Amazon Go超市沒有店員,被自動化取代的基層員工該何去何從?
Amazon Go超市沒有店員,被自動化取代的基層員工該何去何從?
2016.12.12 | Amazon

相信最近許多人都看過了Amazon Go的宣傳影片。影片中的超商整潔舒適,許多時尚雅痞族走入超商後,拿了商品就走。店內沒有員工補貨、沒有員工帶路,也沒有員工掌櫃。

事實上,這與現實已相去不遠,美國BestBuy門市中已開始採用自動販賣牆,讓購買電影和遊戲的消費者可以在平板上購物、下單後快速領取商品。而美國B&H電子量販門市則是擁有快速結帳與包裝系統,讓消費者只需拿購物清單去櫃台結帳,之後再至店出口領取已打包好的商品,大大減少了櫃檯的流量(與數量)。

由此看來,Amazon Go的完全自動化系統只是「合理的」科技演化而已。

然而,很少人會去探討:這些被科技取代的服務業員工究竟都去哪裡了?

基層服務業工作機會大減、薪資停滯

走進舊金山、曼哈頓等雅痞族(尤其科技雅痞族)天堂,你會發現超市中充斥著拉丁裔、非裔員工。而論人口而言,矽谷的科技公司絕大多數員工都是白裔與亞裔,而美國其他現代都市如紐約、波士頓、西雅圖、華府等城市,也可以看到白裔與亞裔人口將其他族群用超高房價、超高物價趕出市中心。

美國許多基層服務業員工薪資仍留停在基本工資水準。舊金山市基本工資每小時為10.74元美金,紐約州、西雅圖市為15元美金,但是在舊金山,一個不到二十坪的單人套房每個月租金超過3千美金,曼哈頓亦然,而西雅圖雖較便宜,但同規格公寓月租仍要2千美金。

在舊金山,城市警察局之薪資水準無法負擔舊金山的生活開銷,因此該城市員警與警政員工都住在市外。在紐約,曼哈頓的各類店家門市員工幾乎都須搭乘近兩個小時的地鐵上班,更有許多員工來自於紐約各區極貧困的的公共住宅(Public Housing)。

隨著商業自動化腳步加快,對於基層服務業員工而言無疑雪上加霜。美國2016年整體失業率雖降至4.9%,若進一步抽絲剝繭,可發現擁有大學以上學歷的失業率僅2.6%,但只有高中學歷者失業率達5.4%,高中肄業者則已高達8%。

論人種,非裔與拉丁裔失業率遠高於白裔與亞裔。而在美國金融風暴後不久,底層的30%收入戶的失業率是頂層30%失業率的兩倍到五倍。

可見,美國結構性失業問題已相當嚴重,且沒有減緩的趨勢。

基本工資調漲的迷思

面對結構性失業,許多左傾政府的應對方式就是調整基本工資。然而,從商業角度看來,調整基本工資其實是隔靴搔癢的表面功夫。

原因很單純:若你今天是一公司老闆,成本越高,帶來的商業價值就必須等比例(或超比例)的提升。單方面調整工資,並沒有提升該員工份內工作的獲利能力。

因此, 當原本每小時10美元的產能無故變成每小時15美元時,其實是刺激主管與企業主去尋求其他控制成本的方式 。而羊毛出在羊身上,老闆要砍的成本,一定會從該員工的福利和相關成本上動刀,對員工不見得有利。

相對於整體產業而言,當基層員工薪資硬性調漲,反應在各種成本上,最後會近一步導致物價上漲。基層員工表面上調薪,事實上物價購買力不變、甚至還可能更低。

拜科技所賜,電子商務和行動商務發達不說,現在連倉儲運輸都開始走向自動化,美國零售業也已逐步開始調整策略。

今年,美國最大百貨公司Macy’s宣布關閉一百多家商店,將重心轉向電子商務。而美國聞名的購物節「黑色星期五」過去幾年可見實體零售業務大跌,2016年黑色星期五零售業務又爆跌10%,反而是電子商務大增30億美金營業額。

原因很單純:在黑色星期五開啟實體商店,除了倉儲物流以外,還需要大量員工加班來顧店打掃;反觀,若將購物促銷活動移至電子平台,公司只需擔心倉儲物流,毛利遠高於於實體商店的促銷活動。

這一切發展,對基層員工最大的威脅,在於自動化科技的進步神速。 不光是零售業員工會被自動化和電子商務取代,在不久的將來,載客司機(如Uber、Lyft、計程車等)和卡車司機都會被無人車取代。

Google無人車-copy670
未來,載客司機可能被無人車取代,圖為Google無人車。

不管怎麼去調漲基本工資,也只是給予相關企業更大的誘因去投資和購買自動化解決方案,實際上造成自動化取代低階勞工的問題惡化。要實質改善問題還是必須面對社會基層勞工的生活品質與教育問題。

貧窮複製,我們真的了解社會基層嗎?

