張善政談政府開放資料:「過去我們裡應外合,現在 g0v 要更加油!」
張善政談政府開放資料:「過去我們裡應外合,現在 g0v 要更加油!」
2016.05.14 | 科技

開放政府資訊社群臺灣零時政府 g0v.tw 今日假中研院人文社會研究館召開舉辦第三屆年會 g0v Summit 2016 ,以「開放透明」、「跨界合作」、「監督政府」等三個主要議題環繞論壇演講討論,現場有超過 15 國以上的講者與 700 名以上的會眾同時參與。

g0v summit 2016 主題配圖,數位時代翻攝自 g0v summit 官方網站
(g0v summit 2016 主題配圖,數位時代翻攝自 g0v summit 官方網站)

已經率領內閣總辭,即將在下週卸任的行政院長張善政也參加 g0v Summit 的閉幕對談,談政府推動開放資料碰到的困難。張善政首先感謝蔡玉玲政委,把開放資料中有關個資顧慮部分,什麼樣情況可以開放或不能開放,解釋得非常清楚,有了準則後,就看各部會願不願意做。張善政提及,在他在2012年後於行政院服務的任內(歷經政務委員、科技部部長、行政院副院長、行政院院長等四職),整體來說推動開放資料最成功的例子是高速公路的 ETC 資料,高速公路局仔細評估資料欄位,排除個資顧慮的問題後,將之全部開放資料,目前可能是中央部會開放的資料量最大、應用潛力也很高一項重要資料。

延伸閱讀:開放人才、開放資料,倫敦正用科技的力量推動產業創新

張善政接著分享中選會一開始不成功,但沒有完全失敗,後來重新挽回其開放資料的經驗,張善政認為,中華民國目前是華人世界裡,相對於香港、澳門與對岸中,民主政治發展最成功的國家或地區。因此,臺灣每次選舉的資訊,將會是做民主發展過程研究中不可或缺的重要資料。張善政在科技政委任內接手國發會開放資料相關的政務,希望所有的部會都可以做五項開放資料,當然也包含了中央選舉委員會在內。

延伸閱讀:政府開放資料「速度太慢」!兩官員遭記過處分又調職

那時候中央選舉委員會的張博雅主委表示,選舉資料包含選舉公報內的學經歷等,全部都是個資,因此一樣都不能開放。張善政很仔細地解釋,事實上選舉公報可以靠過去報紙或相關印刷資料蒐集完成,是本來就已經公開的資訊,應該不具有個人隱私的問題,這個開放資料最後也在陳文生教授接任中選會副主委後逐步開展作業,中選會在 2016 年中華民國第 14 屆正副總統暨立法委員選舉中,也將選舉區、符合資格投票人數、投開票所、選舉公報、公辦政見會等相關資訊,以 OPEN API 的方式提供,這應該是臺灣政府推動開放資料,奪下 2015 年總部位於英國的開放知識基金會 OKFN 開放資料第一名的關鍵之一。

行政院長張善政(左)與 g0v 發起人高嘉良(右)參與 g0v summit 2016 分享政府推動開放資料工作的經驗,數位時代 James Huang 攝影
(行政院長張善政(左)與 g0v 發起人高嘉良(右)參與 g0v summit 2016 分享政府推動開放資料工作的經驗,數位時代 James Huang 攝影 )

張善政談及政府推動資訊相關領域創新,至少有三個重點:「公務人員的創新動機」、「行政院資訊長的所處職位」與「外部社群的重要性」

#公務人員的創新動機

張善政呼應前一位來自德國開放知識基金會 Open Knowledge Foundation Germany /Code for All 的 Julia Kloiber 的講題「從下而上政府創新(government innovation from bottom up)」,認為開放資料推動上的過程,關鍵在中底層、手中握有資料的公務員。這些位處第一線的公務員要有創新的動機,如果沒有,中層、上層就要花很大力氣從上而下去推。張善政認為事在人為,很多技術細節都可以當做藉口。上面的人不可能分毫知曉,因此底層公務員可以用一種似是而非的藉口推託,但都不是真的藉口。中底層不願意動,即便有法規也沒用。

