愈是廣泛閱讀的人,愈有可能深陷其中。6種思考盲點,讓你誤以為自己在思考
愈是廣泛閱讀的人,愈有可能深陷其中。6種思考盲點,讓你誤以為自己在思考

假設有兩間製造檢驗儀器的公司,兩者市佔率差不多,產品性能和價格也幾乎相同,但是A公司的產品收納在漂亮的盒子裡,包裝設計美觀;B公司的產品則是內部構造(管線和感應器配置等)都暴露在外,質感較粗糙。你覺得5年後,哪家公司的市占率會成長?

乍看之下,因為A公司產品設計得很出色,似乎是比較合理的答案,但正確答案卻是B公司。因為B公司的產品可以看到內部構造,客戶可以按需求自行改造,讓產品使用起來更方便,而B公司也可以記住顧客的改造,運用在下一次的新品開發,形成雙贏局面。

選擇A公司的人,可能是因為你沒有看到問題的本質:企業顧客購買檢驗儀器的理由,其實並不包含設計。而我們在思考時,通常都會被「包裝設計」這種表象所迷惑。

阻礙你看清本質的思考慣性

《本質思考》作者平井孝至指出,很多人不會從本質思考,只進行表面的思考,而且不管任何人,都會有思考慣性,這些思考慣性,會讓你誤以為自己在思考,所以才無法從「本質」思考,想破頭也找不出解答。

而且愈是廣泛閱讀商業書籍、熱衷學習思考術的人,愈有可能深陷以下思考盲點而不自知。

1. 堅持初期假設

有這類思考慣性的典型症狀是:在討論過程中經常使用「可是……」「不過……」「但是……」等詞反駁別人的想法,這表示說話的人封閉在自己建立的假設中。

陷入這個慣性的人,很難跳脫已設定好的假設,讓思考就停留在自己看見的一小部分本質,而看不到整體樣貌。

擁有這種症狀的人,可以在與他人討論時,多吸收別人的論點,拓展、深化自己的思考,如此一來,就更有機會歸納出可以真正解決問題的答案。

###2. 反面結論

這是非常直觀的思考慣性,直接將現象的反面當作答案。比如我們都會覺得累了就需要休息,但卻忽略人會感到疲倦的原因有很多種,可能是對未來失去目標,也可能是真的生病了。

若是單純把現象的反面當作答案,只會掩蓋潛藏在現象背後的本質,這樣無法真正解決問題。

###3. 依賴架構思考

我們在分析問題時,經常會運用理論架構幫助思考。以企業經常使用的SWOT分析來說,把公司的Strength(優勢)、Weakness(弱點)、Opportunity(機會)、Threat(威脅)列出來,對資訊整理來說,的確是非常有效,但對於解決問題,並沒有太大的意義。

在使用制式架構整理資訊的過程,總會讓人誤以為自己已經思考過了,而且因為大量資訊擺在面前,就會覺得自己了解所有狀況,於是便會停止思考。

4. 依常理分類

「那個人氣質好好喔!」「因為她是學音樂的啊!」
「他好喜歡分析東西喔!」「因為他是念理工科的啊!」

上述的對話就是依常理分類的典型例子,大家都會覺得學音樂的人氣質很好,但這其實是刻板印象,氣質好不好跟學音樂與否,其實並沒有什麼相關性。

許多時候,我們把事物進行分類後就以為自己已經思考、了解了,但事實上,分類並沒辦法解答事情,而你只是運用常理在尋找邏輯,而不是真的用大腦在思考。

5. 忘了思考的目的

我們為了解決問題,會先進行資料蒐集、整理,若是在資訊蒐集和整理階段時,不知不覺讓這件事變成目的,而忘了當初蒐集資料的目的。

不只是製作資料時會有這種情況發生,在漫長的討論過程中,也會有忘記對話目的的人,想說的話並沒有傳達得很清楚,講了一堆,卻被問:「你到底想說什麼?」沒有謹記思考、說話的目的,結果就只是運作到手和嘴巴,而非大腦。

6. 喪失主體性

犯這種慣性的人,通常會不自覺地依賴別人的大腦思考。因為沒有徹底的思考,所以他會對自己的主張沒有信心,聽到別人說的話,通常都會表示認同,而沒有站穩自己的立場。下述對話就是一個典型的例子:

A:「我們的工作方式可能要大幅改變。」
B:「說得也是,現在的做法真的不太有效率……」
A:「但我覺得公司高層提出來的政策不太妥當。」
B:「聽你這麼一說,好像真的是這樣耶……」

這樣的對話只是單方面的,雙方並沒有提出新觀點討論,最終淪為一言堂。

日常生活的小練習,培養本質思考的能力

根據平井孝至的經驗,幾乎所有人都有思考慣性,若要找到真正解決問題的答案,就必須先知道自己的思考慣性,再加以修正,進而從事物「本質」思考。

在資訊氾濫、變化快速的現代社會裡,我們常會急於採取行動,但若是你能往後退一步,仔細觀察事物的本質,你會發現更有效率的答案。

平井孝至最後提供大家平常鍛鍊自己本質思考能力的方法,不論何時何地,只要撥一點空檔和思考的意願,就可以自我訓練。

1. 磨練歷史觀

歷史可以拓展思考範圍,你可以從歷史中學習、思考,增加提出新觀點的能力。你也可以參考以下文章:

1.為什麼要學歷史?鍛鍊思辨能力4個步驟,關鍵時刻做出正確決定!
2.宏觀的格局和視野怎麼培養?我推薦的 3 位作家與他們的成名作

2. 從標題聯想內容

每天只要花5分鐘,試著從報紙、雜誌的標題想像內容和結構。推測完再閱讀報導,和自己構思的內容比較一下,如果報導寫得比你想的更深入,就把那個觀點學起來;若是你可以找到比報導更深、更廣的內容,就表示你的思考力已經提升,學會不依賴資訊的思考方式。

3. 與別人分享觀點

你可以向朋友、家人或同事分享你自己思考出的「理論」,可以是對於時事的評論,也可以是你自己的生活觀察,試著和他們討論,聽聽他們的想法,這樣可以讓你的思考從單純的紙上談兵,化為可實際運用的執行對策。

延伸閱讀:

  1. 訓練「獨立思考」最好的方法是寫作,而不只是閱讀
  2. 思考的三個層次,你是哪一個?有意識地跳脫框架,才是「獨立思考」!

本文授權轉載自:經理人

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