[蕭瑟寡人] 未來兩年的五個科技泡沫
[蕭瑟寡人] 未來兩年的五個科技泡沫

科技新創口頭禪向來以「The next big thing」為經典。報導新創潮流好像在寫奇幻小說一樣,作者想到一支魔戒,大家加油添醋地馬上生出了哈比人、魔眼、半獸人、精靈,寫到後面越來越精彩,要天搖地動還是要火山爆發,樣樣都來。

未來科技_虛擬_觸控介面_shutterstock_367340927_Lr.jpg
「下一個大事是什麼?」往往是科技新聞常討論的話題,描繪人類對科技的美好想像。
圖/ shutterstock

科技業的奇幻故事,不斷地告訴我們,有天我們的生活會像《關鍵報告》或是《星際大戰》一般,一切都有聲控、人工智慧的系統操作,並且能透過幻象投影、機器人等進行互動,達到科技與生活完全結合。

人因為夢想而偉大,但夢想卻因為現實而破滅。科技的憧憬值得期待,但是否真有價值,要在面對冰冷的市場事實之後方能知曉。

過去兩年有許多科技神話,預言物聯網、虛擬實境、人工智慧、3D列印等技術將能夠融入我們日常生活並且徹底改變人類對於科技的想像。然而,兩年光景後,許多領域的一些應用似乎誇大其實,已逐漸開始泡沫。

科技泡沫_shutterstock_274094615.jpg
兩年內,五大在風口上的科技潮流可能成泡沫。
圖/ shutterstock

在閱讀這些潮流時,我們要了解,未來兩年內潮退後,有些夢想可能永遠不會實現。

日常穿戴式裝置

兩年前開始,以智慧型手錶為開端,掀起了日常穿戴式裝置的潮流,也成為物流網潮流的一部份神話。而當時,已經有人察覺日常穿戴式裝置曝光率遠高於實際應用。知名創投Fred Wilson亦曾對智慧型手錶的實用性和未來發展提出質疑

兩年後,智慧型手錶與其他日常穿戴式裝置並沒有消失,但是卻也沒有大紅大紫。2016年,穿戴式裝置市場號稱成長了兩倍,全球總共賣出兩千兩百萬個裝置。乍看之下成長許多,但是此銷售量與平板、手機等相比,穿戴式裝置的銷售量相較只是班門弄斧。

整體而言,智慧型手錶銷售量已有疲軟之勢,蘋果手錶銷售量更是大跌五成。唯一成績還算亮眼的是Fitbit的運動手錶,但其股價並未有起色。

在穿戴裝置的相對小眾市場中,競爭對手三星、蘋果、Garmin、Fitbit、小米、LG等廠商卻已殺得血流成河,而今年穿戴裝置卻是幾乎沒有消息。這還沒有考慮到實際使用量。(以筆者身邊朋友而言,買了穿戴式裝置後,幾乎都是用了幾個月就沒再用了,唯一還看得到的是像Fitbit這樣的陽春運動手錶。)

我相信穿戴式裝置的市場會持續成長,但是卻不會像平板或手機一般成為主流市場,更難以像許多科技媒體預言般地成為智慧家庭中的重要一環。

若要討論穿戴式產品的發展問題,首先不得不討論整體設計的理念。 至此,許多穿戴式裝置仍然是採用形式上升級而非功能性的提升。 所謂形式上升級,意思就是將現有的某種裝置(如手錶、項鍊等)塞入數位晶片後,變成能與手機溝通的「智慧型裝置」。

然而,很多非智慧型裝置的手錶、項鍊、戒指等配戴飾品,原本的設計的理念有其自己的道理,但絕對不是為了有智慧型手機的年代而設計。現在的智慧型手錶除了將手機上的內容顯示在手錶上,並沒有在功能上作任何太明顯的提升,有點脫褲子放屁的感覺。

如果時鐘都放在口袋裡了,還需要戴手錶嗎?