要面對結構性失業,我們必須探討低薪與貧困造成的惡性循環。今年美國大選前,美國聯邦參議員桑德斯曾經語出驚人,說道「貧困的代價很昂貴」。

事實而言,低收入戶除了生活品質較差以外,創造額外財富的管道比其他人更少:貸款利息極高、存款利率低(達不到高利息定存的存款標準)、購買租賃不但少有折扣,時常還需要擔保人。在像美國一樣腹地廣大的國家,銀行、運輸、零售甚至退出貧困社區,使貧困居民必須仰賴黑市和非法服務生活。

美國公共住宅以及社會福利濫用情況嚴重,原本應該是幫助失業和清寒家庭減緩經濟負擔、重新進入良性工作循環的福利政策,如今已經變成慣性的貧窮複製。

在紐約市,公共住宅的居住時間飆升,從1995年的17年、到2005年的19年,到今天的22年,三代同堂的情況並不罕見。紐約市目前有17.8萬個公共住宅公寓,和27萬個家庭的候補名單,公共住宅中的貧困人口占紐約市人口近10%。

類似的情況在德國也日趨嚴重,德國貧困人口已超過15%,而其相對慷慨的社會福利政策使用人口漸多。在上不著天,下不著地的情況下,社會福利使用人口受困於經濟困境,已開始大幅跨世代複製貧窮。

在台灣這類公立教育為重的國家,許多人相信考試確保貧困家庭有翻身的機會。但事實而言,低收入家庭經濟負擔大,小孩不但要分擔家庭經濟重擔,根本不可能像是中產家庭與富裕家庭般花費大筆補習費幫小孩進修。

台灣許多明星公立大學的中低收入戶學生比例已降至1%以下,比台灣的貧窮人口比例(1.5%)還低。最後,頂尖公立學校的名額被富裕與小康家庭占據,低收入戶學童嘗試升學卻被擠入私立學校,讓低收入戶的經濟困境雪上加霜。

目前為止,不管是富裕歐美國家還是先進亞洲國家都尚未解決結構性失業的危機。在提供社會福利之餘,國家亦不能忽視貧困與失業人口的技能升級之相關教育機會。

模稜兩可的道德觀點

結構性失業問題的根本來自於多數社會公民模糊的道德觀點。 許多現代化社會公民多被灌輸一定的社會自由主義思維,除了在法治上推崇政府鞏固公共利益,在個人行為層面也推崇關懷倫理(Care Ethics)觀點,主張提供弱勢人口比他人更多的協助。

然而,在現代化社會盛行的資本主義風氣瀰漫,許多公民亦有古典自由主義傾向,希望政府不要干涉經濟和社會活動。在個人行為層面,許多人相信自食其力原則,並鄙視不勞而獲的行為。更甚者,甚至可演進成為主張弱肉強食的社會達爾文主義(Social Darwinism),或自掃門前雪的極端功利主義。

對於社會大眾而言,大家極有可能因為仇富情結而左傾,亦有可能因為階級與種族歧視而右傾。兩種意識型態並存,卻並非兩者並用,而是潛意識可能被其中一方煽動。情節好比電影「Circle」,當自身性命難保時,煽動任何一點族群對立都能讓一般大眾大開殺戒。

在台灣,這種自相矛盾的道德立場很明顯,多數中產階級會為了自己的利益去跟資方抗爭、支持對富人課稅,但是對於社會基層勞工的工作機會卻毫不關心。

不少台灣家庭寧願偽造文書、假借他人名義去聘請外籍看護和外籍勞工,也不願意多花一點錢去雇用台灣的基層勞工。社會大眾對於社會各階層的權益保護並非用以同樣的道德標準。

然而,在面對自動化工業的競爭,明天被取代的工作已不只是藍領工作,而是坐在辦公室內的白領員工。因為資訊和系統整合,公司所需辦公人力減少。因為法律和會計資訊系統的成熟,法律和會計事務所不再需要大批助理和秘書。因為線上交易平台的成熟,證卷交易所行員與投資銀行的交易員人數大減。

二十年後,世界各地的廣大中產階級將會消失。

在面對這二十年內即將發生的結構性問題,現在的社會大眾必須以一致的道德觀去看待社會各階層,並合作思考社會福利、教育學習以及產業轉型政策,而不是冷眼旁觀、嘲笑基層失業人口不夠努力。

德國牧師馬丁·尼莫拉曾說過:

當時在德國,
他們首先抓走了共產黨員。我沒吭聲,因為我不是共產黨員。
接著他們抓走了猶太人。我沒吭聲,因為我不是猶太人。
接著他們抓走了工會成員。我沒吭聲,因為我不是工會成員。
接著他們抓走了天主教徒,我沒吭聲,因為我是新教徒。
最後,終於輪到我了。此時,已沒有人能為我伸張正義。

《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。
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