2022/08/25 08:04:47
經濟日報 台北訊

2000年成立的其陽科技股份有限公司(AEWIN)，擁有二十幾年高性能網絡設備專業設計製造經驗，產品包含網通設備、伺服器以及網路擴充卡和加速卡等，可提供客戶完整的產品設計、製造與技術支援服務，一次滿足各型產業網通應用所需，廣受業界好評。

更重要的是，其陽在2019年加入佳世達(Qisda)集團並成為明基佳世達解決方案聯盟中的硬體供應商之一，與AI應用軟體商共同打造邊緣智慧創新方案、與佳世達5G/CPE供應商合作提供完整Open RAN解決方案，在各種應用的智慧解決方案裡對GPU運算資源做適配支持。其陽科技產品行銷經理邵鈺婷表示：「其陽提供從桌上型產品到高性能機架式服務器全系列Intel及AMD平台、自製網卡支援1G到100G大範圍頻寬，可供客戶需求搭配，除此之外，其陽更提供客製化設計及軟體搭配支援等服務。近年來因應市場需求從機架式網路通訊產品線拓展到通用伺服器及邊緣運算(Edge Server)，致力提供網絡、物聯網、雲計算及霧計算領域之全方位解決方案的合作夥伴。」

隨著5G、AI、邊緣運算、資安維護等技術日趨成熟，帶動元宇宙及數位創新應用快速多元發展，都需要高效的CPU與 GPU資源。其陽科技亦與數位無限軟體股份有限公司合作，結合其陽Edge AI Server與數位無限機器學習開發與營運管理平台-AI-Stack，為業者提供最佳化開發環境，協助產業創造更多應用價值。由於數位無限在GPU管理與開發累積無數專業經驗，其陽平台搭配數位無限AI-Stack可更有效率利用GPU資源，並提供便利介面平台做AI開發與管理，加速業者AI建模到應用端。像在智慧城市或醫療應用，其陽部署的Edge AI Server及主機搭配AI-Stack平台可做多伺服器管理，強化整體資源高效運作創造多贏。

Solution Architect 為近年逐漸興起的職業之一，然而大眾對於它的了解卻不是非常透徹。了解客戶需求、甲方乙方的溝通協調、解決現有困境都是解決方案架構師工作中的一環。這樣全能的職業到底有什麼樣的門檻？而其未來性又是什麼？

今天我們特別邀請到數位無限解決方案架構師許珀銓(Hunter)來跟我們分享他的職業生涯中都發生了哪些趣事，也提供初入職場的學生們一點求職建議！

什麼是解決方案架構師？

解決方案架構師是專案產品開發的時候，在技術團隊跟終端用戶間的一個橋梁。這個橋梁不單單只是簡單傳遞訊息而已，解決方案架構師比較多是在撮合客戶與公司。當客戶有一些痛點、難題時往往會需要一個好方法來改進並解決，但這些人不一定懂得可以用什麼技術來做到。然而現在是一個科技時代，基本上很多東西要靠技術結合，因此就會需要解決方案架構師來協助他們了解。

基本上解決方案架構師有兩種。解決方案是比較面向業務，當我有某個問題或業務需求需要去克服，我要給出解決方案。而架構師這個詞則是偏向技術，代表就是說他可能在技術經歷或者經驗上是比較豐富的。一般人可能會認為當有業務問題或有技術問題，只要帶著問題來問專家就可以搞定。然而現實世界不是這個樣子，我們在面臨比較複雜的問題時，會遇到兩種人，一種是有技術的人，另一種是帶著問題找解答的人。他們在溝通時，有時候會不知道彼此在講什麼，此時，解決方案架構師的存在目的就是居中讓這個專案或者是說這個問題能夠順利地推進。當然他要能扮演這個角色，本身需要擁有相當的產業經驗，比如說他自己在開發軟體或者是在技術上有所成就，他才可以給出一個比較好的整體規劃。