延伸閱讀:政府Open Data想像力不足!張善政:應「換腦袋」

2012 年政院要求每個部會只要開放五份資料,外界認為一點雄心壯志都沒有,但其實是要讓各部會慢慢接受這個開放趨勢。張善政舉教育部為因應開放五份資料,就分別放上了全臺灣小學、中學、高中、大學地址資訊,作為其中四份資料交差為例。提到如果開放項目一下太多,公務員壓力會非常大、會抗拒,最後反而一項都開放不了。經過數年的改變,已經有彰化縣警察局利用開放資料,讓民眾瞭解犯罪較為密集的時間及地點這樣的案例。這在以前會有很多抗拒(影響房地產、犯罪資料公布),地方政府主動公布,昨天拿到「政府服務品質獎」。底層願意做,風氣慢慢就起來了。事在人為,還是中底層公務員最重要。

#行政院資訊長的所處職位

張善政提及自己在行政院所歷經的職位:政務委員、科技部長、副院長、院長,很明顯推動力量是有差的,相對於中底層的公務員,在上位者應該負責節調,解決法規問題。同樣與他分享這種感受的還有現任的經濟部工業局長吳明機,擔任公職以來歷經經濟部工業局、技術處、經建會、行政院顧問與工業局長,曾提過在行政院開會裡,光從座位安排的遠近就可以看出階層權力的關連,更不用說推動或協調資訊相關領域應用與創新的政務工作的難易程度了。

即將卸任的行政院長張善政,會後接受記者訪問有關中研院院長候選人郭位與馬英九之間的個人關係,數位時代 James Huang 攝
(即將卸任的行政院長張善政,會後接受記者訪問有關中研院院長候選人郭位與馬英九之間的個人關係,數位時代 James Huang 攝)

張善政話風一轉提及,即將在下週上任的林全內閣資訊長還不知道是誰,謠傳科技政委所屬的執行秘書,可能是由成功大學資訊工程系的郭耀煌教授接任。政府資訊長的職位一下從院長、副院長拉到政務委員或執行秘書上,儘管張揆認為郭教授對資訊技術領域非常熟悉,但他還是非常憂心接下來在新政府在資訊科技相關領域的政務推動上力道不足。張希望也在現場與會,將接任政府開放資料幕僚單位的國發會新任副主委曾旭正能多幫忙。

延伸閱讀:開放資料向前走 ! 國家級資料長、開放資料原生企業、跨國合作協議紛至沓來

#外部社群的重要性

張善政更認為,臺灣政府能夠在今年年初取得英國 OKFN 開放資料排名全球第一,貢獻最大的外部力量就是 g0v 臺灣零時政府,他必須表達感謝。張揆提及在推動政府開放資料的工作上, g0v 不但給予技術上的協助,還有外部支持。讓政府在推行政策時,能不只倚賴內部力量,透過外部力量,能讓政府內部人員了解這是真的有需求、有必要。

張善政在高嘉良力邀下,表達樂意參與 g0v ,成為推動政府開放資料與資訊科技創新的社群成員,g0v - 丞相攝影提供
(張善政在高嘉良力邀下,表達樂意參與 g0v ,成為推動政府開放資料與資訊科技創新的社群成員,g0v - 丞相攝影提供)

張善政再次感謝 g0v 這幾年幫助政府推動開放資料工作,並在 g0v 發起人之一的高嘉良力邀下,表達其將樂意參與 g0v 成為推動政府開放資料與資訊科技創新的社群成員。「以前我們裡應外合,現在裡應的層次降低很多,外合的力量要更大,你們要加油!」張善政說。

延伸閱讀:加強網路溝通,張善政盼與g0v協作

關鍵字: #開放資料
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