【MMDays】台灣的「雲端困境」
【MMDays】台灣的「雲端困境」
2012.07.18 | 科技

大凡一個好構想、一個好創新,進到了台灣總會經歷三大階段:「歪掉、臭掉、與爛掉」。「歪掉」是說這個好構想一進到台灣,就被大部分人錯誤地解讀,原本的想法被扭曲;「臭掉」是說這個已經歪掉的構想開始被污名化,大家開始對這個構想打上一個大大的問號,充滿疑慮;最後一個「爛掉」的階段,大家開始唾棄這個構想,最後覺得這個構想只是一個浪費社會資源的錯誤決策,或者只是一個漂亮的口號。

「雲端運算」現在在台灣的情勢,在我看來,已經開始進入「臭掉」的階段。

國外是「軟體廠商」發展雲端運算;台灣卻是「硬體廠商」喊雲端喊得聲嘶力竭!?

稍微聊解過雲端運算歷史的人,都會很容易發現到,雲端運算是從軟體公司發展出來的,兩家最具代表性的公司就是Google和Amazon。Google因為發展搜尋的核心業務,大量建置資料中心,一步一步擴充自己的運算資源,輔以強大的軟體,最後變成雲端運算的代表。Amazon一開始以電子商務起家,也是一步一步慢慢做大,開始有了自己的資料中心,接著為了讓運算資源的利用率 (utilization) 更高,開始建置自己的雲端服務,把運算資源用「租用」的方式釋出,發展出新的營利模式。兩家公司都是從SaaS (Software as a Service) 起家,先把自己核心的網路和軟體服務做好,之後才往PaaS (Platform as a Service) 和 IaaS (Infrastructure as a Service) 發展,提供真正的雲端服務。

回頭來看,台灣雲端運算發展軌跡就顯得非常詭異,居然都是從硬體廠商開始喊雲端運算,結果現在「雲端運算」一詞和「資料中心」被劃上等號,完全就是扭曲了原本雲端運算的意義,這就是文章一開頭提到的「歪掉」:雲端運算雖然從資料中心發展出來,但是不代表蓋了一大堆資料中心,就等於是發展了雲端運算。觀察Google和Amazon 兩家公司的發展軌跡,兩家公司都是先有大受歡迎的網路服務,然後逐漸擴充自己的運算資源,最後再把運算資源用公開的方式釋出,一方面讓自己的運算資源利用率更高,一方面嘉惠其他小型的網路業者,可以用便宜的費用租用運算資源,馬上開始打造自己的新創服務。

各位發現重點在哪裡了嗎?是的,重點在於「規模經濟」,Google和Amazon都是從自己各自的核心服務出發,等到自己的基礎設施發展到夠龐大的規模之後,才開始把自己的運算資源釋出,所以兩家都可以用很低的價錢提供雲端租賃的服務。因此,在跨入雲端運算之前,兩家公司已經有很好的軟體和獲利基礎,自然而然就會更進一步,發展出下一個世代的網路business model:雲端運算。

至於台灣則變成邯鄲學步,因為我們軟體業較弱、又沒有強大的網路產業鏈,沒人玩得起雲端運算。結果只好國內有錢的硬體廠商強出頭,想要跟上國外的潮流,開始蓋機房,想盡辦法把所有服務都跟雲端扯上關係。完全忘了雲端運算是應該由軟體廠商發展出來、要充分發揮規模經濟的一個東西。

一朵一朵小雲,成不了氣候

前面既然提到,Google和Amazon都是因為規模經濟的效應,才有辦法提供真正實用且收費低廉、具有價格競爭力的雲端服務。反觀現在台灣許多廠商各自為陣,各家業者都想要搞自己的雲端,甚至於政治人物,也到處亂喊什麼每個縣市都要一朵雲。這不僅僅反應出這些人對於雲端運算的瞭解不夠,最後留下來的成果,也無法與那些擁有規模經濟的國際大廠競爭,搬出來的服務也會因為費用高昂而沒什麼人要用,機房最後變成「數位蚊子館」。

重點就是在於「規模經濟」,台灣的電信業者和硬體廠看到雲端運算的典範轉移,就想要用「複製」的方式打造出「雲」,結果在根本上忽略了這些「雲」是國外網路產業持續演進、自然發展出來的「雲」,而不是複製出來的「人造雲」,兩者落差極大。大家都在搞自己的雲端,台灣規模經濟就出不來。

會架網站、寫寫網頁,就是雲端!?

國內現在濫用「雲端」一詞已經到了荒腔走板的地步,只要有網站的餐廳、有網站的補習班、有網站的房仲業者,全部都跟雲端有關,連走在街上不時都會看到「雲端」出現在商家的招牌上面,變成全民拼雲端的詭異現象,大家都想要從「雲端」裡面揩點油。這就是為什麼我覺得台灣的雲端運算已經進入「臭掉」的第二階段:因為一開始就「歪掉」的關係,台灣很多人至今不知道雲端運算是什麼鬼東西,人云亦云:「反正只要上網就是雲端啦!」。結果「雲端」一詞,已經完全失去原本的意義,大家也已經都聽到麻木了。一些本質上的東西,大家反而再也沒有著墨。

真正的問題在哪裡?

