IBM Watson科學家:不應把AI理解為人工智慧而是「擴增智慧」
IBM Watson科學家:不應把AI理解為人工智慧而是「擴增智慧」
2016.10.28 | IBM

這位IBM院士說,不應該把AI理解為Artificial Intelligence(人工智慧),而應該理解為Augmented Intelligence(擴增智慧)。

2016年的科學界有發生了一件具里程碑意義的事件——全球慶祝人工智慧60周年。見證了人工智慧60年歷史的IBM院士、Watson/M首席科學家Grady Booch在上週首次來到北京,在2016世界機器人大會上進行了分享。

Grady Booch深入參與了IBM認知運算系統的策略,這既包括了IBM Watson也包括擴展和超越Watson的系統,現在他是Watson/M的首席科學家,前不久還被美國電氣和電子工程協會(IEEE)授予了IEEE電腦先驅的稱號。

在接受鈦媒體採訪中Grady風趣地說,「『這個M』代表了英文詞Mystery,即神秘的意思。」這項神秘的研究現在還不方便透露,但可透露的是他正在從事的工作叫「體現認知(Embodied Cognition)」,也就是把IBM Watson的能力以工程化方式擴展到萬事萬物裡。

擴增智慧與認知運算

Grady Booch於1977年畢業於美國空軍學院的工科專業本科,後於1979年獲得美國加利福尼亞大學Santa Barbara分校的電子工程專業碩士,基本上生活在1956年開始的人工智慧時代。在談及過去60年人工智慧的未來時,Grady Booch強調, 不應該把AI理解為Artificial Intelligence(人工智慧),而應該理解為Augmented Intelligence(擴增智慧)。

所謂擴增智慧與人工智慧的區別,這也代表了IBM認知運算的觀點。 Grady Booch表示,人工智慧是認知運算和系統的一個理論基礎,但是認知運算和系統要比人工智慧的範圍更廣。認知運算與系統具有理解、推理和學習的能力,而且它是建立在大資料分析的專業和能力之上。但是認知運算不會取代人類,也不會取代人類的專業能力,只會加強人類的認知能力,因稱之為「擴增智慧」。

IBM Watson是繼IBM深藍超級電腦系統之後的下一代超級電腦,曾於2011年登陸美國老牌益智節目「危險邊緣」(Jeopardy!)並贏得了挑戰。這之後,IBM繼續發展Watson的認知運算能力。2014年初的時候,IBM宣佈為Watson創建一個新的業務集團,透過雲端服務模式向商業使用者交付認知運算能力,並於2015年底推出了「認知商業」品牌戰略。

如今,IBM進一步提出應該把「人工智慧」理解為「擴增智慧」。

Grady Booch
IBM Watson/M首席科學家Grady Booch

科學家眼中AI的未來

眾所周知,在全球AI歷史上曾經歷過起起伏伏,最近數年AI一度陷入了寒冬期。那麼,理解了AI走出這一寒冬期的原因,就有助於理解AI的未來。

Grady Booch認為有兩大變化推動了AI走出最近一個寒冬期。首先是出現了巨大的資料處理和運算。晶片、電腦、伺服器、網路和儲存等基礎硬體在近年來的大發展,讓學術界和實業界可以輕鬆實踐過去八十年代提出的AI理論和演算法。比如GPU圖形處理技術在近幾年的發展,讓現在的開發人員可以快速實踐大規模的機器學習和深度神經元網路。

其次是出現了巨大的市場需求。隨著全球經濟的發展,對自動化的需求越來越高。不論是大型企業降低成本和員工數量的壓力,還是優化和提升大型商業基礎設施的需求,自動化的商業運營已經現代企業追逐的主要策略。而隨著智慧硬體與物聯網的發展,全球出現了數以十億計的終端聯網裝置,這些都需要以智慧的自動化方式來處理。

因此,巨大的計算能力和巨大的市場需求推動了AI走出上一個寒冬,這兩大原因其實也在深刻影響著未來AI的方向。因此要預測未來AI的趨勢,就要問未來的運算方向在哪裡,因為AI只是計算的一部分。Grady Booch表示有四大因素互相影響,決定了未來AI的方向:物聯網和數以億計的智慧終端機設備、PB級的資料、AI演算法的進展以及人與機器關係的改進。

把認知計算裝進萬物中

談到AI的未來,這也與Grady Booch現在正在做的事實非常相關:Embodied Cognition,體現認知。所謂體現認知,就是把IBM Watson的能力「裝進」人們身邊的物體和空間裡,從智慧手機到智慧家電、從服務機器人到製造工廠、從會議室到手術室等等,讓認知運算無處不在。

Grady Booch介紹說,實際上在50年代就有AI專家提出了運算會讓人類進入一個非常美妙的世界,那時運算的樣子將是存在於人們身邊熟悉的事物中,就像現在物聯網那樣,這被稱為「Intimate Computing」(親密運算)。 Grady Booch認為在未來世界中,隨著Intimate Computing和認知運算的發展,人們隨身攜帶的將不是手機而是一種認知運算裝置,無論在家裡還是在車上,人們都透過這個裝置與世界不斷互動、親密接觸。

把認知運算裝入人們身邊熟悉的事件中,這可能是一件巨大的工程。據鈦媒體瞭解,IBM Watson已經與希爾頓酒店合作了迎賓機器人,機器人背後的所有推理能力都由IBM Watson提供。而如果把IBM Watson裝進一個會議室裡,那麼會議記錄、幻燈片自動翻頁甚至翻譯工作等都可以由聰明的機器人來完成。

Grady Booch談到的這些並非都是想法或實驗,IBM已經開始把Watson具象到了具體的產品裡。IBM最近與Whirlpool惠而浦展開了合作,把Watson嵌入到惠而浦的家電產品裡——一個惠而浦洗衣機能直接與惠而浦烘乾機「合作」,讓烘乾機「瞭解」何時將期待洗好的衣服以及調優洗衣流程,同時還能學習人們的生活習慣從而自動下單購買清洗劑、濾芯等耗材。

Panasonic松下也正在探索與IBM Watson的合作,其中一個方向是把IBM Watson用於智慧家庭安全防護。也就是用松下的安全防護攝影鏡頭和感測器來探知房屋內的動靜,包括屋內的物體運動、開關門和窗子等行為,再用Watson的認知運算能力來分析圖像、影片中出現的到底是闖入者還是只是鄰居家小孩誤射入了一個足球,如果是闖入者的可能性很高,還能自動通知員警和安防人員。

在談到人與機器的關係時,Grady Booch強調說儘管現在我們事實上處在人類歷史上非常獨特的一個時期,開發出來的機器與系統能夠取代人類的部分工作,但這也讓個人有更多的時間可以從事創造性工作。過去,美國90%的人口都從事於農業相關的活動,而大規模自動化以後只有2%~3%的美國人口從事農業工作,這樣就能夠把這些人解放出去從事更具有創造性的工作。

這樣的話,個人可以有更多的時間進行創造,好好的享受生活、戀愛等等,這可能才是人與生活的重要方面。

雖然是一位著名的電腦Geek,但Grady Booch認為自己深具文藝復興思維和氣質,人文精神始終是他思考的重點與出發點。

本文授權轉載自:鈦媒體

關鍵字: #IBM #人工智慧
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