[蘇文鈺] 把軟體當作是台灣的未來,這件事是危險的
[蘇文鈺] 把軟體當作是台灣的未來,這件事是危險的
2016.08.31 |

編按:上週因為唐鳳入閣成為政務委員,網站刊登了一篇「當自學程式的唐鳳入閣,我們如何把程式教育做得更好?」的文章,近來積極推動偏鄉程式教育的成大資工系教授蘇文鈺,對此議題也提供他的觀察。

伴隨著107課綱即將上路,我其實不擔心優勢學校與家庭的學生在面對新的資訊科技部分要怎麼辦,這些學校多半集中在都市裡,師資也不會是問題。舉例來說,Scratch課程在高雄市早在十年前上下就有人在教了,例如我自己小孩讀的學校最近才有此課程,但是教得不多。而同是在高雄市行政區內,我相信還是有很多地區的家長或老師認為,孩子連國文與英文都學不好了,不用再學什麼程式了。如文中所言,若是偏鄉沒有被照顧到,這下子的城鄉落差恐怕遠大過過去所有的學科了。

所謂的偏鄉的偏,是偏頗的偏,不是偏遠的偏,所以我說的不是城鄉差距。假如不是這樣, Program the world兒童與少年程式設計教學計劃就一直留在鄉下就好,何必搞什麼開放免費教材,而且還要到都市裡呢?

那麼,我難道就不擔心優勢學校的學生在這方面的學習嗎?其實是擔心的。過度強調程式,甚至把軟體當作是台灣的未來這件事是危險的。我不只一次在演說中提到,這次要是沒弄好,台灣只不過從硬體代工變成軟體代工,最可怕的事是,連軟體代工的案子都接不到。我並非說代工就全然不好,台灣總要有人做代工,但是也要有人帶頭自己創新,不是嗎?

程式設計是從眾多現在學生習慣的思考模式裡面,增加另一種有效率且具備規則性的思考模式而已,程式設計所帶起的所謂運算思維並不一定可以打遍天下的。事實上很多創新是來自跳躍式思考的,這種模式表面上看來雜亂無章,事實上卻很可能帶起一個領域的大生意,因為這是一般人做不到的。教育現場要培養的更重要的還是「看見問題,思考問題,解決問題與創造問題」的能力,並且學會與人溝通,與人合作的技巧。

圖說明

學習這件事應該是論述很多的,本不該由我這個沒修過教育學分的來多嘴,或者說我這個外行人應該吐不出象牙。但是厚話是我的缺點,孟子說好為人師大概就是指的我這種人。

對我來說,數學裡面幾何是我的弱項,還好我的大考期間,偏偏幾何考得少,算我狗屎運。小時,我也不知道學數學要幹什麼,就老師教什麼,我就唸什麼。我喜歡我的國中與高中數學老師,所以即使唸起來不知所以,不討厭就是。現行的高中數學裡的線性組合要做什麼?為什麼必考,我舉Maclaurin Series 這個泰勒展開的一個特例為例。

我依稀記得這個在我高中時沒列入正式範圍,可是卻在老師的補充教材裡面出現,老師會教是因為有些題目用這個來找答案很方便,大考時也許會用得上。以這個series來說,其用途在於有些非線性函數很方便用它來逼近。多年以後,我知道了他的其中一個用途,那就是在電腦裡面,如果要計算這些函數的直,用Maclaurin Series是一個普遍的用法。

不管工程用計算機,或是電腦裡,算三角函數算是很常用的了。問題是算三角函數要幹嘛?還是不知道。後來,學了電路學與傅立葉轉換等等,知道這些都會用到三角函數,但是學了電路學與傅立葉轉換要幹麻?還是不知道。因為學了電路學我還是不會設計電路,學了傅立葉就更不知所謂了。這就像是連環套,或是俄羅斯娃娃,要一直等到進了研究所才知道要幹嘛以及能幹嘛。算算七八年過去了。還好,我夠堅持,不然撐不到初嚐甜美果實的時候。但是這過程苦啊!雖然這都要怪自己智商不到180。

