七年級創業家建言:如何在職場成為厲害的人?
七年級創業家建言:如何在職場成為厲害的人?

如果你剛好是被這標題騙進來的朋友,我要告訴你一個現實,那就是:厲害與不厲害,不是你應該思考的事情。

在這幾年,遇過許多剛畢業的朋友,他們懷抱著對於這個世界的未知,等不及想要挑戰這個世界。他們的目標,不約而同地指向一件事:我要讓別人看得起自己。

很有趣的,我剛畢業也是如此,不過在工作(創業)近十年之後,我發覺,厲害不厲害、有名不有名,真的不是那麼重要。

我遇過許多厲害的前輩,這些人不見得是極度知名的人物,他跟你談話的時候,也不會一直掛著過去的事蹟,但是講出來的實務經驗,卻是標準的乾貨,重點是他的經驗才是真正能幫助我或是幫助我的公司成長的最主要關鍵,這跟那些放在雲端媒體上的文章,完全就是兩碼子事,也才讓我真的重新思考我應該要成為什麼樣的人物。

不該在意自己的職位,而該在意是否能給予協助

很多年輕人,非常在意自己的職位,尤其在畢業之後,因為茫然,往往會用工作的職位來定義自己的「功能」。講功能也許有點不禮貌,但我也曾經嘗試定義自己的「功能」,因為我有這些功能,所以我能做些什麼樣的工作。好笑的是,當我創業後,我想的都不重要了,因為我遇到的事情,大多不是我本來就會的。

當學習變成生活中的基本,對挑戰跟失敗習以為常後,我發覺職位與會些什麼已經不是思考核心,我只思考一件事:跟我合作的人,是否都能因為我的存在而變得更厲害?

剛畢業的學生或許覺得能在大眾面前演講是一件很拉風的事,能快速提升名聲,但有了多年做生意的經驗後,我寧願選擇花兩個小時跟一個朋友好好聊天,雖然演講內容被大眾認同,大家覺得講得很有道理,但因為和自己的生活是兩回事,回家睡一覺就忘得差不多了。

但如有個朋友願意花兩個小時跟你一起研究問題,一起找尋答案,代表他認真地想改變自己的未來,也許後來他就成長了,那我就覺得這兩小時非常值得。

關於質跟量的思想差異,我思考了許久,我發覺我們過去的教育教會了我們怎麼做學問,卻沒讓我們學會為什麼做學問,我們常常追逐著那些看起來厲害的技術,工作時,追求高職位與高薪資,創業時,追求龐大的投資、輝煌的名聲與報導,卻鮮少思考,「你能幫助到誰?這些人為什麼又非讓你幫不可?」

對我來說,履歷裡那些Title不再重要,重要的是,誰曾經因你而受益?如果你是工程師,也許你幫助了PM,幫助團隊更精準達成目標,如果你是PM,也許你幫助了客戶,幫助的範圍甚至超過一個PM該做好的事,帶來超出客戶預期的效益。這些事,遠遠比你的Title更重要。

絕不用批評提升自己的高度

最近的媒體很多類似的文章,有些朋友因為出國工作了,發覺國外的環境有很多優良的地方,所以就說台灣讓人待不下去,凸顯自己在國外工作非常聰明。

姑且不論出國是不是好決定,我相信每個決定都有優缺點,每個國家也都有長處與問題,我們以偏概全看待自己的問題,凸顯別人的長處,好像也是怪怪的。

許多人的習慣,就是靠著貶低別人,讓自己看起來很厲害,但你能得到的,只是短暫的好處,就如同前陣子全聯總裁出來砲轟自己的新創團隊順便念了年輕人幾句,想凸顯自己過往成就,也許有些人覺得總裁講得有道理,附和了幾句,而後來的故事就眾所皆知了。

就像政治人物或是評論家批評政府政策一樣,批評很容易,有建樹則非常困難,凡事都是如此。在我認識的前輩中,越厲害的越謙虛低調,他們總是專心做他們認為重要的事情,也不外乎哄抬更多厲害的人,絕不毀損他人,其實原因很簡單,廣結善緣,會讓你節省很多時間應付外面的流言蜚語,更能有力氣專注在自己認為重要的事情上。

換位思考,找出對方需要解決的問題

我發覺養成一個重要的習慣,對自己幫助非常大,就是思考:你能怎麼幫助別人?你跟客戶談事情時,看著坐在對面的那個人,如果你確實幫到對方,就算案子最後不是你的,你還是會得到對方的尊重,別小看這一層尊重,這一層關係往往會讓你得到一些意想不到的好處。

許多人常常來找我做App或網路服務,我問的第一個問題常常是,你能不能不花錢做技術就先拿到生意?

以一般的電商來說,其實可以用FB的社團或是LINE的群組做一些早期生意,但很多人沒有做功課,就花錢做系統,花了一些冤枉錢還搞不清楚自己生意怎麼才能做得更好,陷入不把系統做好就做不好生意的迷思。做為一個接案公司,研究客戶的問題後發覺,客戶的問題不見得是技術問題,因此怎麼幫助對方問出好的問題很重要。

重點不在於今天他花了多少錢在你身上,而是你們有沒有機會在未來共創更大的價值,不是嗎?

厲害不厲害,從來都不是重點

我必須老實說,在我觀察這麼多厲害的前輩後,從來沒有人在意自己的Title是否完備或是夠不夠「厲害」,名聲也許能為你帶來一些好處,但在商務的世界,但若你的能力配不上名聲,名聲瓦解的速度比你想像中的還要快。

這篇文章,也許無法教你如何成功(因為我也還沒達到那個境界),但是如果你想在商場上打滾超過十年,那麼我要提醒各位,別永遠想著自己會什麼、厲害什麼、怎麼做個成功人士,因為這世界上一山還有一山高,但如果你願意,花時間仔細想想怎麼幫助身邊的人,如果身邊的人都因為你而有了更好的視野,那你這座山也就越堆越高了。

《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,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

關鍵字: #職場
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