弈樂科技雲原生轉型與資料驅動策略探討
- 弈樂科技自 2023 年起,積極推動雲原生架構、微服務設計以及數據治理能力,逐步在成本、延遲和系統韌性之間取得平衡,並且通過自建 Data Lake,使資料能夠支持即時分析與預測模型。
- 隨著雲端、AI 和資料分析的快速進步,弈樂科技透過雲原生轉型和資料驅動策略,成功提升了遊戲運營效率與安全防護。
- 在災難復原規劃上,公司並未追求「零停機」,而是以風險可控為前提進行整體設計。
- 面對資料出雲成本與 DR 兼顧營運連續性的挑戰,弈樂科技採用了 P2P 型態的非即時方案。
隨著雲端、AI 和資料分析的快速進步,弈樂科技透過雲原生轉型和資料驅動策略,成功提升了遊戲運營效率與安全防護。弈樂科技自 2023 年起,積極推動雲原生架構、微服務設計以及數據治理能力,逐步在成本、延遲和系統韌性之間取得平衡,並且通過自建 Data Lake,使資料能夠支持即時分析與預測模型。
為了提高遊戲體驗,弈樂科技選擇了 Google Cloud Platform(GCP)作為主導的雲端環境。吳梓煊表示,考量到工程師文化、成本效益以及遊戲產業對於低延遲的需求,團隊從成立之初便採用雲原生設計,並使用 Kubernetes(K8s)進行管理。這種微服務架構不僅強化了後續資安防護能力,也使得弈樂科技能夠有效應對高併發與大量臨時性的流量需求。

在雲端與 AI 成為企業營運底層能力的時代,弈樂科技除了注重技術選型外,還強調內部系統的安全性。針對雲端遊戲的即時互動與用戶資料的敏感性,公司採用了內外雙層防禦策略。外部方面,利用 CDN 和 Google Security Command Center(SCC)進行流量清洗、WAF 及環境弱點偵測;內部則通過 GKE 部署核心服務,在攻擊期間自動擴展來維持服務運作。
面對資料出雲成本與 DR 兼顧營運連續性的挑戰,弈樂科技採用了 P2P 型態的非即時方案。在災難復原規劃上,公司並未追求「零停機」,而是以風險可控為前提進行整體設計。通過跨區部署(Multi-Region)與多重異地備份機制,確保服務能在半天內恢復。

弈樂科技亦將 AI 預測模型應用於玩家價值與流失分析。兩年前啟動 Data Lake 專案,利用 Kafka、Spark、Hive 等工具集中管理資料,實現近乎即時的資料同步和彈性調整。在資料治理架構逐步到位後,公司下一步將著手拓展至資料分析與 AI 模組建構。
為了規劃昂貴且能源密集型的 AI 算力資源,弈樂科技採取以自建設備為主的混合模式,購置 GPU Server 進行 AI 模型訓練。同時, Também 鼓勵員工使用企業版 AI 工具,提升工作效率並降低風險。
展望未來,隨著 AI 團隊逐步具備技術能量,弈樂科技將積極推動 AI 產業化,把已在業務中成功落地的產品與能力轉化為可對外提供的服務,打造第二成長曲線。通過這些策略,弈樂科技不僅提升了遊戲運營效率和安全防護,還在資料分析和 AI 領域取得顯著進展。







