【一週新聞短評】 核電廠比搭飛機還安全?
【一週新聞短評】 核電廠比搭飛機還安全?

本周最引人注目的新聞,除了世界棒球經典賽(WBC)台日大戰創下平均12.92%的收視率──代表有260萬名觀眾守在電視機前觀戰──之外,大概就是3月9日的廢核大遊行了,根據《蘋果日報》報導,全台灣北中南東、總計有22萬人走上街頭。 

關於「要不要核能」的爭議,在網路上可搜尋到的意見有很多。我稍微查了一下正反兩方的意見,其實不外乎以下幾種在鬼打牆:

  反對核能 支持核能
安全 核電廠很危險。專家說很安全,那是1970年代的舊研究,早被廢除了。

(專家說很安全我才不信)

專家說核電廠比搭飛機還安全。而且新的核電廠有全新的安全設計。

(專家說的你都不信,你要信誰?)

環保 核廢料無法處理,不環保。 不用核電用火電,火力發電排碳也一樣不環保。
效率 若加上廢爐、處理核廢料的成本,核能發電成本遠超過目前估計,其實一點也不划算。 核電發電成本最低,最有效率。而且台電的核能發電成本,有把處理核廢料估計進去了。
經濟 願意漲電價,此外可以節約能源,來彌補廢除核能減少的發電量。 不要漲價,而且電力變貴,台灣經濟就會差,未來大家還不是一起吃苦。
ps.這裡純粹比較「支持/反對核能」雙方,不處理「我支持核能,但反對核四」的意見。大概沒人會相信核四(如果有的話)是一個可以安全運作的發電廠(嗯……除了台電本身啦──我想麥當勞也很堅持自己的餐點非常健康)。 

扯遠了,我們回到表格裡。有關核能的環保、效率、經濟議題,正反兩方都提出很多意見,我們暫且置而不論。不過我心裡始終有個問號縈繞不去,就是「核能發電到底安不安全?」這個問題。 

白話來說,一聽到「核電廠很危險」,大部分永和派(擁核人士最新的網路稱號)會告訴你:專家說,發生某某災難的機率是幾千萬分之一(或幾百萬分之一、幾十萬分之一,總之是很大分之一就對了),比你搭飛機還安全,比你買樂透中獎的機率還低,所以不用擔心。說核電有多恐怖都是騙你的,不信專家你要信誰? 

聽起來挺有道理的。 

然而,除了重複引用「核電廠比搭飛機還安全」的這個比喻之外,我們並沒有真正去了解「某某災難」的定義是什麼(核電廠爆炸?爐心熔毀?還是……);以及「幾十萬百萬千萬分之一」的機率,到底是怎麼來的,詳細的數字又是多少? 

其實,目前所有關於核能電廠的安全評估,最早的資料來自於1975年,美國核能管制委員會(Nuclear Regulatory Commission)一份名為「WASH-1400」的報告(參考維基百科:http://en.wikipedia.org/wiki/WASH-1400;此外還可以下載報告原文,這是用打字機打的報告,十分懷舊)。 

這份研究計畫是由麻省理工教授Norman Rasmussen主持,運用系統安全工程分析方法,花了70個人一年的工作量完成。報告中估計,一座反應爐運轉一年,發生「爐心熔毀」的機率大約是200萬分之1,差不多和一個人活一輩子被隕石砸死的機率相等。 


圖1:著名的WASH-1400報告,也是「核電廠比搭飛機安全」的故事來源。

不過這份報告很快引來許多批評。1976年,憂思科學家聯盟(Union of Concerned Scientists)就發表了150頁的文章來批評WASH-1400報告,包括它沒有估計到人為因素、低估系統運作的複雜性等等。而在1979年,美國核能管制委員會也宣布,不再支持或背書WASH-1400的任何一項結論。 

此後,美國核能管制委員會又分別在1982、1991年進行了核能電廠的風險評估(參考連結),把安全標準提高到「每人每年因反應爐事故直接死亡的機率要在2000萬分之1以下」「因事故造成的癌症死亡率要在500萬分之1以下」。但不久後又再度宣布不再為這些標準背書,理由是「採用過度保守的分析,以致於無法應付劇烈災變」,因此正在研擬最新的核災風險估計,但直至目前,還沒有任何結果。 

現在我們知道,真正的專家,對於目前核能電廠的安全是沒有任何保證的。那些百萬分之一、千萬分之一的機率,不再有任何單位提供背書。 至於台灣呢?1999年,台電在「核四再評估會議」所提供的分析資料顯示,現存的三座核電廠可能發生爐心熔毀的機率,平均是每萬爐年有3.3次;而核四的安全標準將會是「每10萬爐年發生1次爐心熔毀」。 這個數字到底可不可信?自從1956年第一座商業核能發電廠啟用以來,至今57年(目前全球有435座反應爐在工作中),其中就發生了3次爐心熔毀事件:車諾比、三哩島、福島──那幾萬、幾十萬、幾百萬分之一的機率,為什麼變成3/57? 

《黑天鵝效應》書中引用了一個故事:拉斯維加斯賭場的「風險控管」,通常是專注在避免被賭客大贏錢,由於賭場內所有遊戲的勝敗機率都可以算出,只要控制好「大鯨魚」級的百萬賭客,其他小賭客的輸贏不過是九牛一毛。引此,賭場裝備了電影般的監視系統,好好監督賭客的一舉一動,防止詐賭。 

然而,其實賭場的風險遠跟它的業務無關。有史以來,拉斯維加斯發生的4大賭場損失,分別是:

1.一名無可取代的演員,在主秀中被老虎咬成殘障,讓賭場損失了一億美元左右。直到出事之前,沒人懷疑過這隻老虎會反撲跟它睡在同一間臥室的主人,賭場甚至觀眾保險,卻沒有為這為演員保險。

2.一位承包商在飯店擴建工程時受傷,卻對和解條件非常不滿,因此企圖把賭場炸掉,在地下室的柱子放置炸藥。

3.賭場員工因為某個完全無法解釋的理由,把必須交給國稅局的表格壓在自己的抽屜裡,賭場逃漏稅持續了好幾年卻沒人發現──直到某天收到吊銷執照的命令,最後付了一筆龐大的罰款了事。

4.賭場老闆的女兒被綁架,老闆為了籌措贖金,違反賭博法盜用保險箱裡的鉅額金錢。 

造成賭場最大損失的事件,往往是在賭場的「風險評估」之外。而且,這些重大事件造成的損失金額,遠遠超過模式內風險的1000倍以上。依照核電廠的規格設計,爐心熔毀的機率是幾萬分之一。然而,我們該怎麼估計「某個毫無理由逃漏稅的員工」或「電廠組員被綁架」「包商報復放炸藥」的風險? 

如果我丟一枚公平的硬幣(意思是正面、反面的機率各一半),連續99次都出現正面,我問:「第100次出現反面的機率是?」專家會告訴你:「機率是50%,因為你已經假設這是公平的硬幣,而且每次投擲都是獨立事件。」賭徒則會說:「你要不就是在鬼扯,要不就是笨蛋,才會相信50%這種事。這個銅板一定動過手腳,這不可能是公平的遊戲。」 

專家只在框子內思考,賭徒幾乎完全在框子外思考。我不知道核電廠究竟多安全,但我能肯定,那機率絕對比十萬、百萬、千萬分之一,大上非常多。

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