公部門
標籤：公部門
數位轉型 API、自建、混合：給銀行、醫院、製造與公部門的 AI Agent 部署決策地圖
系列收尾篇，把前四篇收成一張可以直接拿去開會的決策地圖：依資料敏感度、可用性、流量形狀把每條 AI 流程分流到 API、自建或混合；銀行、醫院、製造、公部門各自的關鍵條件；治理先行、最小落地、依數據擴充的三步導入；以及採購時要求供應商回答的六個問題。
數位轉型 從機櫃到 Agent：算力層要具備的五個治理能力，以及三條實作路線怎麼選
GPU 是零件，算力是服務，中間差的是硬體上面那一層。本文不從技術名詞出發，先定義從機櫃到 AI Agent 之間必須具備的五個治理能力：多租戶隔離、配額與成本歸因、推論路由、可觀測性、可攜性，再攤開單機容器化、高效能運算排程器、容器編排平台三條實作路線各自適合誰。系列第四篇。
數位轉型 買了 GPU 不等於有算力：自建 AI 基礎設施的四道關卡與破解法
自建失敗的案例幾乎都不是買錯 GPU，而是買了之後算力沒有變成可用的服務。本文攤開四道關卡：供電與散熱（B200 單卡 1000W，高密度實質需液冷）、長期偏低的使用率、三年攤提撞上世代更替、交期與規格。每一道都附務實破解法：先量機房、集中排程、分階段擴充、規格書寫「要跑什麼」。系列第三篇。
數位轉型 三家同時斷線的那個早上：把 AI Agent 建在外部 API 上的三個結構性風險
2026 年 9 月 3 日 ChatGPT、Claude、Grok 同時中斷。當 AI Agent 進入核心流程，供應商的可用性就是貴司的可用性。本文拆解外部 API 的三個結構性風險：成本不可控、資料主權（金管會、衛福部、AI 基本法 2026 年的新要求）、無 SLA 的服務穩定性，以及把「可替換」設計進架構的三層做法。系列第二篇。