除了考公職,你還有其他選擇~成為會寫程式的跨界人才
除了考公職,你還有其他選擇~成為會寫程式的跨界人才
2014.04.28 |

一直以來,台灣人對考公職、進入政府機關工作,有相當大的熱忱。就算之前「18%」 的公務人員退休優惠存款被調降,在大環境不景氣之下,考公職的人數仍是居高不下,絲毫不見衰退。

另一方面,資訊產業近年來蓬勃發展。捷運上人人低頭滑手機,各種產業搶著上雲端。似乎到處都需要會寫程式的人來做個 App 或是架設網站。對於程式出身的我來說,以上兩個並行的現象太有趣了,讓我不禁想研究研究。

[![ROC-MOEX_2013_Civil_Service_High-Regular-Basic_Exam_proof_seal](http://yowureport.com/wp-content/uploads/2013/04/ROC-MOEX_2013_Civil_Service_High-Regular-Basic_Exam_proof_seal-1024x1024.jpg)](http://yowureport.com/wp-content/uploads/2013/04/ROC-MOEX_2013_Civil_Service_High-Regular-Basic_Exam_proof_seal.jpg) 圖片來源:[Wiki](http://zh.wikipedia.org/wiki/%E5%85%AC%E5%8B%99%E4%BA%BA%E5%93%A1%E8%80%83%E8%A9%A6_(%E4%B8%AD%E8%8F%AF%E6%B0%91%E5%9C%8B))
 

永遠的窄門:公職市場

想成為公務員,多半得參加高普初考,或者是特種考試。高普初考的目的是進入中央政府部門。試題難度是高考大於普考,普考大於初考。

不過試題比較簡單並不表示初考比較容易考上。近幾年初考約七萬人報考,錄取率卻只有 1.1%。普考八萬人報考,錄取率約 1.5% 。高考由於還有學歷上的條件限制,六萬五千人報考,錄取率約是 3% 。比起大學的高入學率來說,考上公職還真的是一道窄門。

[![1](http://yowureport.com/wp-content/uploads/2014/04/14.png)](http://yowureport.com/wp-content/uploads/2014/04/14.png)民國101年考選統計 (資料來源:[考選部](http://wwwc.moex.gov.tw/main/content/wfrmContentLink.aspx?menu_id=268))

 

特種考試中,等同於高普初考的是地方政府公務人員考試。其他特殊性質的考試不在本文討論範圍內。地方特考報考人數更多,約十萬人,錄取率約是 2.75% 。每年投入以上幾種公務人員考試的人數就超過三十萬人,總共卻錄取不到七千人。由於錄取率很低,有人考了好幾年還是只能放棄。

考上公務人員之後,薪水大概是兩萬多到四萬以上,比起大學生起薪被打壓到兩萬二或是不到的水準來說是好一點。不過更多人看中的是公務人員穩定的薪水、生活品質以及社會地位。在經濟不景氣的時候,公務人員可是婚友社裡炙手可熱的搶手貨。

雖然公務員工作優點很多,但是生活穩定就代表不會有太多的起伏。公務員工作福利也需要穩定的政府支撐才行,也因此公務人員一直是執政黨鐵票。然而,考上公務人員的成本不低,除了付出的時間成本之外,坊間補習的報名費,單科價格從六千到一萬元;有些保證到你考上為止的全科班更要價兩、三萬。
 

找程式設計工作比考公職簡單

2013 年十二月,美國的「電腦科學教育週」和 Code.org 共同主辦 Hour of Code 活動。主辦單位邀請許多名人宣傳,包括 Bill Gates,Mark Zuckerberg,不過其中最大咖的非美國總統歐巴馬莫屬。Hour of Code 的目標是向超過一千萬的美國學生,宣傳程式設計的重要性。

[![2](http://yowureport.com/wp-content/uploads/2014/04/22.png)](http://yowureport.com/wp-content/uploads/2014/04/22.png)歐巴馬倡導學習電腦 (資料來源:[Code.org](https://www.youtube.com/user/CodeOrg) )

 

