[洪士灝]如何讓人盡其才?
[洪士灝]如何讓人盡其才?
2016.05.10 | 科技

台大校長、副校長、葉丙成教授最近講了不少關於大學鬆綁、產學、人才待遇的話,其實有些東西我已經探討過許多次了,所以我有一種「太好了,既然你們用力講這些,我就不用講太多」的感覺,只要略微補充一下就好。

例如丙成兄關心學生的出路,在某個案中,他發覺公司並沒有積極爭取優秀的年輕人

我不大想評論個案,因為個案的種類太多,但就整體來說,我覺得台灣有很多人(不只是年輕人)對於產學議題的所見所聞相當狹隘,甚至還不知道自己的狹隘。年輕人由於對於業界的動態和學界的狀況不熟,所以不知道要學什麼才能提高自己的價值,而且在資訊不對等的情況下被業界和政府佔便宜,究竟是誰的問題?

我個人覺得,對於被佔便宜的學生而言,學校要負擔很大一部份的責任,所以我(以及系上同仁)經常對學生敘述個人的所見所聞,教導有價值的技術,介紹值得去的工作機會。然而,當我們已經盡力完成上述工作項目之後,部份學生還是不懂得珍惜自己的價值,因為當前「主流的聲音」告訴他們要找穩定的大公司、趕快成為主管、趕緊賺到第一桶金來投資房市才是最重要 -- 那就是學生(家長)和業界的問題了。

視野有限,不能光靠學校。為何主流的聲音不可信?如果說主流的聲音不可信,那要信什麼?

主流的聲音主要是基於過去的經驗,但台灣的所謂高科技業過去所在的大環境,至今已有極大的變動。因此這些過去的經驗,不見得適用於現在和未來。可是主流媒體和看報導的民眾,還是迷信那些所謂的成功人士,轉來轉去都是知名人物的言論。另一方面,小道消息和酸民言論在非主流媒體和PTT上瘋傳,成為極大的對比。試想,身為一個學生,面對這些各執一詞的言論,要如何取捨?

我的看法如下:

  • 那些需要優質研發人才的公司應該多站出來喊話,不要怕破壞薪資行情,不要怕花時間,否則人才為什麼要去你那邊?把美食端出來,比我們在學校拼命形容美食有多好吃要有效多了。否則,那些主流的聲音會持續讓多數的年輕人無心於技術的精進,或是被迫到國外發展,怪不得誰。

  • 家長們應該要知道,台灣的(科技)產業正在轉型,因為低門檻的工作在世界工廠和機器人的能力逐年強化之下,會越來越難賺錢。不要只強調學歷,要在職場上具備長久的競爭力,必須要擁有很好的學習和適應能力,無論將來社會如何演變,都能成為社會所需的專業人士。

  • 學生們要知道,一窩蜂盲目追隨主流是一件危險的事情,但功課越好的學生,往往一直在主流價值的框架內發展,反而缺乏獨立思考和隨機應變的能力。舉例來說,為什麼會覺得學歷越高,可以工作的地方越少?這就是盲點。考試升學,養成許多學生一窩蜂追隨主流的慣性,到了研究所還受此毒害,這是需要學生自我檢視改進的重點,甚至比技術能力還重要。同時,我希望學生們不要太短視,最好是找到那些可以學習成長、精進技術的地方。

  • 在國外,暑期實習和人才媒合公司扮演著重要角色。我們這幾年幫了很多學生找到不錯的暑期實習機會(請搜尋:核心系統達人),最近和人才媒合的公司(例如sudo.com.tw)合作,希望讓更多人才進到需要人才的公司。同學們平常不妨多注意業界動態、多問問師長。

  • 我一向不贊成政府過度補助那些不值得扶持的產業,也不支持政府介入而降低人才薪資行情的一些作法。有些機構或公司該倒,與其讓他們苟延殘喘至倒了之後裡面的人無路可走的情況才去處理,不如趁著他們還有競爭力的時候倒,釋出的人才還可有助於產業發展。

  • 產學合作:這是老掉牙的話題,也是必須務實解決的問題。如果說過去的頂尖大學獨尊學術、忽視產學,現在一下子要大舉推動產學,辦得到嗎?我不贊成政府和學校「為了產學而產學」,過度迎合業界的需求。要知道業界如果要的是低門檻、短期訓練即可產生的人才,那應該由技職體系產生,或是自行訓練。研究型的產學合作應該要有技術門檻,如果一窩蜂搞產學,可能又會搞砸,應該要謹慎為之,而且讓業界多負擔人才培育的責任。

  • 新創公司還沒賺錢,要用願景和學習機會吸引人才,可思考與學界多合作。這當然也要花時間,但高科技研發本來就不是簡單的事。換句話說,找有即戰力的人來做短期研發就能賺錢的機會,誰不想呢?但這樣的機會越來越少,如果公司的作法一成不變,只會撿現成的,要求年輕人吃苦耐勞、共體時艱,那恐怕很難令人信服,自然就會被冠以「慣老闆」的形容詞。

舉例來說,以下是翟本喬學長在臉書上對丙成兄個案的回應,這就是我所說的,自認為需要人才以及善待人才的公司應該要出來喊話:

「我們和沛接收了好幾位其他公司釋出的研替,驚訝地發現有些公司竟然會利用研替不能離職的弱點,三年不調薪、或是只調一點點。我們是完全比照正職人員,該調多少就多少。表現好的,每年10%並不少見。用人不是買貨物,能殺價就殺價。人才總是會發現自己的價值的,到時候你損失的,不是一個人才的離去,而是整個企業的誠信。」

我想,願意爭取人才公司並不少,但多半忙於工作,沒時間發言,或是人資部門根據過去狀況限制薪資行情,或是公司還沒賺大錢之前不好意思講大話。但是不多講,學生就不知道,因為那些主流的做法和聲音遠多於此。

三不五時講講公司的願景,公開吸引人才的新作法,提供優質的實習機會,讓年輕人有希望從事的工作目標,突破低迷的氣氛,有哪麼困難嗎?有的業者說,為什麼要我來做,對我有什麼好處?我想用翟本喬學長剛剛說的笑話來回應這樣的說法:

  • CFO 問 CEO:我們花錢訓練這些員工,萬一他們走了怎麼辦?
  • CEO 反問 CFO:我們不花錢訓練,萬一他們留下來怎麼辦?

原文刊載於洪士灝Facebook

代表圖來自:Librarygroover via flickr, cc license

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