台灣Open Data政治經濟的未來在哪裡?
台灣Open Data政治經濟的未來在哪裡?

講到開放資料,這議題在台灣從Open Data Taiwan與零時政府開始,一直到最近唐鳳任數位政委對於Open Data與Open API的發言,可以說是火力全開。而說到開放資料,過去也曾有關於美國各級政府與民間的開放資料應用,以及民眾參與開放資料的未來。

此議題在未來十年,想必是台灣政治輿論的重要話題。

Open Data從何而來?

當唐鳳提出Open Data和Open API時,許多對科技業有點陌生的朋友可能聽得一頭霧水。

簡單而言,Open Data字面上的意思就是「將資料開放大眾存取」,一般而言開放的資料多為民生相關、攸關公眾利益的資料,比如說一地方的地鐵載運量、水電用量、學校平均考試成績等,都有可能被用來做對大眾有利的應用。(應用產生的負面影響就是另一話題了)

而Open API,裡面API是Application Programming Interface(應用程式開發介面)的縮寫。粗略的類比,如果一家公司(或政府單位)開發了一軟體服務或軟體平台,那我們可將其比喻為一商家。若有一天這家公司(或政府單位)決定將此軟體服務或軟體平台的部分功能與資料用統一的介面提供給外界的開發者使用,這就是API,這就好像一大商家將自己的部分用地改建成百貨,邀請外部商家進駐,共享百貨商店的人潮與商業資源。當然,一方面外部商家受益於百貨商店的人潮與商業資源,另一方面,百貨也受益於外部商家帶入的產品與服務多樣性,因而吸引更多客源。同理,很多科技公司對外開放API,也同樣可以吸引外部開發者產生新產品,壯大自己的陣營。

其實API這概念已有一定的歷史,即使在網路經濟起飛前,許多軟體作業系統平台如Linux、BSD與Windows都有開放API讓其他開發者設計應用程式。而當平台廠商開放API,吸引到了更多的開發者加入該平台的應用程式開發行列,漸漸地就會形成一生態圈(Ecosystem)。

而今天的網路經濟亦然,API成為各類網路應用程式發展的基石。拿Uber為例,其使用的衛星導航、地圖資訊、簡訊系統、支付系統等,至少在公司草創初期都是使用其他廠商(如Google)API的現成功能,因次可以快速地開發出應用程式。而這種網路API生態發展至今,除了大家熟悉的搜尋、地圖、翻譯等,更有資料探勘、臉部辨識、語義知識等功能可供獨立開發者使用,大大降低了網路應用程式的開發成本。

限編輯使用_地圖google map_tsyhun : Shutterstock_215587159
API大大降低了應用開發的成本,如Google Map等等。
圖/ tsyhun via Shutterstock

而「Open」API,討論的則是政府與各類民間組織可開放大眾存取的民生與大眾利益資料。

而講到這邊,我們或許該好奇:

為什麼這一切在達康泡沫前後的「Web 1.0」時代沒有發生呢?

其中有幾個環環相扣的因素:

**首先,2000年之前的軟體幾乎都是以「零售」(Retail)的概念為基礎。**在這種情況下,軟體開發是間斷性的。因此,當時的軟體開發方式也被戲稱為瀑布式開發(Waterfall Methodology),只有單向的專案管理、開發與品管,而不注重連續性的更新與成長。在這年代,軟體開發的生態成長是很零散且階段性的,以電玩遊戲為例,OpenGL與DirectX相隔一年(甚至多年)才會推出新版本,而新的版本推出後才會有遊戲開發者去用新的API開發新遊戲。可見過程相當緩慢。

**次者,當時的網路太慢。**當時大家還在用撥接網路,無線路由器還很新、無線電話(還不是智慧型手機)貴得要死,速度也超慢。因此,當時即使有一點行動應用程式的基礎,也依然是以零售的單機軟體為主,而不會仰賴網際網路。到了Palm Pilot和後來Windows Mobile稱霸的年代,智慧型行動裝置還是必須仰賴與桌上型電腦同步來更新資料和安裝應用程式。