最後, 許多穿戴式裝置最後的附加價值會像運動手錶一樣非常簡單,不需要觸控、聲控,只要把偵測器做好就好了。 但也因為如此,穿戴式裝置售價不可能像現在智慧型手錶一樣貴,在小米、Garmin跟Fitbit大力競爭的情況下,最後一定是削價競爭,腰斬毛利。

技術上而言,穿戴式裝置的電池和網路通訊仍有很大的問題。若穿戴式裝置有觸控、聲控、全彩背光顯示等功能,連續使用時間很難撐過三個小時。

為了低功率省電,許多計算必須在手機或其他裝置上完成,這也意味著通訊模組電耗的重要性。目前穿戴式低能號裝置通訊模組距離太短,只能跟手機連結,若使用量太高,甚至會拖垮手機的耗能。

因此,穿戴式裝置在近期內仍是不太實用的奢侈玩具。大家當初預期可以透過穿戴式裝置跟智慧家電靈犀相通的未來,離我們還有一大段距離。

家用3D列印

3D列印潮起時,有些科技奇幻故事告訴我們未來人人家裡都會有台3D印表機,我們將更少光顧商店,因為只要網路上可以下載或購買列印藍圖,我們就可以在家「列印客製化商品」。

但是才不過幾年,所謂的家用3D列印公司開始呈現頹勢。當初被以四億美金高價收購的低價3D印表機公司MakerBot,去年卻傳出財務危機、大幅裁員20%。到底這產業發生了什麼事呢?

當然,當初的列印願景又被過度行銷,跟現實完全脫節了。

從觀念上看來,其實3D列印不是一種技術,而是一種製造方法,原名為Additive Manufacturing(增量製造),其實包含了所有用堆疊層次來製造的方法,實行已有三十年之久。

而為什麼製造業依然使用注模(Injection Molding)為主,而不用3D列印呢?

道理很簡單:質、量跟成本。

注模不但品質一致、出錯率低,當開始進行量產時,時間和金錢成本都較增量製造低上許多。說穿了,本來3D列印就不適合用來製造量產商品。

當然,有很多人會爭論說3D列印的重點在客製化。沒錯,重點確實是客製化而不是量產,但是3D列印卻無法克服許多技術上的問題。

首先,3D列印並不是一種技術。因此,在「列印」塑膠、金屬、尼龍、水泥、樹脂等不同材質的印表機,實際上都是不同的增量製造技術,不但很難(甚至不可能)同時進行,也無法將一種增量製造的技術直接拿去應用在不同材質上。

因此,3D列印要做到不同顏色、不同材質,都非常困難。說到客製化,基本上幻想已經破滅了。

再來,各類3D列印技術的穩定性仍有待加強。

當初3D列印公司與科技業唬爛的願景,其實都忘了跟大家說:3D列印不是像噴墨和雷射印表機一樣,你想印就印。

就連最基本的家用3D印表機,如果不懂得維持列印面水平、清理噴嘴、維護機體,非常容易列印失敗,完全不是大家所想的傻瓜商品。

最後就是3D列印的素材必須要有可塑性,然後再冷卻成形。這代表增快3D列印速度非常困難。因此,在做任何民生消費市場應用時,要做到大家所想的即時列印,是難上加難。

同樣地,3D列印不會消失,但是未來的用途恐怕會侷限於Maker、專業原型製作與工業用。

如果你是電腦白癡但是卻信了這神話買了一台3D印表機...

不妨考慮改裝成水族箱。

智慧型玩具與教材

隨著物聯網潮起,另外一科技神話就是靠軟硬整合,我們將能創造更多與電腦結合的智慧型玩具和教材來提升娛樂效果與輔助教育。

在硬體成本降低、低能耗通訊模組問世以及雲端成本降低後,不管是一些遙控機器人教育機器人還是親子互動玩具都相繼進入市場。

然而,智慧型玩具與智慧型教材,雖才開始,但是已困難重重。

至今,除了BB-8遙控機器人搭了《星際大戰》的順風車以外,許多新創智慧型玩具產品上市後,銷售量都不亮眼。而智慧型玩具上市公司LeapFrog前年爆發財務困難後,今年被港商VTech以7千2百萬美金賤價收購。而老牌玩具商Hasboro、Mattel等在內部研究玩具機器人、智慧型對話玩具以及兒童用無人機後,計畫通通糟到腰斬。

為什麼呢?

其實這跟玩具和教育市場的本質有關。玩具市場是個高淘汰率的市場,通常孩童對於玩具的新鮮感不會超過兩個月。而孩子對於玩具的新鮮感亦非功能導向,而是品牌印象主導。

所以,玩具業最有效的商業模式就是低成本但是高品牌價值的玩具,比如說鋼鐵人、Hello Kitty、冰雪奇緣動作玩偶等,而且通常售價不會超過四十元美金。因此,智慧型玩具不但單位成本太高,其功能性又不是重點,從商業角度看來難以賣座。

而教育市場呢?大部分的基礎教育講究抽象的符號知識(Symbolic Logic),因此相當注重知識的結構和呈現方式。

平板、電腦以及其他顯示裝置的好處是能夠因應知識的特性改變介面和互動方式,但如果今天若採用硬體智慧型教材呈現,反而更難改變互動方式。而使用硬體互動跟軟體互動有質性上的差別嗎?