這就像是一個木工學徒,老師叫他拿刨刀,一直刨一個平面,然後再用各式不同的刀具把一片木板修成不同的樣子,就是不知道這麼做要幹嘛。終於等到一天,開始用工具做一張簡單桌子的時候,才算是有一點知道過去那些基本功要幹嘛了。可是當木工要當得好,一定要會磨刀具,甚至是有一天自己設計自己的刀具,並且用原來的刀具製作自己想要的刀具。而刀具卻是另外一們學問。

圖說明

那這個跟線性組合有啥關係?知道怎麼對一個問題找到series的係數有一點像你要決定刀具要磨得多利,但是要真正登堂入室,你非得了解什麼是線性組合不可,因為唯有你真的瞭解了,你才有辦法自己做出自己合用的刀具,而線性組合就是前人已經製作好的工具,你不過是站在巨人的肩膀,要用它來做新的工具罷了。難道不懂線性組合就不懂得用Maclaurin Series嗎?也不至於,只是懂得不夠完整而已。

有的人,天生是對數學本身是感到興趣的,所以他是把數學本身當作自己的學習目的,而在很多地方,數學只是工具,只會數學是做不出好應用的,打個比方,就是刀具師父。有的人,天生喜歡做作品,他只要很懂怎麼用刀具就好,不必自己做刀具,用買的就行,甚至連磨刀都請人代勞。你要是叫他自己磨刀,甚至自己做刀具,那是會翻臉的。只有很少數人,既是木工大師,也是刀具大師。

若是你一定要說數學是工具,電機是作品,那麼,沒有工具,作品怎麼出來?那豈不是要回到尼安德塔人之前了嗎?撇開這些現實利益不看,千古留名的多半是數學家,而不是「電機學家」或是「電腦學家」。走在巴黎的街頭,多的是以數學家命名的道路,如Laplace,Lagrange與Fourier等等,因為真正影響世界的是這些數學家。沒有Laplace,控制理論可能會走不下去,那麼哪來的機器人。沒有Fourier,也就不會有我現在正在從事的音樂分析,更不會有Youtube。更進一步地說,這些數學目前多半都是以電腦程式來應用在各個領域。

「無用之用是為大用」。很多人視學科為無用(當然包含數學),但是這些看來目下除了用來考試之外根本用不到的學科,若是學得好是真正有大用的,只有把眼光放遠,才會看到它們真正的大用。

教學很難,但是把教學搞好方向,讓學生知道學這個到底要幹嘛,至少學習起來不會不知所以,逃兵也應該會少一點才對。所以若是把演算法這東西也像線性組合一樣移植過去,後果會是什麼呢?基本的問題是要教甚麼,要怎麼教,但在本國,此非課綱層次,更大的影響因素是:教師教學技能的僵固與大學考招的箝制。

我多次在本系提出特殊選材方案,簡單總結來說,就是,關門,拔掉網路線,考個12小時。Jserv級的大概2小時就可以過關。打通關就進來念。為的就是讓程式專長的學生得以進入本系就讀。我是誠摯地關心學生的。難道大學資訊系會不清楚自己系所需要的人才是哪一種嗎?

政府要怎麼做,我插不上嘴。我是大學老師,深受其害。但是我不想就這麼接受(其實接受了近20年)。結果當然很辛苦。**我沒有反程式,更沒有反運算思維,我反一窩蜂,反搞不清楚狀況。**所以 Program the world兒童與少年程式設計教學計劃 很積極要培訓老師、開發課程,政府若是真的動起來,歡迎接收所有成果,反正我們的經費多數來自捐款,所以教材多數是免費的。取之於大眾,用之於大眾。若有這麼一天, Program the world兒童與少年程式設計教學計劃就可以去做其他有意義的事了。

我們必須給老師好好解構重組教材的時間,教材好好編老師才有辦法可以好好教。課程安排要讓學生知道學這些要幹什麼,而要知道這點,就是要設計問題,把學問融入進去這個很難,但是做得到的話,台灣就制霸了。

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