**最後,就是電腦運算能力和能源效率不夠。**即使寬頻網路普及,單機電腦的運算能力也不可能去處理大量的資料。試想,今天一隻手機上的繪圖晶片,比2000年家用的3D加速卡效率強上百倍都不誇張,因此你可以想像過去資料應用有多少硬體上的限制。

總而言之,API與Data尚未盛行的年代,最重要的原因就是「沒有任何業務誘因」。

而這此我們對業務作廣義解釋,泛指所有可以為人類社會創造價值的活動。而我們該銘記的概念就是這一個:沒有業務誘因、沒有利益,很多事情都不會發生。

搞懂了這一點,我們才能深入了解台灣的開放資料困境。

開放資料、開放API與政府

說到「開放」,敝人將「政府」放在最後位是有原因的。

政府的預算和公司不同,而政府的「業務」標準也很難拿捏。以教育為例,政府到底應該加撥預算給成績有明顯進步的學校?還是應該把預算撥給成績明顯退步,或資源欠缺的學校?前者有人批評是菁英主義,而後者也有人批評是破壞學校的進步誘因,很難說誰對誰錯。

故此,政府的預算和支出很難像公司一樣從商品的數量、售價、成本去推算,而常常是用漸進式預算法(Incremental budgeting),每年增加,並視政策進行調整。

言歸正傳,可見要討論開放資料、開放API其實不應該從政府的角度出發。就連在台灣大家喜歡借鏡的美國,真正的開放資料都是從企業界和學術界開始著手,而非政府。確切而言,Prototype出自學術界,而企業界將樣品商業化後,有一定產值後才會評估是否透過建立API、發展生態來帶動附加價值。

而政府呢?在業界的數位政策發展出一定產值後,通常政府才會在輿論壓力和業界遊說下跟進,加入資料化與API化的行列。

也正因為如此,通常與公共行政牽絆甚多的產業,如教育、醫療、能源、建設等,在資料化和API化都會特別慢。

台灣開放資料的問題

看到這邊,或許有些讀者已了其大義:一個國家的開放資料政策與其普及度,是果,而不是因。

其實在現在這個節點提出開放資料政策,未免太低估了台灣人的能耐。

台灣人每年出國念書超過兩萬人,而在外工作以及台裔移民更多了。以美國為例,美國國家科學院、工程院有台灣學者,美國在資料化和API化的龍頭企業們多的是台籍員工(而微軟、IBM、Google、雅虎等外商在台灣都有分公司,公司內員工也有國際經驗)。而台灣人與台裔在美國創業成功的人也大有人在。

我們真的以為台灣的資料化不力,是因為沒有人想到要出來喊一聲「Open Data」、「Open API」?

開放資料_open data_shutterstock_196658798.jpg
圖/ shutterstock

上述,Open Data與API其實概念很早就存在了,說Open Data是果不是因,意思就是開放資料的發展,是一個國家商業與政治環境的後果;而不是魯莽去砸資源發展開放資料,就會解決一個國家的問題。

事實而言,當你在台灣想要開發應用程式,要買車票、電影票、訂購飯店?常常沒有API可用;要線上付款?沒有API可用(直到最近);要查詢路況,資料不完整而且格式絮亂;要比較多家廠商的價格?想要進行價格最佳化?想都不用想了。

而商業的基礎是只要有利可圖,就會有人做,而今天台灣這些網路服務與API發展落後,問題就是在於台灣的商業環境使得廠商無利可圖!

而道理其實不難懂,當任何廠商在提供資料和API的原因,就是希望能夠仰賴外部開發者的產品開發能力獲利,從中抽一筆。

說Open Data是果不是因,意思就是開放資料的發展,是一個國家商業與政治環境的後果;而不是魯莽去砸資源發展開放資料,就會解決一個國家的問題

當台灣產業的毛利極低、成本意識高漲,請問有誰會想再讓資料商或API商再撥一層皮?

台灣亦無Google、微軟、Facebook這類大型軟體公司,把投資資料和API當作佛心事業。如此惡性循環下,沒有人願意投資API,自然也難有有更有效率、更高價值的產業出現。

台灣開放政府的問題

說到開放政府,許多熱衷於開放資料的朋友都喜歡拿美國來說嘴。而很可惜的是,許多人都是看圖說故事,去揣測開放資料對於美國的意義。

先不論美國各級地方政府(州、市、區等)的開放資料政策,純粹以聯邦政府為例,歐巴馬於2009年指派了美國第一任技術長(CTO,Chief Technology Officer)並且推動了一系列的行政資料透明化。當時,美國正逢金融海嘯,對於美國國會通過的量性寬鬆政策,聯邦政府成立了Recovery.gov(已下線),讓美國民眾可以上網查詢預算使用狀況,以及每州、每個城市獲撥的預算。同時,歐巴馬政府也成立Data.gov來提供外界存取聯邦政府的行政資料。然而在美國政治輿論中,無論左派和右派都未將歐巴馬的數位政策列為焦點。

為什麼呢?

