打獵都講究公平,競爭怎能單邊?
打獵都講究公平,競爭怎能單邊?
2017.08.16 | 創投

一位加拿大特種部隊的狙擊手最近在伊拉克創下新的世界紀錄。他的子彈飛越3,540公尺距離,穿過摩蘇爾(Mosul)ISIS陣地的防線,成功地狙殺了一位ISIS戰士。

子彈飛行速度原本超過音速,因空氣阻力逐漸減緩,最後低於音速,因此飛越3,540公尺大約需要10秒鐘。10秒鐘前,被狙殺的ISIS戰士可能正在跟同袍無事閒話,或者無聊踱步,渾然不知3公里外一隻敵人的望遠鏡已經鎖定他為目標。敵人的子彈射出槍膛後,由於距離太遠,爆破聲無法傳達,即使能夠聽到,也在致命的子彈到達之後。

這是一個西方陣營優異戰力的證明。由於被射殺的是殺人無數惡名昭彰的ISIS戰士,讓人對戰勝極端的伊斯蘭狂熱組織產生一點信心。

但這隻長距離精準步槍的望遠鏡,也可以在3公里外鎖定一位自由世界的重量級政治人物,或是非洲草原裡毛色斑斕的獵豹,或是在蒙大拿州草原上徜徉的大麋鹿。這個時候,我們還會認為這世界受益於這樣精湛的射擊技術,而獲得更多的安全保障嗎?

如果再知道這隻型號為McMillan TAC-50的步槍,網路上一個平民可以用10,000元美金買到,會不會進一步覺得草木皆兵?

科學下的狙擊手

距離超過一公里的步槍射擊是一種精準的技術,除了如鷹隼般的眼力外,更需要分釐不差的科學計算。射擊者與目標間的準確距離是第一個變數,對3,540公尺的距離而言,子彈飛行拋物線的高度將近30公尺。地球自轉速度每秒460公尺,10秒的飛行時間,設計者和目標的經度緯度都成為重要參數。而最大的變數是溫度、空氣密度、和風速。最低的一級風也有一秒2公尺的速度,10秒的飛行時間便可能偏差20公尺的距離,何況在子彈飛行長達3公里的途徑上,風速不可能均勻一致。

科技讓這些不能控制的變數都成為可以調整的參數。再過10年,拜各種感測器、遠距遙控、人工智能之賜,摧毀任何目標,在彈指之間都可以完成。

我們還在意「公平狩獵」嗎?

在武器不發達的時代,打獵是一個獵人和獵物之間的生存競爭,從徒手、石頭、弓箭到子彈,武器越發達,人類越佔上風。後來獵物不再是人類食物的主要來源,打獵便轉變為貴族的休閒活動。既然是休閒,懸疑刺激的打獵經驗遠比獲得的獵物數目更為重要,因此產生了「公平狩獵」(Fair Chase)的觀念。

公平狩獵的基本原則是:獵人必須留給動物合理的逃生機會。例如陸上動物正在水中游泳,那就不可射殺,因為它沒有隱躲的空間;射擊距離不可太遠,讓動物可以發揮嗅覺、聽覺、視覺,感測到獵人的存在,有逃脫的時間。正因為這種種限制,提高了打獵的難度,獵人必須高明地偽裝,耐心地跟蹤, 打獵的樂趣因此提高。

從動物保育的角度,公平狩獵原則也有其必要。先古以來,原始部落緊遵古訓,不竭澤而漁,不殺懷孕中的母獸,不獵取超過食物需要以外的數量。然而隨著打獵工具的進步,地球上各種動物的品種和數量一天一天消失。高科技幫助人類克服肢體、感官的先天限制,延展了我們手腳所及,為我們裝置上千里眼、順風耳,因此使用高科技產品本身就是快感的來源。進步的射擊工具可以讓一位毫無打獵經驗的極客(geek)成為百發百中的獵人,也可以將一位熱血澎湃的青年訓練成殺人如打電遊的冷血戰士。對他們而言,公平狩獵原則是一個可笑的自我縛束。

國與國的競爭,更可能兩敗俱傷

人與獸對峙是一種情境,人與人的對峙卻是另一種截然不同的場景。人與獸間可以用「公平狩獵原則」調整實力的落差,人與人之間的休閒比賽如高爾夫,也有採用差點的慣例。但涉及到人與人之間的經濟競爭,甚至於你死我活的武力戰爭,誰還能講究風度呢?

競爭對手如果實力相當,雙方還能自制妥協,最後達成雙邊協議。但若雙方實力不對稱,強勢一方難免弱肉強食,採取單邊行動。

當強弱實力的懸殊日益加劇時,便賦予了弱勢者採取極端手段(革命、暴動、恐怖活動)的正當性。加之現代各種科技工具威力越來越強大,取得成本卻越來越低,不再是強勢者的獨門利器,弱勢者也可以透過各種管道獲取。如果強勢者恃強而驕,高調叫陣,雙方一觸即發,產生連鎖反應,後果便難以預測 (這是目前美國與北韓對峙的寫照)。

以上似乎在談武力科技,其實非武力科技亦可做如是觀。人工智能正以火箭般的速度爬升,未來必然將造成經濟競爭力的嚴重不對稱。經濟強勢者如果只知道採用單邊策略,總有一天會受到弱勢者的反撲,而自食惡果。

最近祖克柏與馬斯克對人工智慧是禍是福有所爭論。祖克柏認為人工智慧潛力無窮,只待人類開發,馬斯克卻譏笑祖克柏對人工智慧認知有限,不識其最終威脅。

其實,無論武力、國力、窮富,世間的差距將永遠存在。這世界上固然多數人有心改善差距,但總有少數人心懷怨氣,不惜單邊採取極端手段。祖克柏因前者而看到希望,馬斯克因後者而心生憂慮。面對既可載舟亦可覆舟的科技工具,人類一邊必須心懷謙卑,戒慎恐懼,一邊應該謹守「公平狩獵」的原則,留得空間和時間,彼此才有迴旋的餘地。

原始來源:獨立評論@天下,《數位時代》正式取得「獨立評論@天下」授權刊登。

《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: #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