踢爆!穿戴科技4大迷思一次看
踢爆!穿戴科技4大迷思一次看
2014.11.02 | 科技

穿戴式裝置已是科技界最熱門的話題。從Google的Android Wear、Samsung Galaxy Gear、到蘋果Apple Watch等,各家廠商推出的穿戴裝置五花八門,從手錶、眼鏡、手環、到衣服,都能延伸各種與物聯網有關的裝置,彷彿只要加上晶片、加上智慧兩個字,原本再普通不過的生活物品就能搖身一變,從灰姑娘變成公主,與高科技牽上邊。

enter image description here
(圖說:蘋果在今年也加入穿戴市裝置行列,推出Apple Watch。照片來源:蘋果官網)

但穿戴裝置產業發展真的如此嗎?一位在美國矽谷從事半導體和電子產業超過30年,現任穿戴式裝置相關產業的Sensoplex董事長Hamid Farzaneh忍不住出面投書媒體,戳破科技行銷公關所說的美夢,寫下現有技術尚未突破的真實面貌,和幾點誤導大眾的迷思。此外,美國電子高科技產業Accenture的高層主管Thomas Stuermer也曾在接受媒體訪問時,不約而同發表穿戴裝置發展的市場迷思。

Hamid Farzaneh承認,穿戴式裝置毫無疑問的是目前最熱門的話題,也是下一世代科技的發展重點。但他也呼籲大家別忘了,有贏家就會有輸家。根據商業80/20法則,市面上往往只有20%的產品能攻占熱銷產品區。因此,即使穿戴式產業發展快速,有多少產品能持續存活還是未知數。

根據研究調查發現,有高達40%的消費者在購買任何穿戴式追蹤裝置後,不到1~2個月,新鮮感過後,這些商品就淪為閒置的裝飾品了。顯然,穿戴裝置不能只是停留在產品新鮮層面,還得想辦法提升到消費者必須擁有且期望擁有的層次,然而在此之前,相關廠商恐怕必須重新檢視穿戴裝置市場的幾個迷思。

迷思1:穿戴式裝置會不會只是另一種形式的智慧型手機?

Thomas Stuermer認為,雖然穿戴式裝置可以運用的範圍很廣,大過於智慧型手機和手錶,例如智慧衣服、健康照護和運動軌跡追蹤等。

但近幾年內,民眾最熟悉的操作工具仍會是智慧型手機。如果穿戴式裝置沒有找到特殊的殺手級應用,要說服民眾同時攜帶智慧型手機又要帶穿戴式裝置,就會顯得很累贅,也會降低民眾購買的意願。

迷思2:電池續電量問題要怎麼解決

電池的續電量往往和電池的體積大小有很大的關係。電池越大,續電量就越高。 Hamid Farzaneh提到,現有的穿戴式裝置講求輕薄、小巧、又要加裝感測裝置。紐約時報在今年10月初也曾報導一種像貼紙般的感應裝置,可貼在人的肌膚上來蒐集各種即時生理反應。
enter image description here
(圖說:紐約時報報導新型穿戴式科技,可如同貼紙般黏貼在肌膚上。圖片來源:New York Times)

這些穿戴式裝置不僅要能像刺青一樣貼和肌膚、又要做到非常微小,怎麼解決電池和續電量問題,就是廠商必須要克服的一大重點。

現在市面上已有廠商積極發展無線充電技術。而美國華盛頓大學(University of Washington )也曾釋出新的無線通訊技術,讓無線訊號在傳遞訊息的同時,也能充電。

enter image description here
華盛頓大學先利用2張信用卡大小般的電子裝置,來測試裝置在沒有電力來源的情況下,是不是能夠繼續傳輸訊息。而實驗證明了,這種新型技術確實可行。如果運用在穿戴式裝置或其他電子產品上,即使沒有電力來源,裝置也能夠持續運作。

但Hamid Farzaneh認為,無線充電裝置成本高,只要配載無線充電裝置,成本立刻高出400美元。這可能會讓廠商望之卻步,要讓無線充電商品化,可能還有很長的一段路要走。

迷思3:穿戴式裝置是全新的概念產品嗎?

穿戴式產品確實是最近很熱門的話題。但最早在1970年代,第一個數位電子手錶就已經問世。而在醫療領域,過去也可見各種穿戴式感測裝置,包括用於測量心臟疾病患者的心跳速率等產品。

穿戴式裝置並非全新的產品,只是隨著時代技術不斷演化,操作介面簡化了,網際網路傳輸環境也越來越完善,才造就現今新一波穿戴式技術浪潮。
enter image description here

迷思4: 神奇的醫療功能真的準確嗎?

很多穿戴式裝置都宣稱可以結合醫療作用,讓你不用壓手臂就可以量到血壓、不用紮針就可以測量到血糖。

現今的醫療科技確實一直在找方法設計儀器,讓人可以不用任何侵入式的方法就可以量到血壓和血糖,包括透過光學儀器來檢測皮膚所穿透出來光,或透過檢測血液含氧量或皮膚的導電程度等方式,來測量血壓和血液濃度等。最早的穿戴式裝置確實是由醫療領域發跡。但你在移動過程中使用穿戴式裝置,測量出來的效果還會準確嗎?

Hamid Farzaneh認為穿戴式裝置的醫療感測技術很容易因為身體移動或外界噪音而受影響,手腕大小和骨骼的結構也會影響靜脈的位置,而導致測量不精準。

美國愛荷華州立大學(Iowa State University)在今年6月也曾同時測量8種智慧手環,並監測不同的受測者,會不會因為個人的體型差異或在不同的運動狀況下,而導致智慧手環測量數據不精準。結果證明,不同的廠牌確實會有醫療上的誤差。

enter image description here
(圖說:美國愛荷華州立大學(Iowa State University)曾同時測量8種智慧手環的醫療準確度。圖片來源:愛荷華州立大學

雖然各家廠商紛紛投入穿戴式科技,成為科技界的火熱話題。但至今仍有許多技術面或應用面上的問題,等待廠商去解決。穿戴式裝置會是科技界的明日之星,還是只能淪為曇花一現、泡沫科技,就看廠商能不能突破現況,花時間解決問題了。

資料來源:TechcrunchInformationweekForbesNew York Times

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