[書介]《放棄的力量》:擁抱放棄的價值,活出幸福健康的人生
[書介]《放棄的力量》:擁抱放棄的價值,活出幸福健康的人生
2014.11.02 | 技能

放棄往往比堅持更難!就像佛家講的「執念」一樣,放棄通常都比堅持更令人糾結,或難以抉擇,而放棄的勇氣可能更大過於堅持的力量。知名作家佩格.史翠普(Peg Streep)和心理治療師艾倫.柏恩斯坦(Alan B. Bernstein)透過《放棄的力量》這本書告訴你為什麼《慾望城市》影集裡,凱莉和大人物之間那麼糾纏不清情感的真正原因。

enter image description here

先試想,你是否曾經有過這種想法,「萬一」我再多撐一下,就成功了?「萬一」我再堅持一點、努力一點,我就獲得我所想要的。這種「萬一」開始督促著我們在許多情境裡「堅持」努力不懈的奮鬥下去,就像希臘神話裡的薛西弗斯一直不斷的將巨石往山頂推,西方人卻認為這是潛在英雄的成形。但是事實上,我們可能落入了沒有放棄能力的無限迴圈之中。

《放棄的力量》這本書要打破你對「堅持」的定義,並讓我們反思是否自己都被「堅持=成功」這樣的迷思給桎梏住了。作者強調,放棄不是逃避、不是隨便的態度,而是真正釐清自己、認識自己,就像作者提到:「若是沒有了脫離的能力,大家會繼續活在衝突中,既不開心也不健康。」因為我們可能往往「堅持」一些根本不是自己想要的,卻依舊不願放棄,堅持到最後可能只是緣於不甘願、不想丟臉、不希望被別人認為自己是失敗者、沒韌性。但,這可能都是人類大腦與心理習性的作祟。

作者在書中引用大量的心理學理論與觀點,一步步解析為何我們這麼難放棄。作者提到,對大腦而言,堅持與放棄其實都是困難的事。「我們在追求目標時,總是相信應該是會有秩序、合邏輯,如果目標會輕易達成,這種策略就有其價值,但萬一目標無法達成,這些就成了有害的策略。」為了不落入「失敗者」這種不堪忍受的說法,於是我們繼續堅持著。

受到堅持的迷思洗禮,在達成目標之前失敗的人,通常會相信自己距離勝利只相差了一步而已,不會認為是損失或失敗。這都是人腦在制約下對「距離勝利只差一步」所做出的回應。作者在書中透過,科學家研究在賭場玩吃角子老虎的賭客的例子告訴我們,人類為何永遠很難分辨什麼是真正的只差一步。我們也許都清楚,賭客們贏錢和技巧當然無關,但科學家在他們腦中發現,腦部的快樂與獎勵中樞對於「只差一步」的回應,和他們真正贏錢時的反應一樣高昂,這種「只差一步」的感覺會讓他們繼續玩下去,就算他們實際上是在輸錢,但他們認定卻是只差一步。這種現象就能解釋為何有些賭徒不顧一切的豪賭,但在他們的認知裡總認為,就差那麼一點,下次一定可以大贏一筆。

外界資訊的接收,也會影響我們對於堅持的心理狀態。作者舉例,人類通常都有一種心態是「為什麼不是我?」這種情況多半會出現在,當我們看到別人中樂透的時候,這也是另一種心理傾向,心理學稱為「可得性捷思法」(availability heuristic),它會大力推動堅持的迷思。舉例來說,是被天上飛機殘骸掉下來砸到的機率比較高?還是被鯊魚攻擊的機率比較高?大部分人的答案應該都是被鯊魚攻擊的機率比較高。然而事實上,被天上飛機殘骸掉下來砸到的機率比被鯊魚攻擊的機率要高出30倍。你一定會想,到底為什麼會這樣?這就是「可得性捷思法」在作祟。因為媒體較常報導被鯊魚攻擊的事件。

會有這種心理傾向是人類在原始社會裡為了要生存下來的一種反應,因為原始社會裡,人類需要狩獵,在某個機緣下聽說抄捷徑會受到熊的攻擊,因此,人腦會將這些片斷資訊連結起來,就此認定「抄捷徑=攻擊」,為了存活,於是就決定要改走遠一點的路,也許打獵較不易,但卻可以讓自己活久一點。

而「可得性捷思法」會讓人類很難預測成功或其他事情,這也使得當我們在社會中、文化上不斷受到某些「堅持下去就會帶來成功」這樣故事的洗禮,我們並無法認清這當中可能有其他導致成功的因素,而非只是一謂的堅持。

人有時候往往會毫無理由、莫名的堅持某些事情或狀態。作者用心理學裡另一個名詞叫「間歇性增強」,來解釋這種無法放棄的狀態。某些時候「間歇性增強」是增強人類生存所需要的堅持,書中舉例在實驗室裡的3隻饑餓的老鼠,這3隻老鼠分別透過推拉桿而得到、或得不到食物的獎勵。最後研究發現,拉桿偶爾會掉出食物的那隻老屬,會變得最堅持,牠會為了「有時會得到的滿足」而日以繼夜的努力等待在拉桿旁。

看完實驗室裡的老鼠,或許可以明白在許多情感關係裡,那些糾葛不清、剪不斷、理還亂的感情,讓雙方痛苦不堪卻又難以割捨,到底是為了什麼?也就比較能理解《慾望城市》影集裡,凱莉和大人物的故事,正是感情關係裡間歇性增強最佳的案例。

作者在本書中的前面幾章透過解析人類本能與心智上對堅持的迷思,再透過一些方法幫助我們重新規劃目標,引導走向內在真正的滿足與渴望,而非世俗或他人所定義的自己。因此,作者強調,放棄不是單純的放棄,若沒有伴隨著訂定新目標,它根本不算解決之道。追求目標也是人類本能反應之一。作者建議大家整理並列出自己的目標,反複詢問自己這些目標清單裡的目標是來自於內在或外在?是自己內心的渴望?亦或是來自社會、親友、文化所強加的?

接受放棄的價值並不是懦弱的象徵,而是重新定義自己的目標,想從人生中得到什麼?每個人都希望自己的內在與外在行為一致,才能避免造成更大的衝突,也就是作者在書中提到心理上的「主觀幸福感」(subjective well-being),當我們都能理解自身的每項目標,呈現出真正的自我,才能感到幸福與滿足。

(作者Jasmine,曾擔任科技媒體記者,現為Readmoo特約作者。)

《放棄的力量》

<iframe src="https://readmoo.com/mooreader/reader.html?cid=210024416000101&preview#embed" style="position:absolute;top:0;left:0;width:100%;height:100%;box-shadow:1px 2px 0px #ddd,2px 3px 0px #fff,3px 4px 0px #ccc; border-left:1px solid #eee; border-top:1px solid #eee"></iframe>
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