不依靠數位工具,找到最適合你的工作方法
不依靠數位工具,找到最適合你的工作方法

寫成文章放上與其他人接觸的溝通管道後,基本上這篇文章某部份的解釋權也已經不在自己手上,讀者難免誤讀,但作者有時候也不一定是有明確不可變的思想,於是在這樣反覆來往的誤讀中,有時候新的創意與思考反而會產生。我一直深信這一點。

不過,今天我想犯一個作者大忌,回過頭來自己解釋自己。在各式各樣別人附加在我身上的「定義」中,有一種詮釋其實和我心中所想南轅北轍,這個解讀就是:「你真是一個依靠數位工具的人。」

但其實我心中真正的想法是:「我認為我們不能依靠任何數位、網路工具」,或者說,不是我(們)依靠數位工具,而是「數位工具依靠我(們)。是我們賦予這些工具靈魂,讓他們成為實用,沒有我(們),這些數位工具完全沒有意義,但沒有這些(某些)工具,我(們)依然可以找到完成事情的方法。

[![](http://3.bp.blogspot.com/-OtQ31gebqB8/UyT5YiTp3uI/AAAAAAADSHg/DntKoiu8WLE/s1600/Screenshot+-+2014_3_16+,+%E4%B8%8A%E5%8D%88+08_42_31.png)](http://3.bp.blogspot.com/-OtQ31gebqB8/UyT5YiTp3uI/AAAAAAADSHg/DntKoiu8WLE/s1600/Screenshot+-+2014_3_16+,+%E4%B8%8A%E5%8D%88+08_42_31.png) 
### 一、自己的方法,才靠得住

是的,重點是那樣一套屬於自己的「方法」是否被建立起來,如果說我依靠什麼,那麼我依靠的應該是背後那一套自己慢慢磨練出來的做事情的流程」、「面對事物的態度」和「執行任務的方法」,而非任何一個特定的工具。

方法,是自己的,所以靠得住,只要我還在,只要我還在動腦思考,那麼我相信自己的方法永遠都是自己最好的依靠。而那些網路、數位工具?對不起,我不能依靠你。

就好像餐廳的大廚有一把傳世的名刀,讓他做菜更俐落,但是如果有一天名刀壞掉了,難道這位大廚就從此做不出好菜了嗎?當然不是,大廚最重要的是他有自己做菜的哲學、口味的藝術、料理的方法,刀壞了,換把適合的刀,一定還是有好菜可以上桌。

二、有了方法,換工具就很簡單

所以,我們不能奢望數位、網路或任何工具可以幫我們解決問題,真正解決問題的永遠是我們的方法,是我們自己。

因此像是我個人「愛用」的 Evernote ,我常常建議大家可以嘗試把所有資料放入 Evernote 做一個專案統整,這樣最有效率(兩張圖解釋 Evernote 的 完全記憶 與 專案管理筆記 方法)。有朋友可能因此解讀:「哇!你好依賴 Evernote。」不,其實我依賴的是「把所有資料統整的專案管理方法」。

今天換到另外一個可以做資料統整的軟體,我還是一樣的方法。

有了方法,我們要做的就只是「找到適合自己方法」的工具而已。就像大廚在做菜前總是已經有一套完美的料理計畫,所以他們可以輕鬆挑出好食材並做出好菜,但其實大廚也不是去找出什麼隱藏的夢幻食材,很多時候用得也只是我們一般市場看得到的東西,只是大廚知道自己要什麼,所以可以挑到和自己的菜單完美搭配的素材。

工具就像這些食材,很多時候他們是中性的,好壞其實來自於我們怎麼使用它的方法。這個工具對你壞,或許對我好,但要怎麼知道對自己好的工具是什麼?只有先建立「自己的一套方法」,而一旦有了方法的大廚,難道換個食材就做不出好菜嗎?

三、建立流程,獲得效率,規避風險

很多人問說:「 Evernote CEO 說他們要做百年企業,這是不是代表這個筆記服務很值得依靠?」我其實從來不會把這句話當真,我的意思是,或許 Evernote 有那個志向,但一家公司要做百年有那麼容易嗎? Evernote 最近的偶像 Nike 都還做不到 50 年呢!

我並非是會被這些志願感動的人,我只是挑一個適合自己方法的工具。

所以,我使用任何工具時從來不會覺得「我會永遠使用這個工具」,相對的,我會去思考的是一套可以更長久、不斷修正的工作流程,然後隨時選擇當下適合這個流程的工具,並且保留替換的彈性即可。

當我說「雲端可以幫我長久保存資料」時,我思考的不是依賴某個雲端工具「永遠」幫我儲存某些資料,而是整個雲端世界這個新方法、新流程。

把工作的資料雲端化,可以方便攜帶,可以在即使小小一台手機上隨時使用,並且自己不用做太複雜、太花時間的備份,而可以有一個自動化的流程來幫資料做好儲存、整理、使用與救援。這是我的方法,在這個方法上我可以獲得最大的工作效率。

於是我自己選擇像是 Evernote、 Google 相簿、 Dropbox 這些「工具」來加入我的流程。如果有一天這些工具不能用了呢?那就換個工具吧!因為在這個雲端的流程裡,資料反而更容易轉移,即使像是 Evernote 都一樣有儲存完整筆記在本機、可以轉 HTML,而且如果有天有更好的筆記服務出現,那這個筆記服務多半會推出「把 Evernote 筆記轉入 XXX 」的功能幫我們移轉。

四、我想介紹的不是工具,而是背後的方法

我常常在思考的其實是自己方法的精進,而非軟體到底怎麼用。

當然,我必須感謝這些我使用過的、我介紹過的數位、網路工具,因為每個工具背後都有開發者的心血、開發者的想法,開發者想要讓這個工具怎麼用的「方法與流程」,最後這一點最寶貴!

因為當我使用這些數位、網路工具時,我其實就是在跟這些「方法與流程」對話,回頭來思考、修正、精進、刺激自己原本的方法。

於是,當我獲得這些工具裡包含的那些好方法後,我就可以保留一個彈性:「隨時帶走這些方法,留下這個工具」,因為我知道,我也認為,我們其實不能依靠任何數位、網路工具,但我們可以依靠一個適合這個最新世界的工作方法。

最後,也歡迎延伸閱讀我的一些方法: 

1. 在雲端工作、數位生活中節省與擁有更多時間的方法
2. 無紙化工作方法,不「紙」數位化,還需行動化雲端化
3. 10 個真的可以被具體執行的時間管理技巧
4. 養成好習慣之前,如何建立真的做得到的習慣養成目標?
5. 不完美,效率大加倍:雜亂拖延少做點讓你更有生產力 

 

出自:電腦玩物

關鍵字: #數位工具
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