被開除的Google工程師告訴我們的事:關於「多元」與「歧視」
被開除的Google工程師告訴我們的事:關於「多元」與「歧視」
2017.08.22 | Google

近日,有一位Google工程師因為發表了被認為是助長性別刻版印象的言論而被開除。他的主張大體上有兩個,一個是認為,女性因「天生的性別差距」而無法晉升管理職位不是性別歧視;另一個則是指控Google打壓了內部保守的意識型態,沒有做到尊重「意識型態多元」。

雖然一直以來,在光鮮亮麗的科技產業中,性別問題總是高度爭議的問題,例如,前陣子Uber內部的性騷擾與性別歧視事件導致其CEO下台,還有矽谷知名新創公司創辦人也因性騷擾辭職,但要像這位工程師如此認真、誠懇且貌似友善地(某些媒體稱其文章相當溫和)表達出一種混然天成的歧視,那還真是挺稀奇的事情。藉著這麼難得的機會,我們當然要來好好談談關於「多元」跟「歧視」這兩件事情。

平均來說,女性…

如果你也跟我一樣,去找了這位工程師的原文:谷歌的意識形態回音室(Google's Ideological Echo Chamber)來看,應該也會感受到,這人真的不見得是個「壞人」──我指的是那些總是毫不掩飾地騷擾、壓迫著女人的男人們,也就是典型的性別歧視者。

他訴諸科學基礎想要合理化女性因性別差異遭受之差別對待,這樣的做法其實與總是想要「保護」女性的「紳士」們一樣,都看似無害卻內藏性別歧視問題。

在這很長也很認真的文章中,這位工程師不斷地透過所謂「科學的」論據,強調女性「平均而言」就是較注重感受、人(而非事物)、社交,甚至較為神經質等等,因而與男性就是有差異。雖然他也強調,並非要將兩性簡單化約為截然不同的兩個群體,但當他總是從「平均來說」看待兩性差異時,便不自覺地掉入「分類」的權力作用中,進而生產歧視性言論。

「分類」是我們在生活中仰賴的基本認知技巧。桌子與椅子不同、狗與貓不同,這種將事物分類的能力讓我們能夠有效地過生活,不需要每天都花大把的時間,對一個個事物進行分析跟界定。透過「分類」,我們能快速選定應對的態度與行為。例如,你通常不會期待貓跟你玩丟球遊戲。 但是「分類」同時也涉及一種權力作用,特別是當被分類的群體面臨生活(甚至生存)機會的差異時。舉例來說,在過去很長一段時間裡(現在可能還是),種族類別在許多國家(例如美國)決定了是否會在法庭上被定罪。

同樣地,「性別」在過去幾個世紀中,是一直影響女性生活與生存機會的分類。換言之,當這位工程師以「平均而言」的方式看待兩性差異,認為這只是解釋性別「差距」而非歧視時,他已經忽略了這個分類從來都不是簡單的分類,而是造就女性長久以來劣勢處境的權力作用。

此外,更顯矛盾的是,這位工程師在論述完女性「平均而言」如何後,又很「誠懇地」主張我們應該將每個人視為「個體」,而不是其所屬(性別)群體的一員。是的,我們該將每個人視為個體加以尊重,而不是只看其(性別與其他)屬性。但前提是:我們真的讓性別差異成為簡單的且不具任何價值位階的差異時,這樣的說法才不會是另一種遮掩權力作用的手段。

如果我們仍以「平均而言,女性…」思考兩性差異,我們就仍得小心各種「看似」抹除差異的言論。

意識型態多元?那是什麼?

至於這位工程師主張Google打壓了內部的保守意識型態,有害「意識型態多元」的發展,讓我想起上個月反同團體要求加入教育部性別平等委員會的新聞。據新聞報導,行政院當時也是以尊重多元意見表達的理由,同意這項要求。

不管是這位工程師的主張,還是行政院的立場,反映的都是一種很表面的,甚至是有問題的多元態度。簡單來說,這種多元態度主張,不管我說什麼,你都得尊重我也有這樣說的自由。這看起來很合理。但實際上,這樣的多元態度缺乏一個規範性的判準,最終很容易在尋求結論的前提下,導致「看誰拳頭大」的局面,例如,看誰動員的選票多、看誰喊的聲音比較大,或真的就是看誰能讓對方「消音」。

為了避免這樣的結果,義大利哲學家瓦蒂莫(Gianni Vattimo)的觀點在這裡有參考的價值。他主張,我們必須將「多元性」本身當作追求多元性的規範性判準。這個看起來弔詭的宣稱意指:在追求多元性的過程中,有一個基本的規範來判斷某個主張是否能被接受,這個規範即是:所有的主張都不得危及多元性本身。

也就是說,包容多元意見的前提在於,被提出的意見本身不會壓迫其他意見。瓦蒂莫認為,唯有如此,我們才有立足點反對那些實際上打壓了多元性的主張。

以此來看,在多元性作為規範性判準的前提下,將反同意見納入性平會根本就不算是「尊重多元」,而是漠視一種欺壓多元性發展的觀點。因為反同意見本身的主張是對某一群體的生存壓迫,是對人類生存多樣發展的打壓。同樣地,當這位工程師所謂的保守意識型態意指,因兩性的生物差異,維持兩性在工作環境、待遇、處境上的差異時,這樣的觀點也忽視了女性長久以來被壓迫的歷史與處境,因此不但難以說是落實多元性發展,更可能是歧視的危險變種。

因此,該工程師所稱Google的政策阻礙了「意識型態多元」發展,當然也是對多元性概念的誤用。

《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: #Google
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