網路產業既然是發展雲端的前提,那麼為什麼台灣網路產業始終作不起來?為什麼沒有創造出一個強大的網路產業鏈,形成一個良性的產業循環?說到最後,還是「頻寬」的問題,台灣的頻寬環境非常畸形,各大電信業者對中小企業收取高昂的頻寬費用,造成台灣的網路軟體產業無法做大、無法創新:只要你的網站流量稍微大一點,你的頻寬費用就立刻準備讓你關門大吉了。在你獲利之前,電信業者對你收取的頻寬費用,就把你的資金給搾乾了。

那麼「無名小站」為什麼做得起來?最後被Yahoo!買走?因為無名小站從一開始就在交大使用免費的學術網路頻寬,一毛頻寬費都不用出,如果無名小站一開始就是放在某電信業者的機房裡面,那無名小站早就倒掉了。但是這麼多年過去了,中小企業頻寬費用的問題在台灣還是存在,這就是一直以來台灣網路產業最悲慘的事實,但是我們始終沒有看到任何產官學界的人嘗試去解決這個問題。

筆者為了解決公司的頻寬問題,曾經四處拜訪電信業者,洽談頻寬事宜,結果發現各家電信業者不僅報價落差極大,而且平均起來的費用,竟然是美國頻寬租賃費用的12倍以上!在洽談過程中,有一位電信業者竟然還反問筆者:「你為什麼不用我們雲端的虛擬主機,而要繼續用co-location?」人微言輕的我沒有回答他的是:「Amazon提供的雲端虛擬主機,費用是你們的十分之一。用你們的雲端主機,我真的用不下去。」

筆者認識的許多網路新創公司,一開始就選擇把自己的服務放到Amazon提供的EC2雲端服務上面,而且這個趨勢已經非常明顯,大家現在都不想把服務擺在台灣的機房裡面。原因無他,就是因為台灣的頻寬和雲端服務費用高昂,中小型的網路公司根本負擔不起,導致大家拼命把自己的網路服務架設在國外,也許服務的速度會因此慢了一點點,但是至少可以避免一開始就被台灣的電信業者吸乾。

最近NCC和張善政委員拼了命要逼中華電信把民眾上網費用降價,這些政策對於一般民眾雖然是利多,但是已經有點淪為民粹的操作,因為民眾上網費用現在已經跟先進國家接近,差距逐漸縮小。現在最嚴重的問題「中小企業的頻寬租用費用」,才是真正阻礙台灣網路產業發展的毒瘤。

依照現在的趨勢發展下去,民眾的上網速度增加了、費用也很便宜了,但是用的卻永遠都是國外的網路服務!國內的網路業者還是因為租用頻寬費用高昂的關係、沒辦法發展台灣自己好用的網路服務,民眾自然只能使用國外的服務,把錢雙手奉上給國外的公司;另一方面,台灣網路業者也因為負擔不起國內的頻寬費用,選擇把自己的服務架設在國外大廠提供的雲,結果還是把錢送給國外的雲端業者。如此一來,無論是台灣的網路業者或是台灣的使用者,大家都把錢拿給國外的廠商,那台灣政府這麼辛苦地建設頻寬基礎設施,到底是為了什麼?為國外廠商造橋鋪路,結果國內的業者連一點好處都沒有享受到,錢全部流到國外的廠商手裡。台灣人難道不會覺得心酸嗎?

解決的方法是什麼?

既然所謂的雲端產業,根基乃是台灣的網路產業,那麼網路產業一日沒有蓬勃發展,台灣所有的機房都只是拿來養蚊子,變成本末倒置的悲慘狀況,也就是文章一開始提到的「爛掉」階段,政府應該趕快思考如何打造一個獎勵網路新創事業的環境,讓台灣的網路創新應用不僅可以在台灣本島蓬勃發展,也有邁向國際市場的規模和能力。這一切一切的前提,就在於政府提供網路新創業者,一個友善的頻寬環境。

政府最近拼了命在發展所謂的「App園區」,但是最重要的問題還是在於不合理的頻寬費用、讓中小企業根本沒有辦法做大,政府想要發展軟體產業、想要發展App產業都好,這個根本的「中小企業頻寬費用問題」沒有解決,台灣永遠不會出現大型的網路軟體公司可以進一步帶動雲端運算的發展。當政府在打造這些軟體園區、App園區的時候,請提供一個頻寬費用低廉、甚至免費的創業環境,不要讓新創業者才剛剛起步,就立刻要面臨頻寬費用高昂的問題。政府應該立刻開始正視這個問題。不要再隨著雲端的口號起舞,跟著硬體廠商去做一些捨本逐末拼命蓋機房的事情。

台灣要趕快跳脫這樣的「雲端困境」,不然雲端運算又會成為一波我們始終跟不上的科技趨勢。再這樣子搞下去,台灣的網路業者和產業真的都要一起升天、名符其實地上雲端了。台灣雲端運算進入徹底「爛掉」的階段,更是指日可待。

轉自 Mr./Ms. Days (MMDays)

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