[洪士灝] 談政府補助與計畫執行|數位時代 BusinessNext

昨天去經濟部協助計畫審查，行政院長官說政府希望審查委員幫忙把關，多砍掉那些沒有意義的研發計畫，我很同意這樣的思維。與其給錢去扶植那些扶不起的阿斗，不如完全不要給。（附帶一提，只拿了2000元出席費，要扮演3小時的黑臉，得罪一堆原本是朋友的提案人，評審真是難為。）

錢給了扶不起的人，一則大概做不出好東西，二則做不出好東西又為了生存的人往往致力於包裝成果、請託關說，增加評鑑的困擾；三則這種作法久了之後成為常態，劣幣驅逐良幣，扶不起的人更扶不起，有希望站起的人拿不到補助。

圖說明

台大資工系教授洪士灝。攝影／郭涵羚

話說，很久以前為什麼有頗成功的政府補助案例？因為拿了錢的人有真正努力在做事，而且市場定位所需求的技術層次不高，容易做出能賣錢的技術和產品。現在很多？變了，反過來了，研發出普普通通的技術和沒有特色的產品不易找到出路，尤其是軟體業。

軟體如果沒有競爭力，可能連免費送人都沒人要，所以我不覺得會寫程式有甚麼了不起，重點在於做出有競爭力的產品。產品可能是高超的演算法、高效率的軟硬整合運算技術、創新的系統架構、超好用的雲端服務、聰明絕頂的人工智慧。時至今日，有競爭力的軟體往往不是隨便找一群人、花幾個月就能搞出來的。

所以我今天看到「交通部擬推台灣版Uber」的報導，預計兩個月內完成台灣版網路「類Uber產品」，遭到一群朋友韃伐，我有種不意外的感覺。但意外的是，前一陣子「亞洲矽谷」不是才被打槍，怎麼又來一次？很多對這些案子有異議的朋友，不是為反對而反對，更不是為自己利益而反。

要做台灣版Uber，需要多少人力和時間呢？為了探討這個問題，我們先參考一下Uber這家公司的相關資訊。關於Uber的歷史和公司概況，請直接看維基百科就行了，有人預估他的資本額是625億美金。這個大公司，目前還在積極招募工作人員，有興趣的朋友可以去看看相關職缺。

我們看到，Uber這麼大的公司，搞了好幾年，目前還積極招募工程師（engineering），有278個職缺。打開工程師職缺網頁所見，大半都是軟體工程師、資料科學家。

圖說明

前一陣子「亞洲矽谷」才被打槍，今天又傳出交通部擬推台灣版Uber

當然，交通部只是說要開發「類Uber產品」，沒有說要「類」到甚麼程度。好比之前政府說要蓋「亞洲矽谷」，也是一個「類矽谷」的概念，但也沒說要「類」到甚麼程度。這樣的提案，你不能說提案者沒有企圖心，但我們如果站在評審的角度客觀來看，必須很清楚知道他想要做到甚麼程度，以及要憑藉甚麼方式來做到。

「亞洲矽谷」的構想，之所以被打槍，是因為構想中似乎天真的以為只要蓋一個夠大的園區，加上一些招商策略，就能打造出矽谷那樣的高科技新創的環境。但去過矽谷的人都知道，矽谷不是園區，是一個很寬廣的區域，而我們現在比較常用的稱呼是灣區（Bay Area），包括的範圍比從台北到新竹還大。

在新店有個叫做「台北矽谷」的地方，做為民營的大樓、會議中心的名稱可以，不礙著誰。但政府帶頭做事，如果「畫虎不成反類犬」，就貽笑大方了。我們常看到一些號稱「先求有、再求好」的案子，花了錢做了勉強可用的東西，之後也沒有求好。最糟糕的是那些，東西不能用，原本就是一場騙局的案子。

新政府要知道，這些年民眾對於施政頗有怨言，不信任政策規劃，其來有自。在問題很嚴重的情況下，光是「比舊政府好一些」，並不能讓民眾滿意和信任。政府新的規劃，如果只是新瓶裝舊酒，無法大破大立，恐怕沒有辦法解決問題、讓民眾有感。況且，如果有圖利特定人士的可能性，會造成民眾反感；老是去扶那些扶不起的阿斗，也無濟於事。

我不知道交通部「類Uber產品」的具體想法，但如果只是為了強化某些計程業者的服務，或是幫偏遠地區提供共乘服務，那的確可以很快做出來，但究竟有多好用，會不會有人用，都是問題。既然以交通部的高度來做事，或許格局可以放大些，看遠一點。

把格局放大些，我們想想，Uber純粹靠抽取佣金賺錢嗎？為什麼要雇用這麼多軟體工程師和資料科學家？因為系統所累積的大數據，以及做為交通工具的重要通路能結合其他行業所產生的商機，才是Uber所著眼的金礦。

例如高嘉良兄建議政府做資訊交換平台，就是一個不錯的發想。政府應該著眼於公眾利益，讓資訊透明公開，規定各種公眾交通仲介服務（包括客運、計程車、Uber）必須提供去隱私之後的載客資訊上傳到平台上供大眾利用，不偏袒特定廠商。

當然，要做出像樣的資訊交換平台也有其難度，政府也可以選擇不做，節省納稅人的錢。請不要以為政府形式上有在做事情，沒有功勞也有苦勞，就能向民眾交代。如同本文一開始所提到的，半吊子的執行、不正確的補助，不只浪費錢，更嚴重的是造成不良的副作用，例如政府繁瑣的公文和統合視導，對中小學教師造成極大業務壓力，五年五百億造成大學之間、教授之間的嫌隙與學術研究的偏頗。因此，政府做事情要有所為、有所不為才好。

本文授權轉載自：洪士灝Facebook

代表圖截取自：《Silicon Valley》

#####《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長800至1000字，兩天內會回覆是否採用，文章會經編輯潤飾，如需改標會與您討論。

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