而在 2014 年二月,[新加坡 IDA 也計劃在小學到中學期間,推廣程式設計課程](http://punnode.com/archives/10183)。由於新加坡不斷流失移民,為填補經濟發展的動力,希望加強本國人民程式設計能力,提升國家競爭力。  

從美國和新加坡政府政策方向來看,未來國和國之間的競爭,已經即將轉型到是資訊能力的競爭。政府鼓勵更多年輕人學程式,是創造新的機會,而不是滿足於維持原有的國家競爭力。

先不看台灣如何培育人才,台灣就業市場是否需要這麼多程式設計人才?從經濟部工業局的「重點產業專業人才需求調查」報告中,可以看到程式設計相關領域未來三年內的人才需求量:

 201420152016
智慧手持裝置510055005800
雲端運算服務290044005500
數位內容190021002100
設計服務130013001400
資訊服務510054005700
總計163001870020500
以上數據以樂觀值推估

 

從上表可看出,列出的重點產業對於人才的需求是逐年成長的。除了重點產業之外,仍有其他產業的需求,因此市場需求絕對大於工業局推估的數量。但若計算每年相關科系畢業的學生數量,從入學數扣去延修率,看來勉強能滿足以上重點產業的需求。這樣看來,或許程式設計產業的競爭應該是沒有考公職這麼嚴酷。

學習程式設計也是需要投入成本。在職訓局、補習班或是更專業的單位(如資策會)皆有提供不同種類的課程。課程內容的深度也反應在學費上。程式技能學成之後,便是職場上直接會使用到的技能,而不是考試完就不需要的教材。

相較起穩定的公務人員,在薪資部份,本科系的大學畢業生起薪約是三萬左右,研究所畢業的新鮮人約在四萬二以上。除了工作環境的穩定度一定遜於公務人員,職業成長性則有明顯優勢。例如在美國,最有「錢」途的職業已經是程式設計師。
 

跨領域人才:專業知識 + 程式設計

台灣人花時間準備期望值過低的國考,很多論述認為這種風氣容易造成國家競爭力低落。如此論述的立場在於兩點,一是花時間準備考試,但是錄取率過低造成的人力資源浪費;二是過多的精英份子前進公家單位,導致產業沒有人才,競爭力自然會低落。

台灣正在面臨產業轉型,況且台灣缺乏天然資源又地小人稠,繼續耗損國土資源增進產業的發展,絕對不是一條正確的道路。投身高附加價值勞力密集的產業,才是未來可行的道路。

試想若是考公職的人有一半能轉換想法,不選擇穩定的公職,轉而投入學寫程式會變得如何?

很多其他產業的程式設計工作,必需同時具備兩個領域的知識。不但需要產業知識,也需要程式設計能力。若是相關產業背景的人才,再增加程式設計能力,便得以勝任。

從其他領域跨進程式設計領域,有計劃性的培養跨領域人才已有先例。三星在 2013 年成立「三星融合軟體學院」,招募文科學生,讓他們在半年內學習軟體基礎課程、產品、晶片和網路等相關課程。這些人學成之後以軟體工程師身份直接進入三星工作。

三星希望用這樣的制度,培養出像賈伯斯一樣,同時具備人文素養和技術能力的人才。天才可遇而不可求,但大量人才在三星工作,或許能改變三星公司目前七成是理工科背景的狀況。

至於是否會因為大量人員進入程式設計市場而排擠原有人才?我反而樂觀。軟體重點產業能能有新的活水注入,可釋出有程式設計相關背景的人才;台灣便能集中所有資訊相關的資源,將所學習的理論知識,往更專精的領域發展。國家才有可能快速的提升現有的水準,跟上甚至超越其他強國,未嘗不是一件好事。
 

找到自己的就業策略

說了這麼多,並不是鼓勵正在準備公職考試的考生們,馬上去買一本程式設計的書學寫程式。若是你苦於尋求不到出路,才投身公職考試,對程式設計也不排斥,甚至自學求知的欲望很強,我建議可以用入門的程式設計題目來考驗你的邏輯思緒,檢視你是否適合往這條路走。或許鞏固本身的強項,輔以程式設計能力讓自己成為 T 型人才,才是你的就業策略。

出自有物報告

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