台灣台北訊 – 2026 年 1月 28 日 – 領先的企業級儲存解決方案供應商廣盛科技股份有限公司 (QSAN) 與國立陽明交通大學資訊管理與財務金融學系（資財系）戴天時教授團隊合作，推出創新雙層儲存架構，完美應對生成式 AI 時代的高並行運算需求。此案例近日獲 Digitimes 獨家報導，凸顯 QSAN 在 AI 金融資料基礎建設的領先地位，為產業提供可複製的參考模式。
Digitimes 獨家報導，見證產學創新高峰
臺灣權威資訊媒體 Digitimes 刊載專題「QSAN 攜手國立陽明交通大學，打造 AI 金融分析可複製的雙層儲存架構」。QSAN 企業 AI 決策分析解決方案，從校園研究實作延伸至量化交易、金融科技與大數據平台，重新定義資料架構設計。透過這次深度合作，QSAN 展現與學術界結合的創新實力，樹立 AI 金融儲存新典範。
高並行運算時代，資料架構升級迫在眉睫
隨著生成式 AI 與量化分析技術成熟，金融研究與資料分析已從單一模型驗證，轉向多模型並行運算與高頻率策略回測。AI 模型規模與金融資料量同步成長，使底層資料架構不再只是支援角色，而是直接影響 AI 應用能否穩定規模化的關鍵因素。
從產業角度來看，AI 應用正進入「高並行運算成為基本條件」的新階段。量化交易、金融科技與企業 AI 決策分析，皆需同時支援大量資料存取、多模型運算與多使用者操作，傳統單一儲存架構已逐漸顯露效能與穩定性上的限制。
在此背景下，國立陽明交通大學資訊管理與財務金融學系 (資財系) 於推動 AI 籌碼分析與策略回測研究時，明確感受到研究型態轉變帶來的挑戰。當多組策略與模型同時運作，既有單一儲存架構逐漸成為研究效率的瓶頸。 為回應此一需求，資財系戴天時教授研究團隊攜手廣盛科技 (QSAN)，重新規劃研究平台的資料架構，導入以工作負載分流為核心的雙層儲存設計，讓不同性質的研究作業能穩定並行。
雙層儲存設計：高效分工，極致效能
在高頻交易 (High-Frequency Trading, HFT) 與 Tick-Level 資料分析等實際交易情境中，系統架構必須同時滿足極低延遲與高並行運算需求。由戴教授帶領與 QSAN 合作部署的新架構中，高 I/O、低延遲需求的策略回測與 AI 模型運算， QSAN XF 系列 NVMe 全快閃儲存系統負責；研究資料、模型檔案與分析成果，則集中於 QSAN XN 系列統合儲存系統進行管理，支援多名研究人員同步存取。
學術深耕，奠定產業基礎
此一雙層儲存架構並非僅適用於校園研究場域，而是可視為具備可複製性的產業參考架構。透過清楚區分不同性質的工作負載，該模式亦可延伸應用於量化交易、金融科技、資料分析團隊，甚至企業內部的 AI 決策模型部署，在效能、穩定性與投資成本之間取得平衡。
透過戴教授於相關專業領域中長期深耕的學術研究成果，奠定了關鍵且堅實的理論與實務基礎。在系統規劃、導入與部署過程中，使整體架構設計更為精準完善。透過學術能量與產業技術的深度結合，有效提升系統運算效率與回應效能，也讓雙方得以共同實現低延遲、高運算效能的目標，為未來產學合作樹立良好典範。
資料架構正成為 AI 金融研究的核心競爭力
戴天時教授指出，隨著 AI 模型逐漸成為金融研究與策略驗證的核心，底層資料架構已成為影響研究深度與反應速度的關鍵要素。
他表示，能否在同一平台上同時兼顧高效能運算與多使用者協作，將是智慧金融研究與 AI 應用能否持續擴展的重要基礎。
校園前哨，引領產業轉型
從產業時點來看，生成式 AI 推動模型規模快速成長，金融市場資料持續累積，使分析平台面臨前所未有的運算與資料管理壓力。校園研究場域往往成為新架構最早落地的實作環境，其經驗也逐步成為企業規劃 AI 分析平台的重要參考。
