[曹家榮] 捕捉一瞬間,該用雙眼還是手機鏡頭?
[曹家榮] 捕捉一瞬間,該用雙眼還是手機鏡頭?

上週末趁著去高雄演講的機會,我順道規劃了一趟小小的旅行。雖然不是第一次造訪高雄,但像這樣搭捷運、騎腳踏車在這個城市裡閒晃兩天,倒是頭一遭。也是因為如此,對於這個過去我以為跟台中、台北「差不多」的大都市,有了不同的認識。

不過這篇不是遊記,也不是高雄觀光業配文,所以我還是識相地趕緊切入正題。正題是:在旅行中,一直拿著手機照相的家人,讓我想起了前陣子人渣文本在其於聯合報鳴人堂的的文章「記憶恆久遠,雲端永留傳——獲得美感經驗的兩種模式」中談到,關於獲得美感經驗的兩種不同模式。

#當「拍照」隨手可及

人渣文本那篇文章是從一張 Twitter 上的照片開始的。這張照片中,一群參加電影首映會的民眾,爭相地拿著手機捕捉紅毯上明星的身影。但其中有一位老太太則顯得很不一樣。她沒有拿著手機、相機,只是帶著微笑專注地看著眼前的一切。

我在高雄閒晃時,沒有看到明星,倒是看到了很多鴿子(不是會開單的那種)。而且不是只在一個地方。高雄火車站前有,市立圖書館附近的公園也有。撞見滿地鴿子的頻率,一度讓我誤以為某大導演正在高雄拍片。

吳宇森協拍,由木村拓哉出演的台灣觀光廣告 Time for Taiwan, 也出現經典的飛鴿畫面,數位時代翻攝於 youtube 。 (圖說:吳宇森協拍,由木村拓哉出演的台灣觀光廣告 Time for Taiwan, 也出現經典的飛鴿畫面,數位時代翻攝於 youtube 。)

就在市立圖書館附近的那個公園,我經歷了特別的一刻。當時我牽著租來的腳踏車站在鴿群中,正想著哪來那麼多、那麼多、那麼多鴿子!遠方疾駛而來的大貨車突然發出巨大的喇叭聲響,受驚嚇的鴿子們於是群飛而起。不是驚慌地四處亂竄,而是有序地盤旋飛繞,以公園為中心,迴轉了兩圈才又一同飛向對街的大樓。

那一刻,我整個人被眼前飛繞的鴿群震懾、吸引。不過我同行的家人,倒是(一如往常地)「反應快速」地拿起了手機,記錄下眼前這一幕「看傻的大叔與飛舞的鴿子」。就在此刻,我又一次被喚起了想要寫這篇文章的衝動。

#兩種獲取美感價值的方式,之外

在人渣文本那篇文章中,他區分了兩種獲取美感價值的方式,一種是「感知」,一種是「保存」。選擇用雙眼看紅毯明星的老太太,是透過感知來獲取美感價值;而拿起手機的人們,除了同樣「看到」(感知)了之外,也透過「保存」獲得了另一種美感價值。

換言之,人渣文本看到的是,手機(或其他隨身的照相工具)讓人們獲得了「保存」這種不同的美感價值體驗。也就是說,我不僅看到了,我還可以(透過照相)將其收藏起來

當然,若暫且先不問為何人們總愛將東西變成「自己的」,確實就如人渣文本所說,不同美感體驗的方式並無好壞之分。同時,更「多元」的欣賞活動聽起來也不會是件壞事。

只是(又來了…)!只是,我好奇的(想找麻煩的)是「感知」的那一部分。當人渣文本說,那些拿起手機搶拍的人們,也透過感知獲得了美感價值,不過可能是透過觀景視窗,「小了點」而已。真的只是如此嗎?

#不只「小了點」,視覺的延伸與侷限

過去我曾介紹過,加拿大的傳播學者 McLuhan 將媒介界定為「人的延伸」。這意味的是,媒介的效果不單單只來自於其傳遞的資訊內容。相反地,當我們使用某些媒介時,會因為不同媒介特有的形式,改變我們人自身的能力,而產生巨大影響。

例如,媒介研究者過去就曾指出,廣播在戰爭時期的動員能力,並不只是來自廣播內容,更來自於廣播這一媒介形式。它讓整個國家的人同時聽著一個人的聲音,就好像每一個人都被凝聚在一起一樣。

因此,當我們隨時都可以拿起手機來照相時,所發生的改變絕非就只是看到的景象「變得小了點」而已。手機(或者各種隨身攜帶的相機)作為一種媒介,在讓我們「看到」的同時,便改變了這一體驗本身。

一方面,在專注於透過鏡頭捕捉當下那一瞬間時,我們往往全神貫注於「螢幕上」的景象。畫面是否清晰?焦點是否對準?甚至,佈局、結構是否符合某些美的標準。在這一瞬間,視覺成了所有感官知覺運作最重要的一塊。我們專注於「看」,進而削弱了其他感官知覺的敏銳度。

因此,透過手機鏡頭看到的,絕非僅是「比較小」的景象。實際上,它可能是被削減了聲音、抹去了氣味、甚至僵化了流動的單調圖像。更不用說,這所謂的「比較小」已經切除了景象本身所處的那個更廣闊的脈絡。

另一方面,一如我經常強調的,科技不會只帶來好的或壞的影響。雖然透過手機鏡頭的觀看會帶來上述那種「化約」,但它同時也可能增強我們觀看的能力。就像人渣文本說的,對於那些沒有辦法擠到最前排的人來說,手機這類裝備反而讓他們可以克服距離的限制,依然可以在螢幕上看到清晰的景象

換言之,雖然透過手機觀看,視覺之外的感官知覺遭到化約,但是視覺本身卻得以強化、擴增。我們可以看得更遠、更清楚,而不是只能受限於肉眼的能力與物理空間的距離。就此而言,螢幕上的景象其實一點也「不小」

#數位時代的「選擇」

不管是「擴增」還是「化約」,從媒介的角度來看,其實用肉眼看著紅毯明星的老太太與其他人之間,以及在群鴿飛舞的那個當下,被震懾的大叔與反應快速地拿出手機照相的人之間,他們所感知到的都已是不一樣的景象

然而,一如人渣文本並不主張哪一種獲取美感價值體驗的模式比較好,透過媒介理論的角度反思這一處境,也不是要說肉眼看世界才是王道。

我不是懷舊主義者,但我也不想擁抱科技樂觀主義,僅僅頌揚科技帶來的好處(例如,遠比肉眼更清晰、銳利的鏡頭),或甚至不經反思地認為:當我們拿起手機看世界時,這其中沒有什麼不一樣。

也許,我想要說的是,這總是我們自身必須面臨的(各種)選擇:在(科技)媒介帶來的改變的「兩難」之間,選擇自身的生活方式。並且確切地認識到,如此選擇所放棄的東西

我們可以選擇時時刻刻透過鏡頭去記錄每個當下,將其收藏、記憶。也可以選擇以肉身沉浸於當下,然後可能漸漸地遺忘。該如何選擇?或以何種比例調配?關於這樣的問題,我也沒有答案。但我相信 McLuhan 說的:我們最起碼不該是白日夢遊者,目盲於(科技)媒介所帶來的改變。

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