一年過去了,大家還是最喜歡「笑中帶淚」表情符號
一年過去了,大家還是最喜歡「笑中帶淚」表情符號
2016.12.05 |

巴別塔是聖經當中著名的故事。大洪水之後,上帝與人類約定,不再用洪水毀滅人類。

但人們卻對諾亞時代的洪水仍然心存恐懼,當時的人類講著同樣的語言,名為亞當語。他們決定建造一座名為「巴別塔」的通天塔。上帝為了阻止人們的通天計畫,讓人們學會不同的語言,使之相互之間不能溝通並且分散到各地。人類的隔閡由此產生,建造「巴別塔」的任務也隨之終止。

隨著語言學以及科技的發展,人類的語言隔閡不再那麼明顯,而互聯網更是一定程度上彌合了語言和文化的鴻溝。Emoji,這種誕生於 17 年前的符號如今隱隱有成為全人類共用的一種語言體系的趨勢。在 2015 年,《牛津詞典》把年度詞彙頒給了一個 emoji,那個「笑著哭」的表情。

2016 年,大家還是最愛這個「笑著哭」的表情

一年過去了,大家最喜愛的 emoji 還是沒有變。

Kika 是一家主要做海外市場輸入法的中國新創,產品覆蓋了 140 個國家,目前總用戶超過 2 億。前不久,他們聯合北京大學黃罡教授、劉譞哲副教授團隊以及密歇根大學梅俏竹副教授團隊發佈大資料包告《Emoji,新世界語的崛起——Kika 輸入法全球用戶 Emoji 使用行為大資料報告》。

這份報告利用 Kika 得到的資料,展示了誰在用 emoji,怎麼用 emoji,emoji 和文化有何關係,還有什麼影響人們使用 emoji?

Kika6
圖/ Kika

依照 Kika 提供的資料,「笑著哭」這個 emoji 占到了所有 emoji 發送量的 21.25%,遠遠高過第二名的「愛心」。

Kika5
圖/ Kika

如果是以日期來劃分,就會發現在周內大家使用量前五的表情完全一樣,而到了週六,荷爾蒙的氣息就濃厚起來了,「玫瑰花」和「愛心」的表情開始上榜。到了周日,「微笑」也代替「哭泣」成為第五名,這說明人們還是在休息日的心情更好一些。

Kika4
圖/ Kika

如果是以國家來劃分來看的,我們會發現法國是個完全的異類。作為世界上最浪漫的國家,法國人最喜歡的 10 個表情裡面,有 9 個都是用來表達愛意和喜歡。

Kika3
圖/ Kika

雖然看起來大家都很喜歡用這個「笑著哭」的表情,但是從各國文化的角度出發,不同的文化傳統對人們喜歡的 emoji 也有影響。比如喜歡按規矩辦事的西班牙,以遵守規定為榮;生活習慣受天主教影響的墨西哥,微笑和握手是他們的問候方式,親吻和擁抱也僅限於熟人之間;哥倫比亞非常注重禮儀。在這些傳統色彩濃厚的國家,這個「捂臉猴」有著「非禮勿視」以及「害羞」雙重含義。

Kika2
圖/ Kika

除了傳統文化之外,國家中的權力平等程度,個人主義傾向,乃至對 LGBT 群體的包容程度,也會影響 emoji 的使用情況。

人類離重建「巴別塔」還有多遠?

前文說到,全世界在使用 emoji 上有著驚人的一致性,這是任何一種語言都做不到的,當然其中也有不少的差異。而在 emoji 這種本來就生於數位時代的符號語言之外,各種各樣的語言還面臨著「數位化」的問題。

英語、漢語、西語等等大的語言不必擔心這樣的問題,因為這些語言背後有人口和市場的支撐。但是並不是所有語言都有這樣的待遇,都能跟得上互聯網和科技的發展。

Kika1
圖/ Kika

Kika 輸入法在開拓海外市場的時候就遇到了這樣的問題,因為商業的因素,使用者眾多的語言總會迎來更多的輸入法,但是,小語種的處境就尷尬了。

瑞爾•薩利姆是一位來自俄羅斯巴什基爾民族的語言愛好者,但在為移動智慧時代下,他也會因為像巴什基爾語這樣的小語種瀕臨消失而憂心忡忡。 沒有一個手機製造商願意為只有 150 萬人使用的巴什基爾語設定一個專屬的移動輸入法鍵盤,當地人只能使用俄語的鍵盤進行網上交流。

後來瑞爾向多家製作輸入法的公司發去郵件,請求他們重視小語種在輸入法上的困境。後來 Kika 回應了他的請求,並與他合作,為這 150 萬人使用的語言開發了輸入法鍵盤。

拉丁羅曼語與德語、法語、義大利語並稱為瑞士四大官方語言。然而在瑞士 700 萬的人又中, 講拉丁羅曼語的人數只占 0.6%。機緣巧合之下,聽說了 Kika 為巴什基爾語製作輸入法的瑞士平面設計師雷莫也和 Kika 進行合作,耗時幾個月,從電子化詞庫開始,做出了拉丁羅曼語的輸入法鍵盤。

目前,Kika 輸入法已經覆蓋了超過 90 種語言。

為什麼只做海外輸入法,不管是大語系還是小語系都要覆蓋呢?Kika CEO 胡新勇告訴愛范兒,全球 70 億人口,除去中國的 15 億,海外仍有 55 億人口,這是一個大得多的市場。如果再考慮經濟或者匯率的因素,歐美市場更是大有可為,他們一開始就想做的是全球的輸入法,而不是中國的輸入法。

雖然看起來開發小語種是個吃力不討好的事情,但是胡新勇也認為讓世界溝通更簡單是他們的使命。作為一家主要從事輸入法的公司,他們有責任保護小語種,傳承它,創新它。而且,每一個小語種都不是需要從頭再來的,很多核心演算法,推薦引擎和鍵盤滑行技術是可以通用的。

講到重建「巴別塔」這件事,就不得不提翻譯和語音辨識這兩件事。由於人工智慧技術的發展,這幾年來 Google 翻譯和 Skype 即時語音翻譯都取得了不小的進展。在上次錘子新機發佈會上,羅永浩也演示了訊飛語音輸入法的語音辨識情況。仿佛這一切意味著,語音到文本的鴻溝快被填平,語言之間的機器翻譯問題也不是那麼讓人尷尬了。

胡新勇表示,他們自己的翻譯功能也在開發中,涵蓋了語音和文本,幾大語系都有規劃。但是他也對目前一些語音輸入法吹牛的現象表示不滿:目前人的語音辨識準確率是 97%,所以目前國內幾大語音輸入法宣稱的識別準確率也是 97%,但實際肯定做不到這麼高…

即便如此,胡新勇也認為,現今離人類解決語言隔閡並不遠了,世界的語言很快就會平了。

本文授權轉載自:愛范兒

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