不見得。

智慧型玩具與教材最後一大瓶頸就是投入研發後,卻沒有可預期的明顯商業價值。除了「有趣」以外,長期的發展潛力備受質疑。

壓死智慧型玩具的最後的一根稻草,應該要算是智慧型玩具缺乏「Recurring Revenue」(連續性營收)。

當孩童厭倦了平板App上的內容,他可以下載更多內容或是其他的App繼續使用,因此創造連續性的收益。但是智慧型玩具卻沒有人會願意多付你錢去購買更多內容,因為孩童厭倦的是硬體外型,即使有再多軟體內容都難以說服客人買單。

(噓...其實美國幾個知名加速器都看走眼,已經在智慧型玩具產業被套牢幾次了。)

VR 虛擬實境

虛擬實境話題,應該不用多說,HTC已經把棺材本壓在Vive上。臉書有Oculus、Google也投入Google Cardboard。而阿里巴巴、騰訊與百度也積極投入一「聲稱」將有八百五十億美金市值的VR產業。在此只討VR,不論AR。而其實VR還沒成熟,已經有明眼人看出純VR的前景堪憂

從娛樂的角度看來,VR絕對會存在(也一直都存在著),但是除了昂貴的娛樂外,VR究竟能夠創造多少產值?許多科技媒體大神希望我們相信VR可以用在教育模擬、視訊溝通等,實用性無窮。

然而,事實上VR很明顯地必須面對實用性的問題。今天的遊戲產業分為遊戲主機和手機遊戲兩大塊,玩家在設備上的投資意願已經很明顯了,VR遊戲將關注遊戲主機市場。

但是,過去遊戲主機推3D顯示器和3D遊戲,完全沒有起色,這或許已經說明了這些視覺上的小聰明,對於玩家並不重要,還不如專注於遊戲內容和遊戲引擎。

而說到內容和引擎,由於VR的機制複雜,除了要戴笨重的頭盔外,還要拿兩隻控制器揮來揮去,要為這種全方位互動模式設計內容,難度上比遊戲搖桿、鍵盤滑鼠還要複雜得多,是否會有遊戲開發者願意去花大筆開發成本去賭VR遊戲呢?

答案是目前還沒有。VR設備如Vive和Oculus都是數百元美金起跳,買一台Vive加上定位器的價格,差不多可以買兩台PS4或是Xbox One。 而最大的致命傷仍在:這樣的遊戲真的比較好玩嗎?

VR_虛擬實境_儘供編輯用_(來源Christian Bertrand/Shutterstock.c
VR或許能應用在邏輯性知識或是純粹的感官體驗,但必須為每種題目都提供專屬的VR內容,再估算VR內容開發意願和成本的話,VR完全沒有吸引力。
圖/ shutterstock

說到教育應用,又不得不提到各類知識型態的差異。大部分基礎教育的知識型態非常程序化,而且時常以符號呈現,擁有全景的互動對於程序化知識並沒有什麼明顯的幫助,你能想像用VR做代數問題或是學習英文寫作嗎?

VR或許能應用在邏輯性知識或是純粹的感官體驗,但是問題回到了知識結構和呈現方式:你必須為每種題目都提供專屬的VR內容,以VR目前的內容開發意願和成本來看,VR完全沒有吸引力。

試想,如果今天需要手動操作,VR需要幾百甚至上千美金,而一套國高中實驗器材可能還比較便宜,而且還可以重複使用。若今天討論的是感官體驗,請問學生看一段高畫質影片跟看一段VR影片會有很大的差異嗎?差異有上千美金的價值嗎?最後別忘了,學習的一大重點在於專注力,如果學生有全景互動,對於學習是否有多少實質幫助?