然而也不是說什麼問題都需要解決方案架構師上場。我們通常稱解決方案，英文可能叫solution，它是一種調和各種條件混合得出來的，有點像是一種化合物，他是多種化學物質組成。那需要用到這個場景，肯定是這個事物比較複雜多變，像是大型的電商平台或是跨國企業，要處理的事情比較複雜，可能在要引入新技術或長期投資等等。舉例來說，這幾年很多公司都在探索要推動數位轉型，可能要上雲端搭建混合雲或需要導入AI運算。像這樣的時機點，才會稱之為解決方案。它有一個共通點就是我對一門科技或對技術的掌握有一定標準，並且要解決這個問題需要有專業的人才進駐來處理。

成為解決方案架構師 T型跨領域精神

解決方案架構師本質上這個職位對於所謂的技術能力或專業能力的要求不在話下。它本身是非常客戶導向的，同時也要懂得去挖掘表面下更深層的東西。如果一個場景是有多個部門或多方意見，解法就必須要滿足大多數的關係人。當這麼多人在你面前想要求一個解法的時候，一定有人比較在意我要花多少錢、花多少資源。你給他的解法是不是去證明說其實你已經有把這個因素給考量進去了，架構師就要想辦法去證明這個事情、然後說服大家。那另外一個角度來看也是如此，沒有人是所謂的全能，或者是說什麼都知道什麼都會，不會有人生下來就特別會解決問題。因此假設有人想要往這邊發展，當然在技術能力和專業能力上要盡量去多方學習，再來就是解決問題的能力，稍微檢視一下自己是否適合。真正能夠解問題是那種願意動手做、願意有服務精神的人。

在此，要特別強調，解決方案架構師面對的通常都不是一個很簡單的情境，問題都比較複雜。因此首先心態就很重要，不能輕易說不、說沒辦法，因為別人來找你，是需要你來解決問題的。再來就是要作為T型人才，不管是從任何一個點開始，比如說你可能是軟體研發，或者你是IT，都可以先從一個點慢慢擴散到其他的領域。這就是一種要跨領域的概念，T的這一橫是所謂的各種能力都有一定的基本了解，而T的這一豎是代表在某個特別方面有非常深的厚實功力。擁有跨領域的能力會比較適合朝解決方案架構師發展。

站在巨人的肩膀上 用經驗累積實力的特別案例

在數位無限的時間還不到一個月，所以這邊可能比較少特別印象深刻的。但是如果說是講過去的工作經驗，其實有一個滿特別的。我過去是做線上教學的服務平台，主要有很多社會人士或學生想要加強他們的英語因此會有上英語課的需求。我前公司的平台認為只要有這樣需求，就可以上網去學習。只要空出時間，其他事情由平台來安排。訂完課之後系統會自動幫你計算安排比較適合的同學跟你同一班，再安排比較適合的老師跟教材讓你融入。可是我們發現一個運營上的問題是如果有人先定了這禮拜五下午四點想來上課，實際到了時間卻沒有出現要怎麼辦？如果這整班同學都沒有上線，但老師已經排課，平台一樣要付老師錢。這種情況對平台利益對應的合作企業來説資源已經安排下去了卻沒有收到對等報酬，該來的客戶居然沒有出現卻依然要付錢，這就是一種浪費。

為了解決這個問題，我們後來就從其他產業去聯想。疫情期間很多國家限定不能跨境，但航空公司的飛機還是要照飛，頂多減班減到一個程度。這樣每次飛出去就是一種浪費。為解決這個問題，航空公司超賣機位，而這個也呼應線上教學平台的情況。透過超賣位置讓浪費會減到一個最低，這是一個很有趣的經驗，透過不同產業來學習解決問題。那時候服務的公司，其線上教學平台是全球規模，公司也是獨角獸，所以我們遇到的問題都是比較複雜。比較簡單的問題，早就在前面解決了，那一直留著的問題都是很困難不太好解決的。那一次的經驗讓我知道，其實很多其他產業處理問題的方式是可以互相借鑒的。

