[曹家榮]中國網軍出征Facebook,為何最終無功而返?
[曹家榮]中國網軍出征Facebook,為何最終無功而返?
2016.01.21 |

2016年1月20日,在某種意義上,對於中國來說是必須被記住的一個大日子。這一天,中國網民首次有組織地大舉「翻牆」而來。史稱「帝吧事件」。

據說帝吧事件的發起,與蔡英文當選總統、周子瑜道歉、以及羅志祥的「我們都是中國人」這些事件息息相關。面對這一連串被看作是涉及濃厚「台獨」意味的事件,百度上「帝吧」(李毅「吧」)的網友決定號召大軍翻牆、遠征FB,「教育台獨份子」。

圖說明
圖說:帝吧網友組織發起翻牆遠征涉及「台獨」的新聞網站粉絲團。

這個事件目前還持續在延燒中。除了FB上被認為是「獨媒」(三立、自由)的粉絲頁外,在我寫作的這個當下,「帝吧軍」也在想方設法進入PTT這個被認為是台獨大本營(?)的地方。而八卦板也毫不示弱地放上板標「歡迎中國朋友發文──你能的話」,戰意十足。

先不談這個事件最終會如何收場或造成什麼影響。雖然很令人好奇的是,中國官方能夠容許這種集體大規模的「翻牆」舉動多久(據聞有翻牆出來的中國網友在說錯關鍵字後就失蹤了)。畢竟這群帝吧軍甚至還在臉書上開了一個公開社團啊!

這篇文章想要藉機談談的是這一兩年來名氣很高的「婉君」(不是表妹那種)。相較於台灣社會這幾年來,每接近選舉都會有些政治人物跳出來指控有網軍在帶風向、惡意攻擊,帝吧軍這次大張旗鼓翻牆而來或許才更符「網軍」之實。在一位參與行動的中國網友的微信上可以看到,帝吧軍不僅相當有組織地區分了兩大總群及其下各六路縱隊,還有著各式各樣的「紀律」、口號。

然而,網軍真的「有效」嗎?且不論台灣自家的網軍,大舉翻牆而來的帝吧軍到目前為止似乎也很難說產生了什麼影響。除了為這幾天冷颼颼的上班日,添加不少「笑果」外。但,為何如此?

網絡化的空間不利於網軍作戰

首先,讓我們做一個簡單的比擬。網「軍」這個概念令人想像到的組織行動模式是,由指揮中心下達命令,針對一明確的空間、範圍所進行的征服。像是這次的帝吧事件,他們很明確地建立任務編組,意圖要教育「台獨份子」。

圖說明
圖說明
圖說:走錯棚的網民們。圖片來自:PTT八卦版

但就像帝吧軍一翻牆過來就遇到的難題:**敵人(戰場)到底在哪裡?**有一位帝吧小兵誤闖了「三立娛樂星聞」,還搞不清楚狀況地發問:這裡是戰場嗎?這是笑料,但卻也實際地反映出:網路並不是一個可以簡單地劃定的明確空間、範圍。

過去研究網路的學者曾經期待網路的民主化潛能,其原因也是如此。不同於電視、廣播這類「中央集權」的媒介,網際網路既沒有一個「中心」,更難確定其範圍。

因此,不論是帝吧軍翻牆過來想要教育台獨份子,還是台灣自家某些政黨的網軍想要針對某些族群「帶風向」,第一個面臨到的難題是,既沒有辦法像過去利用廣播、電視那樣,進行無差別攻擊,也沒有辦法明確地圈出敵人(目標群眾)所在位置。只能像帝吧軍這樣,找幾個代表性的「獨媒」、政治人物下手。

換言之,認為網軍可以有效地達到政治目的的人,忽略了一件事情:網際網路不是傳統幾何式、可確定範圍、位置的空間;特別是在今天,網際網路(在Web 2.0之後)已經進化為由諸多節點串連起來、無限綿延的網絡化空間。這意味著,在這一空間中,你既找不到中心,也無法確認方向與邊界。

我們也許可以找到這個網絡化空間中「相對大」的節點。就像前陣子有一個研究,針對太陽花學運期間PTT上的評論行為進行分析,便得出一個結論:相較於「網軍」,其實名人帶風向的能力可能更高。但卻沒辦法保證,這個大節點能夠讓你觸及所有的目標族群。

總是意圖使人歪樓的眾聲喧嘩

除了空間特質的影響外,網際網路另一個不利於網軍行動的特質是:多元發聲的可能性

我們同樣可以與廣播、電視這類中央集權式的媒介做比較。相較於廣播、電視,Web 2.0之後的網際網路、社群媒體都意味著不是只有少數人可以說話,而是每一個人都可以發言。

因此,不難想像的是,像帝吧軍這種打算來「教育」台獨份子的作法,或是台灣自家網軍各種帶風向的言論,都不可能如廣播政令宣導般,講一講完就可以走人。而是會激起更種回應、甚至反駁與辯論。

如果是獲得認真的回應與辯論,我們還可以認為網軍多少有著作用。但「糟糕」的是,特別在台灣這個充斥鄉民文化的社會裡,鄉民的眾聲喧嘩往往一個不注意就「歪了樓」、喧鬧了起來。

帝吧軍此次翻牆而來,就同樣也見識到台灣鄉民「作亂」的能力。不僅出現各種「神回」(例如,三立娛樂星聞小編的「萌回」),更厲害的是化身為奸細的「反串文」,讓「正毅兄弟」都成了需要受教育的台獨份子。

這也是為何剛剛提到的那個太陽花學運的研究中,得到的第二個重要結論是:**網軍真正的影響力在於,發廢文來稀釋或轉移事件注意力。**也就是說,如果「網軍」真的操作的起來,那麼其功用也絕非在「帶風向」,而是「打爛戰」藉以讓人無法看清真正重要的事。

其實,再歸根究柢來說,無論是那些指控網軍存在的人,還是那些真的操作著網軍的人,最沒有看清楚的是,仍從一種極權統治者的角度,認為人民是可以簡單被操弄的群眾。

然而,我們就算不唱高調地認為網路的本質是自由,但至少可以說:網際網路帶來了社會學家所謂的「透明社會」,在其中,不再只有一種聲音、一種知識、一種真理,而是可能在多重迴聲中逐漸激盪出的眾聲喧嘩。

關鍵字: #簡報技巧
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