從教育上看來,亦困難重重,理論上沒有明顯優勢。

最後講到通訊應用,則是回到最根本的成本和效益問題。撇開應用,VR本身的技術有很大的致命傷。相對於AR(Augmented Reality,擴增實境),VR的空間被限制在偵測器可及之範圍。由於VR的頭盔是全罩式,使用者若一不小心動作太大可能會跟實體空間撞擊而受傷。

VR最難以令人接受的致命傷就是,一套設備只能有一人體驗,即使多幾套頭盔都無法在同一空間中使用。

到目前為止,所謂純VR產業的相關設備和內容已投入數百億美金以上。如今昂貴的產品上市了,卻在消費市場仍不見相關應用,要跌,恐怕跌得不輕。

當然,專業和工業領域中VR永遠佔有一席之地,但這和當初科技業向我們兜售的願景又是兩回事了。

AI 聊天機器人與智慧助理

最後,讓我們來聊聊人工智慧。這幾年由於工業用與企業用人工智慧不斷翻新,而且有人相信未來能創造上兆美元價值,於是有些科技人也動起腦袋,創造了個人用的AI噱頭,激發我們對於智慧型助理的遐想,可望有一天有超聰明的「AI」可以聰明到幫我們處理任何事,我們只要茶來伸手飯來張口。

在了解這種民生AI的可行性之前,我們必須要了解一下AI本身有諸多定義,而現在我們做的AI跟三十年前的AI目的和方法有很大的出入

三十年前的AI講究的是了解和模擬人類的知識彙整與推理能力,但是今天的AI,重點在於實用性,利用資料模型來將人類做的許多歸納和決策工作自動化。

今天的AI是自動化工業的延伸,並非朝模擬全能人類智能為目標。若硬要正名,今天所謂的AI其實是Machine Learning(機器學習)。

簡單而言, 機器學習的目的在於達到特定一種工作的高度自動化,而不是要讓AI能夠完成不同領域的工作。 意思就是,下圍棋的AI就是下圍棋的AI,他不會突然發展出辨識小雞性別的特異功能。

當然,今天的AI技術在工業和企業運算都發揮了極大效用,但是為什麼在個人用卻前景堪憂呢?

目前一些新創公司如x.ai智慧會議助理,還有clarke.ai自動會議紀錄助理,以及Wonder Bot筆記助理等,雖然已推出產品,但仍未見大紅大紫。而像x.ai已經是科技新創的新寵兒,吸引到兩千三百萬美金B輪,但是卻仍未找到商業模式。

今年才有人鼓吹說AI聊天機器人和智慧助理即將取代App,成為下一波行動科技主流。

很可惜,這一切恐怕都不會成真。

AI聊天機器人和各類智慧助理的最大問題,跟為什麼至今最好用的筆記App也不過是OneNote、EverNote,原因是一樣的。

最大的原因在於:工業和企業內部的工作都有明確、可量化的目標,但是個人日常生活中從事的工作,大部分的目標不但難以量化,所涉及的知識更是偏重邏輯性而非量性。

最簡單的例子就是買菜,如果你今天想要做一道炸醬麵,請問機器人怎麼幫你買菜?

機器人必須要懂得閱讀食譜,並且要了解很多食材知識(如加入小黃瓜可以解膩、加入紅蘿蔔可以增加甜味、加入冬瓜可以中和豆瓣醬的濃稠等)。機器人必須要能夠自動分析食譜,了解你的喜好,並且上網幫你挑選食材,光是上網買菜這麼單純的事情都需要如此多的邏輯性知識。

最大的問題是,如果機器人需要更多資訊,他也不能一直煩你,不然要跟機器人打太極打個十分鐘,你就乾脆開App自己去下單就好了啊!

而今天假設這訂菜機器人開發完畢上市,最難堪的問題就是:有人會光為這功能掏錢包嗎?

若要做到一真正實用的個人助理,那怕是上網買菜,就連幫你選音樂清單、規劃旅程、尋找機票等工作,都要能夠一把包辦。

你能想像,擁有三千多萬美金(相當於新台幣十億餘元)資金的x.ai,最後做出的產品只是幫你尋找開會時間和確認開會地點嗎?你就能想像,實際上要為個人解決非常單純的日常生活問題,所需要投入的研發成本有多大,做不做得出來、做不做得好還不知道。

因此,至少在可預期的未來中,個人用的AI難以創造很大的產值,更不要想會有很多人為了穩定性不足、準確率不夠的智慧助理和聊天機器人付錢。

創業家:不要留戀技術,請愛上價值

說到最後,為何如此多的科技產業面臨泡沫化的危機?

因為科技人常留戀技術,結果奇幻劇場劇本一寫欲罷不能,卻忘了一部劇要有演員、要有布景、要有燈光、要有製片,這一切無法落實,最後劇本也只是劇本。

因此在思考任何科技產業的同時,請記得:別留戀技術,能創造價值,才有人買單。

沒有人願意付錢使用的技術,代表價值創造的基礎出了問題。

與其戀戀不捨,不如好好思考如何扭轉(Pivot)。

#####《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。

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