Google、Facebook、亞馬遜等五大巨頭成立AI聯盟,互相競爭的他們為什麼聯手了?
Google、Facebook、亞馬遜等五大巨頭成立AI聯盟,互相競爭的他們為什麼聯手了?
2016.09.29 | 科技

對於科技圈來說,如果第二天起床發現曾經在各自競爭領域「短兵相接」的科技巨頭們突然全部互搭著肩膀告訴你:嘿,我們要一起合作了。這時你的反應會是什麼?

Google、Facebook、IBM、亞馬遜與微軟,無論哪一家都是當下科技乃至商業領域的霸主級企業。而他們之間也可以勾畫出一幅錯綜複雜的「公司關係圖」。

然而,據英國《衛報》報導,今天早上,這五大巨頭突然聯合宣布,將共同創建一個新型AI夥伴關係。而這個合作的目的聽起來十分具有「公益性質」:提高社會大眾對AI領域的理解與認知,同時也將共同設立未來AI研究者需要遵守的行為準則。

五大科技巨頭建立「AI合作組織」,專家、下游公司都有資格加入

這個新聯盟的名字被稱為「造福於人民與社會的人工智慧合作夥伴關係」。雖然聽起來性質不明,但幾家公司在聲明中自稱絕對不是一個「政府遊說組織」,而是一個真正可以信任與依賴的「AI研討與推動小組」:

「我們將聯合開展相關研究,推薦與AI相關的最佳實踐方法。在不觸及道德底線,維護公平及包容性的前提下發布研究成果。當然,我們也要努力平衡透明度、隱私與互操作性之間的關係,加強人工與AI系統的合作,使用更加可靠穩定的相關技術。」

有意思的是,這份聯合聲明也指出,目前該組織的財政支出將由幾個創始企業全部承擔,但合作委員會的企業與非企業成員都將擁有平等代表權。按照幾個公司給出的說法就是,他們希望邀請更多「政策與倫理學領域的學者、專家以及非盈利機構」加入到組織中來。

DeepMind共同創辦人兼AI應用部負責人Mustafa Suleyman甚至還希望能讓更多的AI產業鏈的下游公司加入組織:

「我們還需要讓那些受AI影響較大的工作者也參與進來。無論技術怎樣發展,最終都要被落實到社會及日常生活中去,AI技術及服務的使用者們能夠為科技圈提供更多的啟發與應用思路。」

相愛相殺的巨頭們為何願意聯手?意味深長

這些世界上最有影響力的科技公司們無疑持有著可通往地球上若干巨型數據庫的鑰匙。就像貨物與錢一樣,數據也正在轉變為當代社會中的一種重要貨幣類型。而這些數據的價值正是植根於其在人工智慧領域的應用。

從某種程度上來說,誰掌握了這些數據,誰就有效掌握了AI的開發與使用權。從這個標準來看,社交媒體Facebook、電商亞馬遜、搜索技術公司Google、軟件供應商微軟以及信息解決方案供應商IBM的確擁有雄厚的AI發展資本與能力。

也正因為如此,這5個創始成員都配備了強大的AI研發團隊,一些產品及專案甚至已經家喻戶曉。例如IBM的認知計算平台Watson、亞馬遜的智慧助手Alexa以及Google神秘的附屬機構DeepMind,戰勝過世界圍棋名將李世石的人工智慧程式AlphaGo就是由這支團隊研發的。

實際上,建立合作夥伴關係將意味著科技巨頭們不僅可以隨時坐下來一起聊聊人工智慧的發展進度,也能夠為公司之間的溝通交流開闢一個更加正式及合理的渠道。不過有一點還是需要牢記,這些公司都有自己的AI團隊,他們之間在AI產品與機器學習驅動型服務的開發方面都存在十分激烈的競爭關係。

非商業用 Apple TonyV3112 Shutterstock1.com
巨頭組成的AI聯盟,卻不見蘋果的身影。
圖/ ShutterStock

除了這些創始成員外,我們應該知道其他的很多大公司也在致力於AI開發工作。譬如蘋果、Twitter、英特爾、特斯拉以及中國的百度(百度已經多次稱自己是一家人工智慧企業)。然而,我們並沒有在合作名單中看到他們的名字。

意味深長的是,科技媒體TechCrunch記者John Mannes道出了其中的部分原因:

「儘管蘋果曾經表示對這個專案非常感興趣。但它的缺席仍然說明了一些問題:蘋果公司的人工智慧研發工作已經落後於聯盟中的一些競爭對手了。」

難道說,加入這個組織還是有門檻的?只有最強的才有資格?為什麼會隱隱聞到一股「壟斷」的味道?

有偏見的世界會也讓AI帶有偏見,「道德標準」很關鍵

從組織聲明來看,這個新組織似乎想成為一個推動AI變革的「榜樣」。但它並不想做科技世界的「傳道士」,而是更想設立一個普遍的「道德倫理許可標準」。

IBM的AI倫理研究員Francesca Rossi曾表示:

「AI的力量往往爆發於企業應用層。但你如何獲知企業在開發AI時沒有做出一些違背道德的事情?要想讓這個社會從AI技術中充分獲益,我們首先要學著去管理它,信任它。」

該組織另外一個重要任務就是討論「人工智慧在流行文化中孕育的風險」。雖然目前社會對「奇點事件」(奇點:可以被認為是電腦智慧與人腦智慧兼容的那個奇妙時刻)是否會威脅人類沒有下任何定論,但我們在當今世界中的確面對著一長串來自AI的挑戰。

與此同時,儘管還沒到電腦完全取代人類來完成工作的時候,但它們卻已經具備了放大人類負面情緒與支配欲的傾向。一個帶有偏見的世界將會導出一個有偏見的數據集,並最終轉化為一個具有偏見性的人工智慧框架。

為了對抗這種潛在的陰暗面,以微軟為首的多家企業已經成立了AI倫理諮詢委員會。但是,這樣做的目的並不是推翻現有的努力,而是通過委員會與其他公司交換意見,以論壇的形式與科技工作者分享寶貴的經驗。顯然,AI合作組織的成立將會促使整個社會更加游刃有餘地利用AI這把雙刃劍。

本文授權轉載自:36 氪

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