這也進而讓我們從此開啟新思路，當本業上可能覺得難處理的事情，會開始去看看其他產業怎麼做。比如說我們去看航空公司超賣機位，然後解決自家平台客戶訂完又不出現的問題，很多產業知識是可以被互相運用的。回過頭來講一個概念就是說有時候我們不要一直埋頭在自己的工作中，要多去借鑒，多多走訪各地、跟朋友吃飯聊工作都會帶給自己很多新視野。

因為相信所以看得見 志同道合的路才會長久

加入數位無限，要回溯到當初，在跟總經理文裕聊了幾次之後，發現我們在對於所謂AI科技的演進和產業發展方向的認知是高度接近的。第一我們都很看好AI產業的帶來的未來，覺得這是一個趨勢。也許有些人覺得說那好像都只是說一說，也不覺得什麼AI時代的到來。但是我們都是因為相信所以看得見，我們都相信這件事會發生，而且我們也看到未來會變成怎樣，所以我們在聊的時候就蠻契合的。

我覺得文裕畢竟是數位無限的老闆，他對這個產業怎麼看法是我一個很重要的判斷依據。他的看法跟我對這件事的判斷是很接近的，所以我就會比較認同。第二個原因是我本身。因為之前的工作關係，對技術是比較熱衷，我本身就是寫code一直寫、寫到現在，變成研發之後去面對很多這種技巧的問題，架構了問題就要給出解法，所以當然多少會對這個AI技術有長期關注。當然會關注就是因為有興趣，然而我一直沒有機會能夠真的投入到這裡。所以當時認識了文裕跟數位無限公司，然後文裕也跟我介紹他對公司未來的抱負，我覺得剛好正逢其時，我對他所說的未來非常有興趣，也想要有這樣的機會，接觸這些相關的產業，因此我們兩邊就有合作的意願，沒多久就達成共識了。

老牌或新創 給社會新鮮人的小建議

兩種階段我都待過，而我個人比較偏好在小公司工作。如果你是一個對於自己成長非常要求非常看重的人，去新創公司或小公司會學到很多。它的優點在於很多框架或規則是不存在的，很適合想要有所發揮或者不太喜歡很多束縛的人，或者是想要有一個很好的表現舞台。

參與小公司，在一個良性的互動方式中會獲得更多不同的東西，也會有顯著的成長。相反的在大公司會遇到的可能是很多的流程規範，如果你是一個不想受任何約束的人，在那邊你總是會看這個不慣看那個不對，會挑戰這種體制，不喜歡你就會想撞，然後就會比較累。

但大公司會存在是有一定道理的，比如說像淘寶或者是日本的Toyota都已經存在幾十年了，它們能夠存活代表在制度上有一定的經驗。如果你是開創型的人，在小公司，很多事情都要自己處理，但在大公司待過幾年可以看到這麼大的企業管全球幾萬人，制度會怎麼設置。有些東西就不需要重複照做，可以汲取人家的經驗。

以我的個性，我會比較建議新鮮人到小公司工作，但其實各有各的好，因此還是要看個人取向，依照自己的性格、偏好的工作環境來做選擇。

精準醫療(Precision Medicine)的概念源自於九零年代的人類基因體計畫(HumanGenome Project)，在歐巴馬總統大力推廣下，「精準醫療計畫」（PrecisionMedicine Initiative）收集了近 100萬人的基因資料，除了了解癌症與基因的致病機轉，也持續地研究遺傳變異和疾病形成的相關性。

