[國際經濟觀察] Amazon、Google物聯網智慧家庭語音助理大戰開打，誰能撐到最後？|數位時代 BusinessNext

如果你有關心最近的科技大新聞，肯定不會錯過 Google I/O 大會，Google 發佈了一系列讓人目眩神迷的新軟體和硬體，其中之一就是瞄準物聯網智慧家庭核心的智慧語音助理 Wifi 喇叭 Google Home，這個裝置明顯是朝著 Amazon Echo 的 Alexa 而來，其實只要簡單看兩者的推廣影片就知道功能有多像。(連廣告調性都幾乎一樣)

當然，兩者雖然在一般的使用上功能類似，但事實上內涵其實是非常不同的，Google Home 能夠深度整合 Google 所提供的各項服務，他能夠了解你搜索 Google 的習慣，知道你 Google Calendar 的行程、收到了哪些 Gmail 的信件、Youtube 影音的偏好、在 Google Drive 裡的所有檔案等，Google Home 能隨著你使用它的時間越長、次數越多而越了解你，作為智慧語音助手他能更客製化你的需求，因為背後支援的是龐大的 Google 搜索資料庫和多元的服務。而 Amazon Echo 在回答問題上所能做到的事就沒有 Google 那麼無遠弗屆。

延伸閱讀：你的家庭小精靈： Amazon Echo

設計上來看，Google Home 應該是大勝無疑，Amazon 的硬體產品向來都是走 CP 值最高路線，Amazon Echo 這支大黑棒要跟這個具有設計感可換殼的 Google Home 喇叭比很明顯是輸了，不過因為 Google Home 的售價未揭露，明眼人一看就知道外型做大黑棒的成本肯定是低得多，最後會很可能會反映在售價上，雖然這兩家公司都不以硬體賺錢為目標。

Google 雖然一直以來都走在科技的前沿，提出了很多讓人神往的概念產品，但在實際產品銷售和發展的戰績卻不是那麼好看，無疾而終的 project 非常多，Google Glass 是最廣為人知的失敗之作，概念階段引發眾人追捧，但真正在開發及產品化時發現了市場化的困難，無論引發的是售價過高的質疑或是隱私問題，當然還有使用者習慣與純粹美感缺失。而近期更有問題的則是。原本應該要擔當Google智慧家庭核心的智慧控溫器 Nest 卡關（不管是人事混亂或是產品進度落後），已經許久沒有創新之作，讓 Google 再推出另一個 Google Home 取代 Nest 成為新的智慧家庭核心產品。

目前 Google 自家硬體裝置只有 Chromecast 真正意義上取得了巨大的成功，Google Home 命運幾何實難預料。

相對來說，Amazon 佔了一個非常好的戰略位置，首先擁有電商出海口，對於幫助他的產品推廣十分有效，Amazon Echo 已經至少有三百萬台銷售，而且因為多數人會綁定付費帳號或信用卡在 Amazon 上，這讓Amazon對於推廣銷售產品和服務非常有利。因為先發的優勢，多數第三方服務商直接挑大的、已經在市場上販售的合作，目前已經有 Ford、Uber、達美樂、Fitbit 等大廠支援 Alexa。更絕的可能是， Amazon 為了保護自家的產品而拒絕讓 Google Home 在 Amazon 上架，失去線上第一大電商通路對 Google Home 要成為大眾商品絕對會是個重傷害。

盈利模式的差異也將造就未來發展的巨大差異，Google 的所有裝置和服務都是為了廣告而來，而亞馬遜則是一切導向直接賣你商品（各種引誘你加入 Prime 的加值服務就是要把你綁在 Amazon 買東西），這巨大的差別也引發很多消費者對 Google 有很大的隱私疑慮，因為 Google 想要知道你的一切（Amazon雖然也是在搜集消費者的資訊，但是範圍相對沒這麼廣），這也是 Nest Cam 之前想要推廣智能監控時，衛報的報導就在強調這 24 小時的監控與分析，會造成各種資安與隱私疑慮。

延伸閱讀：透過雲端分析變聰明的網路攝影機 Nest Cam

雖然 Google Home 在實際的功能和使用上可能會甩 Amazon Echo 很多條街，但是他的聰明以及善解人意背後就是龐大的資訊搜集分析，犧牲的是使用者的隱私，他的最強的優勢也成為最大的軟肋，更現實的是，要怎麼樣像 Amazon 一樣用大家相對可接受的價格大量銷售成為一般家庭真正使用的智慧家電，其實在越多人買 Amazon Echo 之後會更降低他們買功能類似的 Google Home 的誘因，更別說 Google Home 在價格和通路上都很可能會吃大虧。

總的分析下來，Google 很可能會面臨到非常多真正產品市場化後的問題，但我們現在看到的也僅是 Demo，連價格和販售日期以及真正使用者產品試用心得都沒有，或許在 Google 真正進一步發布更詳細的產品資訊之後，我們才能更有把握的判斷這個 Google 最新力作的命運。

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