[專訪] 國際醫學維基翻譯計畫發起人海爾曼：因為醫生不會永遠都是對的!|數位時代 BusinessNext

2014年初，伊波拉疫情在西非大爆發，全球民眾人心惶惶。根據世界衛生組織和多國政府採集數據，到今年1月14日為止，感染案例已經超過2.8萬宗、死亡案例也超過1.1萬宗，堪稱史上最嚴重的伊波拉疫情。當疫情蔓延時，哪一個網站是賴比瑞亞、獅子山和幾內亞等疫區人民最依賴的資訊來源？答案不是CNN、不是疾病管制局，也不是世界衛生組織，而是你我幾乎每天都會用到的維基百科（Wikipedia）。

原來，在伊波拉病毒剛爆發時，維基百科編輯群就搶先編修了伊波拉相關條目，再發給具有語言長才的譯者翻譯成各國語言。到目前為止，伊波拉病毒條目已有115種語言版本，而光是在2014年，點閱次數就已經約達1億次之多。「我深信，維基百科在伊波拉疫情中扮演了很重要的角色。」發起這項翻譯計畫的詹姆斯‧海爾曼（James Heilman）接受《數位時代》專訪時堅定地說。

圖說：國際醫學維基翻譯計畫發起人詹姆斯‧海爾曼（James Heilman）。圖片來源：顏理謙攝。

#三大步驟，讓資訊更開放

除了國際醫學維基翻譯計畫（Medical Translation Project）發起人之外，海爾曼其實還有另一個身分，那就是加拿大不列顛哥倫比亞大學的急診室外科醫生。笑稱自己「一半是維基人、一半是醫生」的海爾曼說，之所以參與維基百科編輯，得回溯到8年前的某個尋常夜晚。

那天，海爾曼正在急診室值夜班，碰巧在網路上逛到維基百科的肥胖症條目，赫然發現，裡面竟然藏了許多錯誤訊息。「那時我心想，我的天啊，這實在太糟糕了！」不過就在此時，他發現頁面上有一個編輯按鈕，可以讓使用者編修文章，從此他一頭栽入維基百科浩瀚的知識之海。而一年半前，他甚至將醫院的工作時數減半，只為了投入更多時間和心力在維基社群。「當我看了越多維基百科的文章，越發現世界上有許多人依賴維基提供的資訊。對他們來說，維基百科就是醫療資訊的來源，這更加激勵我去修正這些文章，」他說。

在那之後，海爾曼開始發起國際醫學維基翻譯計畫。這項計畫共分為三大步驟：改善條目（Article Improvement）、翻譯（Translation）、讓讀取更方便（Improving Access）。

首先，以海爾曼為首的編輯群先參照世界衛生組織和維基百科的醫療主題列表，從中挑出1,000項關鍵疾病，再將英文原文編修得更完善。當文章品質到達一定水準後，除了鼓勵大家參與翻譯，2012年起還請來無國界譯者組織（Translators without Boaders）協助，以人工翻譯方式，將文章譯成超過100種不同的語言。

2014年秋天開始，國際醫學維基翻譯計畫也和台灣的中華民國維基媒體協會合作，邀請台大醫學院學生加入這項翻譯計畫。透過Facebook和Hackpad等數位工具，他們在短時間內就翻譯出超過90個短條目，成果驚人。最後一個步驟則是搭起獲取知識的最後一哩路，讓更多人能夠使用維基百科。

例如在開發中國家，雖然手機已經相當普及，但是資料流量費用卻很高，大多數民眾根本無力負擔。因此，維基媒體基金會推出維基百科零點計畫（Wikipedia Zero）並且邀請當地電信商加入，讓民眾可以免費讀取維基百科。目前這項計畫的受惠人口已達4億人，大多數在非洲和東南亞國家。

為什麼要推動翻譯計畫？海爾曼表示，全球每天有上千人因為無法獲得充足的醫療保健資訊而死，追本溯源，就是因為網路世界的語言和實體世界語言差異懸殊。他指出，維基百科目前擁有286種語言，雖然聽起來數量龐大，但是其實全世界共存在超過6,000種語言，光是非洲就有大約2,000種語言。然而諷刺的是，在實體世界中占了多數的語言，到了網路世界卻成了弱勢族群，而只懂該語言的人民也因此無法獲得足夠資訊。

#開放醫療知識為什麼重要？

「尊重專業」四字人人都愛講，既然如此，為什麼我們還需要開放醫療知識？這麼一來，會不會養出更多難纏的病人，造成醫師的壓力和負擔？對於這個顧慮，海爾曼絲毫不以為意。他指出，以前大家都覺得醫生最懂，但是事實卻不一定如此。在過去，病人去看醫生時，會先回答醫生所有的問題，再由醫生為病人下決定。「但是我們致力於改良這種狀況。我認為，應該要讓雙方都了解醫學資訊，讓醫生和病人一起做決定。」

海爾曼表示，醫生們希望病人具有充足的醫療知識，至少年輕一輩的醫生這麼認為。所以，大多數的年輕醫生對於病人可以在網路上閱讀相關資訊，其實是很開心的。他以自身為例說明：「比方說我是急診室外科醫生，我的病人有成人也有孩童。當孩子生病了，如果母親事先做了功課，她就會成為這個疾病的專家，變成最了解孩子的人。身為醫生，我其實很仰賴這樣的專家。」

雖然當病人獲得很多資訊後，可能會質疑醫生的判斷，「可是有些問題是該問，因為醫生不是永遠都是對的，」他說。

海爾曼進一步解釋，有些醫生可能是40年前讀了醫學院，但是他們並沒有跟上最新的資訊，因此這些醫生給的答案很可能是40年前的正確答案，已經不再符合當下的狀況了。所以，為了病人好，有時候的確該質疑醫生。不過，他也強調，更重要的是讓醫病之間的資訊平等，讓雙方可以多加討論。病人可以說出他的想法和擔憂，協助醫生判斷，進而得到更好的醫療照護。

而同樣面對開放資訊，加拿大、美國和台灣的態度有沒有什麼不同？海爾曼直接了當地說：**「我認為年輕世代都很認同開放資訊，因為他們就是在這樣的環境中成長。」**他表示，當他和越多來自不同文化背景的人共事，越發現彼此有很多共通點，相同之處遠比差異來得多。尤其在維基百科社群，開放資訊和民主理念就是大家共享的價值觀。

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。

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。

「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