根據定義，精準醫療是一種「整合個人基因型、基因表現及臨床資料，讓患者和醫療團隊可以選擇最適合個人使用之內外科治療方法或預防的方式」。因此，具備處理基因定序資料的運算技術是精準醫療的基礎，有了個人的基因資料，科學家就能夠預先判斷每個人對特定蛋白質或藥物的效果。對於某些罕見疾病，除了可以進行產前診斷，甚至還能夠針對特定的蛋白質或受器設計藥物，達到「個體化的醫療」提升藥物最大療效，且最大程度地降低副作用。

根據調查，精準醫療相關的領域在 2022年可創造1780億美金以上的市場，有將近六成的氣喘病與糖尿病患者，未來都能改用針對個人設計的藥物，進行精準治療；有將近6%因為藥物相關副作用入院的患者，在不久的未來也能因為入院前的基因檢測，避開錯誤的藥物選擇。對製藥產業、生化產業、生物科技、基因解碼與基因治療等領域，都開創了全新的機會與極大市場。

基因資料龐大且繁雜，適合人工智慧發揮

人體基因解碼的大數據是精準醫療的基礎，但如此龐大的資料庫很難用傳統的方式從中抽取出有意義的資訊。以「人類基因體計畫」中蒐集的資料為例，人體23 對染色體中所有DNA的序列，有將近 31.7 億組鹼基對，每個鹼基位有 A、T、C、G 四種可能，其中有 3 萬至 3.5萬已知具功能的基因對，有許多基因所產生的蛋白質也會相互調控。個體的基因圖譜資料可能就達數百GB外，還往往需要與龐大的蛋白質資料庫比較。基因分析的工作涉及重複性相當高的試誤過程，是非常適合人工智慧的題目。

根據估計，僅僅五年前，我們因數位技術所產生的總資料量為 4.4 ZB(4.4 X 109TB)，如今這個數字增加了四倍以上，到了 2025年時，相關資料的數量將會是 10 倍之多。隨著基因解碼的重要性不斷增加，基因分析報告在未來將會是病歷上的個人基本資料，成為下個世代的基礎臨床資料，對具分析能力的人工智慧的需求也會大增。

轉載自經濟日報

亦思科技股份有限公司2008年在台成立，為知名大數據系統廠商，提供開源企業級解決方案，同時兼顧系統效能與資訊安全，讓大型企業即時進行大數據處理，並得到分析解決方案，進而掌握變動訊息與商機。

亦思科技首席架構師陳靈新說:「亦思長期專精於分散式技術，將不同系統的巨量數據進行統合整理，利用分散儲存及建構AI模型進行運算分析，針對不同客戶的需求，且因應瞬息萬變的市場，即時提供高價值資訊給企業決策者，以利規劃策略並部署執行計畫。目前亦思服務的相關企業有半導體、金融等各行各業之代表性公司，因為他們已經具備相當數位化和資料量，需要亦思協助處理之。

曾經開發出 Alpha Go 成功挑戰圍棋界菁英的 Deepmind 團隊，2020 年又再次利用人工智慧，破解了蛋白質結構預測技術的聖杯，利用資料庫中 17 萬種已知蛋白質的結構和 6 千萬筆胺基酸序列訓練出「AlphaFold2」，成功預測三分之二的蛋白質三級結構，是當年最高準確率的團隊，進一步破解困惑科學家們五十多年來的謎團。

生醫科技與基因體學由於存在大量難以人工處理的資料，一直是最適合發展人工智慧的領域之一。

人類的 DNA 為雙股螺旋結構，中間只以四種不同化學結構的鹼基組成，也就是腺嘌呤adenine(A)、胸腺嘧啶thymine(T)、胞嘧啶cytosine(C)、鳥嘌呤guanine(G)，重複出現的ATCG，就有如電腦中的0與1一樣。每三個鹼基又可成為一組密碼子，以對應到轉譯後的特定蛋白質，供人體身上所有的細胞使用。

在出現「AlphaFold2」 之前，人類無法系統性地研究人體中各種蛋白質的三級結構，研究一種蛋白質的結構可能需要花上六個月以上的時間。如今人工智慧可能只需要幾分鐘的時間就能準確預測，大幅縮短了科學家進行驗證的時間。

