費倍增」,「這兩者像連體嬰,密不可分的,」許星鴻形容,經營保險公司有如跑馬拉松,「背100公斤重物跑兩分鐘,跟背100公斤跑一整天,所花的力氣絕對不同,」壽險公司背著保費多得要長跑個10年以上,因此投資從長期著眼,「資產配置」是資產管理事業部主管林欽淼極端強調的。
隨著新經營團隊第一天起便加入台壽的林欽淼,把當時只有10多人卻得管理將近400億金額的財務部,擴大為今天60多人規模,直屬於董事會與資產管理委員會的資產管理處,並把部門執掌做了更細緻的規劃。如專責股票基金投資的證券投資部與研究部,負責創投與未上市投資的專案投資部,處理消費性房屋貸款、有價證券質押等的放款部。甚至在國外投資上,都有國外名校畢業的高材生負責,專門到各國尋找品質良好的債券,目前總掌理金額已有800億,足足是3年前的一倍。
林欽淼回憶,他記得1998年9月剛進來時,整個台壽的資產配置相當保守,是把56%資金放在定存的「懶人投資法」;但現在,台壽的定存不到6%,主要資產都放在特別股、公債、國外投資、創投、股票等積極或固定收益上。
但即使如此,談到證券部門的股票投資,林欽淼也一再強調「投資水位與股本息息相關,絕不能為了追求短期獲利而大幅加碼操作。」
林欽淼回憶,剛到台壽時「公司股本才9億,股票投資卻買到60多億,」其中有一檔銀行股一口氣就買了3萬張約18億,「多恐怖啊,足足是股本的兩倍!」為了幫助公司財務體質轉型,雖然這檔股票買在高點,當時也不得不忍痛認賠殺出,也難怪林欽淼現在談到股票投資比重,一定會考量股本大小來決定。
不僅在短期的投資水位上有所堅持,在長期資產配置上,由於尋覓了許多專業人才,因此也早在兩、三年前,就開始在可轉債與國外公債等海外投資上布局,這些成果也在去年逐漸呈現。
如3年前多數壽險公司還未感受到可轉債(可轉換為股票的公司債券)的好處時,台壽就開始不斷尋找績優的可轉債購入,目前已累積約20多億,去年光這部份就替公司賺了3.8億,若加上股票獲利的5億,證券投資部門就賺了8.8億。
再以公債來說,兩年半前定存利率都比買公債利率要好,一般人根本不會想要買公債,但台壽在資產配置與判斷未來利率可能下跌的考量下,也買了200多億公債;加上過去台壽從未曾觸碰國外投資,但目前卻已投注14%資金約120億台幣的國外金融債券,以及已投資近20家科技公司,鎖定IC設計、上游材料、通訊、晶圓等的創投業務,像義隆、信邦及頎邦等掛牌企業,都有台壽的資金挹注,貢獻了許多長期的未實現利益。

**轉型之路,首重人才

**「人才真的很重要,」林欽淼說,這些績效都是專業人才拼出來的,而人的素質更直接影響企業競爭力。除了致力網羅人才,台壽還有鼎盛在職進修的風氣,政大企研所、政大企家班甚至政大EMBA的「政大幫」學生特別多,許星鴻屈指算算,竟然十個指頭都還不夠用,連在政大授課的財務管理學教授,也時常拿台灣人壽的投資成績作為活教材。
而這種學習的風氣,不僅在中高階主管流傳,即使業務員也不乏「苦讀有成」的例子。
許星鴻舉例,像最近在保險業務員掀起話題的投資型保險,由於要銷售這類型保單,一定得通過保險發展中心的資格考試,這對許多老資格業務員來說是個大考驗。高雄地區有位年近60歲,高中畢業後便加入台壽的業務經理,原本大家都不看好她能通過考試,但過年期間,她在家發憤用功,花了8天時間,硬是通過了這項考試,不但讓大家跌破眼鏡,也讓許星鴻有了鼓勵業務員的最佳教材。
曾經,台壽歷經許多陣痛,例如,既有公務員無法適應民營化的高度競爭,總公司有近8成員工請調其他政府單位;未來,如中華信評分析,以目前偏低的利率,台壽要支付過去高預定利率的舊保單,將面臨可能產生負利差等經營壓力,但不可否認地,歷經3年體質調整的台灣人壽,也總算在股票市場與企業評價上,演出民營化後第一幕有掌聲的好戲。

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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