【MMDays】用寫程式改善政府效能,台灣辦得到嗎?
【MMDays】用寫程式改善政府效能,台灣辦得到嗎?
2012.06.26 | 科技

在美國求學時,我曾經在美國國慶日的時候,到 San Jose 看國慶煙火。附近居民扶老攜幼,拿著板凳把公園擠得水洩不通,美國國慶煙火不分地點,大家都愛看,很多人也順便從家裡帶來準備好的食物就地野餐,或是到旁邊的園遊會攤子,買一些食物就這樣吃了起來。然而,最令我印象深刻的,不是漂亮的煙火,而是散場後讓我感到驚訝的一個景象:一個黑人家庭,屁股大到坐飛機時需要買兩個機位的黑人媽媽,大聲喝令旁邊跑來跑去嬉鬧的小孩子,要他們把周圍的垃圾收拾好、撿起來丟到垃圾桶,然後我就看著這個黑人家庭,一路撿垃圾、一路走回家,他們撿的大部分垃圾都不是他們自己製造的。而他們走回去的那條路,被他們撿得乾乾淨淨,不需要其他人再打掃。

這才是教育。

我曾經開玩笑地跟身邊的朋友提出一個隨便想到的 idea:想要系統化的評量人民的公德心,應該可以看一個簡單的指標:「下水道蓋子旁邊的煙頭數量。」每年做個抽樣統計一下就知道了,然後我還取了個名字叫「煙頭指標」。不過講歸講,其實也只是揶揄一下那些亂丟垃圾的人。

會想起這個故事,是因為前幾天我在 TEDxTaipei 上面看到一個很棒的演講: Jennifer Pahlka:如何用程式打造更好的政府?

這是一段不過短短 12 分鐘的演講,內容是說 Jennifer Pahlka 發起的一項計畫「 Code for America 」,這個計畫每年邀請一些科技人士及才華洋溢的設計師,請他們休假一年,這段休息期間去他們最痛恨的「政府」做事,讓他們在政府部門開發應用程式,探索一些改善社會、改善政府效能的可能性。

演講中舉出一個例子:去年 2 月波士頓大雪,把消防栓都埋住了,當地政府對此毫無作為,眼睜睜看著一支支消防栓被大雪掩蓋。所幸,此時 Code for America 正好有一個團隊在波士頓政府做事,於是開發了一個 app,讓使用這個 app 的人可以去「認養消防栓」,認養的意思是說:如果你的消防栓被雪埋住了,你願意去把它挖出來,你甚至於可以為你的消防栓取個名字。這個 app 非常容易撰寫,上線後也如星火燎原般地擴散。遠在夏威夷的一個政府 IT 部門員工注意到了這個 app,立刻把同樣的 idea 應用在當地的「海嘯警報器」上面,讓當地的人去認養和維護海嘯警報器,確保居民的安全。西雅圖政府也如法炮製,利用同樣的 idea 讓當地居民去清理堵塞的排水孔。

一個小小的 app,竟然發揮了這麼大的效用。

Code for America 因此是一個很棒的行動計畫,這群人想要透過網路、透過 app、透過鍵盤,改善自己的國家和政府,而且他們已經有成功的故事。台灣也有有志之士,發起了類似的 Code for Tomorrow 計畫。不過比較令人憂心的地方在於,我發現到,這個行動計畫成功的重點不在政府,而是在於人民的素質,所以我想到了文章開頭的故事。內心疑惑著:「台灣人究竟願不願意以這樣的方式來維護自己的公共環境?然後改善政府效能?如果台灣人平常連維護公共環境的公德心都沒有,類似的行動計畫是否死路一條?」

到 「 Google 搜尋滿地垃圾 」,就馬上可以發現台灣人的公德心還有很大的進步空間:演唱會、燈會、跨年晚會 … 每次留下來的都是堆成山的垃圾。

美國人看到自己的國家快爛了,會開始反省,如何改善自己的社會、以及改善自己的政府。台灣人看到自己的國家快爛了,會趕快想辦法去當外國人。

這就是最根本的差異:人民對於自己的國家沒有向心力,凡事先以自私自利為出發點,導致環境的破壞、利益團體的惡鬥、以及癱瘓的政府。

當美國已經想到以「軟體」結合「公德心」來改善自己的社會和國家時,台灣剛好兩個都比較缺乏。所以我認為台灣要迎頭趕上這波「用軟體和網路改變政府」的熱潮,還有很長的一段路要走。台灣的軟體產業不發達,軟體從業人員的薪資比起硬體廠商的薪資差了不少,能夠發揮的舞台也很有限,這也連帶造成這些軟體從業人員得先考慮找到工作、填飽肚子,而不是先考慮參與 Code for America 這種富有理想性的行動計畫,很遺憾,馬斯洛的需求理論在這裡同樣適用。但是我依舊衷心地希望 Code for Tomorrow 能夠像 Code for America,在社會中發揮一些正向的力量,雖然沒有公德心的人,腦子不可能一天就被清洗乾淨,但是身為與網路一起長大的世代的一份子,我還是相信「軟體」和「網路」終將扮演改善我們社會的重要角色,雖然台灣起步很晚,但是並不絕望。

也希望台灣政府能深切瞭解到,「軟體」和「網路」正以不可思議的方式和力量在改變整個世界,軟體與硬體不同,不但變換無窮,對於社會造成的效應也有許多不可預測的特性,而相信以台灣人的創意,如果有一個良好的軟體產業和網路環境,絕對可以用非常快速和低成本的方式,發展出一些令人意想不到、但是卻讓我們社會更好的強大力量,如果政府能增加投入在軟體產業和網路環境的資源,把對於傳統電子產業的關愛,移轉一些些到軟體產業上,不僅產業可以轉型升級,連帶著社會也可以獲得改變,甚至於最後也回過頭來改善了政府的效能。

我們絕對需要一股這樣「軟性的力量」,來改善社會。

出自 Mr./Ms. Days (MMDays)

關鍵字: #app
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