因為其實歐巴馬指派的CTO,只是名目改變,實際上就是美國白宮科技政策辦公室的頭(而這辦公室已成立40多年了)。而Data.gov上的資料,其實在聯邦政府各部會(如聯邦人口普查局、聯邦教育部下)都已經數位化。

而論及美國國會,國會議員接受的政治獻金(參議院眾議院)線上都查得到,而這是1995年就已經通過實施的法案。

其實美國很多看似過去十年內才開始實施的開放資料、開放政府政策,實際上在美國聯邦政府已經實施許久。而在網路時代之前,很多美國聯邦政府的相關行政資料在美國國會圖書館都已經公開。

對於美國而言,開放資料與開放政府政策只是近一步提升效率,並不是大家所想的是在「搞革命」。因此歐巴馬一系列的政策,確實受到部分表揚,但卻不是甚麼驚天動地之舉。

反觀台灣政府呢?

暫且不論政府各部會下的資料透明化問題,台灣政治與黑金向來無法脫鉤。而說到台灣的建商利益,回扣、偷工減料、最後追加預算,一堆很單純的政府建案可以脫個十年、二十年,然後弊案連連,請問是「沒有資料」所以不能處理嗎?

美國聯邦政府的發包系統向來都是讓中小企業可以上線發包,而參與競標的廠商名單都是公開的,而事實上許多標案都是中小企業得標。

而反觀台灣各級政府的發包體系呢?

有在台灣競標的朋友都曉得,台灣有不少莫名其妙的「買辦」,美其名是政府扶植成立的產業研究、產業發展團體,事實上卻是大搞與民爭利。台灣包案,中小企業要接案很困難,必須透過這些「買辦」去競標後再轉包,才有可能拿到包案。這中間的「買辦」不但甚麼都不用做,可以從轉包過程中大揩油,最後又是台灣中小企業被活活剝了幾層皮。

這些半官半民的「買辦」,旗下都有上千名員工,每年營收破億,比很多投標廠商還要大。請問這種徒增行政累贅和產業效率的問題已是家喻戶曉,難道是「開放資料」就能解決了嗎?

在台灣,開放資料似乎演變成一種潮流,大家都想搞革命。從基本的民生水電資料、到弊案、到自助救災都想要做。然而這種思維怕是土法煉鋼,實為夸父追日。

試想,當一政府有偵測器、有專業研究員、有救難隊、有直升機,卻不去救災,讓上千村民被活埋,我們甚麼都沒有,靠一張嘴巴、靠幾台電腦整理一些資料,能救災?

再想,如果貪污、舞弊、官商勾結已是家常便飯,人人都知道,但是還是沒有人去監督、懲處。我們同樣靠張嘴巴、靠幾台電腦整理一些資料,能實施廉政?

再想想,如果大部分閒置資金都已卡在房地產裡,新產業發展、產業轉型沒有研發資金、沒有國外通路、沒有技術升級,我們同樣靠張嘴巴、靠幾台電腦整理一些資料,能救經濟、能創造就業機會?

今天你就算依樣畫葫蘆學國外實施開放資料、開放API,這些問題就會解決?可能嗎?事實而言,這種政策在現在的政經體系下,恐怕只會創造更多無效率的包案,消耗更多預算而已。

人家美歐是先有透明化、先有產業、先有廉政、先有效率,才有開放資料、開放政府政策來加持。我們不能再幻想資料可以改變一病入膏肓的國家,更不要天真地想像抄襲數位經濟大國的做法,馬上就能改變我們社會與文化的體質。

社會與政治問題最終是靠人解決,不是靠科技。

要改變台灣的未來,我們要推動的不是開放資料政策,而是靠更強大的民意去深入影響政壇,對各級政府監督施壓,割除台灣商業與政治環境的毒瘤。不然體系中一堆人占著茅坑不拉屎,你不管怎樣用力「開放資料」,沒人捲起袖子做事,問題依舊。

#####《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。

關鍵字: #開放資料
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