轉載自DIGITIMES

魏于寧／台北訊
2022–07–19

高彈性、功能隨選即用、資源配置最佳化等特色，上雲被企業視為推動數位轉型的必要策略，然而IT技術多元，企業內部有可能因業務需求不同，採用混合雲端平台、虛擬機器或容器(Container)等各種工具，這種異質多雲架構過去並沒有友善簡易的統一管理平台，導致管理效益不彰，數位無限所推出的解決方案可協助業者強化管理效益。

數位無限是多雲混合雲管理平台的先驅者，總經理陳文裕指出，在雲端平台商業化初期，就設計出CloudFusion多雲/混合雲管理平台，該公司2017年與國網中心合作開發GPU Cloud-TWGC平台，這也是超級電腦「台灣杉二號」的前身，之後數位無限進一步優化雲端與AI管理技術，並推出「AI-Stack」機器學習開發與營運管理平台，協助企業降低新世代異質雲端IT架構的部署門檻、提升管理效益。

AI-Stack平台的問世，主要是為了解決企業在此一世代遇到的IT管理痛點。陳文裕表示，產業環境變動快速，IT架構也需與時俱進，過去企業的IT系統大多以地端為主，後來雲端平台逐漸普及，公私兼具的混合雲逐漸成為企業IT架構主流，這種多雲異質IT架構讓管理出現各種痛點，在地端系統中，現在大多是虛擬機器與容器並用，過去只有虛擬機器時，IT系統的管理工作較為單純，加入容器後，由於容器的使用狀態繁多，且相關功能、參數必須進入容器內逐一調整管理才能讓地端IT系統的效能最佳化。在雲端部分，由於公有雲的功能計費方式多元，各部門選用的服務各有不同，功能服務費再加上伴隨而來的儲存運算資源費用，往往使得帳單上的名目非常複雜，管理者無法快速、精準掌握IT系統的成本結構，企業資源的使用效益也難以最佳化。

對此問題，數位無限提供的CloudFusion多雲/混合雲管理平台可透過通用接口融合市場上主流公有雲，企業可經由單一介面自助管理虛擬機器、物件儲存，並快速調度網路，讓系統的負載平衡。至於地端系統，數位無限則從GPU管理著手。陳文裕點出，GPU已成為企業發展AI、邊緣運算的主流運算架構，AI-Stack平台則可讓GPU的管理更輕鬆順手，在AI模型的資料蒐集、標註…等訓練階段，AI-Stack可清楚了解每一環節的運算需求，並進行最佳化調度，在此平台的協助下，不僅GPU使用效率可從一般的30%提升到90%，企業還可因運算資源數據的透明化，視專案需求逐一添購GPU，解決以往閒置運算資源過多的問題。

為了優化GPU管理效能，數位無限與GPU領導大廠NVIDIA積極合作，現在數位無限在加入NVIDIA合作夥伴網路(NVIDIA Partner Network, NPN)成為台灣第一家NVIDIA解決方案顧問的同時，通路夥伴零壹科技也推動AI-Stack平台與NVIDIA的加值合作，為企業AI開發人員打造GPU資源共享且兼具彈性與效率的管理平台，優化跨部門AI工作效率。

數位無限目前已有多起成功案例，例如某機融機構就藉此縮短AI專案時程，在單一介面中完成開發、測試、上線等各階段開發工作，另外導入CloudFusion與AI-Stack後，獲致良好效益的製造業、科研單位的業者也相當多，陳文裕表示，隨著雲端與AI的普及，未來混合雲平台與異質運算架構將快速落地於各類型企業中，隨之而來的系統複雜性也將成為企業IT管理痛點，接下來數位無限將因應市場需求，強化平台功能，持續扮演企業AI開發與雲端管理的堅實後盾。