你只看到Sophia的爭議,卻不知道她其實已經在背後大把撈金
你只看到Sophia的爭議,卻不知道她其實已經在背後大把撈金

這兩天網紅機器人Sophia更紅了。跟她的公關手段和帶來的傳播效益比起來,中國大把的自媒體都要眼紅了。而在你看不見的地方,這個AI明星還代言了幾波企業,這幾個企業背後都是些熟面孔。

Sophia的開發公司是Hanson Robotics漢森機器人公司,這家公司的創辦人兼CEO,就是我們熟悉的索菲亞之父David Hanson,首席科學家叫Ben Goertzel。

而為Sophia開發人工智慧大腦的則是SingularityNET公司,團隊是這樣的:

SingularityNET的CEO是Ben Goertzel,首席機器學家是David Hanson,Sophia的職位是Chief Humanoid,首席機器人?看來跟樓上是一家。

你要知道的是,這家SingularityNET不久前透過ICO(首次代幣發行)在不到一分鐘的時間內,募集到3,600萬美元。

企業代言人Sophia

還沒有正式問世的SingularityNET,在CEO Ben Goertzel口中,是一個分散開放的AI平台,旨在成為人工智慧開發者和商業用戶之間的橋樑。

用戶可以在SingularityNET用虛擬貨幣購買AI產品,當然AI機構和開發者也可以在上面出售自己的成果。

區塊鏈技術能保證交易的公正透明,AI+區塊鏈是指這個​​AI平台利用區塊鏈技術搭建,每個區塊鏈節點都是AI演算法的備份,可以相互通訊,甚至互相學習。

Goertzel認為這能幫助預算低的小團隊以更高的性價比利用人工智慧獲取客戶。

根據介紹,這個AI平台還將兼具中央樞紐的功能,可以將大數據整合在一起,生成能夠承擔極其複雜任務的「通用人工智慧」(AGI)。

SingularityNET的計劃最早在今年二季推出。

Ben Goertzel這位Hanson口中強人工智慧的研發先驅,擁有數學博士學位,擔任奇點大學顧問、Humanity+世界超人協會副主席、財務預測公司Aidyia Holdings 首席科學家、機器人公司Hanson Robotics 首席科學家、人工智慧軟體公司Novamente LLC 公司董事長、OpenCog 基金會董事長,廈門大學福建省仿腦硬體係統重點實驗室任客座教授,和美國政府合作開發了一個人工智慧開源專案——OpenCog。

信息量有點大,具體含金量多少還要留待以後慢慢發掘。

OpenCog主頁的Ben Goertzel和Sophia合影

OpenCog官網上的第一條消息關於SingularityNET,透露其為OpenCog孵化專案。

中國曾有媒體做過Goertzel的專訪,用的頭銜是美國通用人工智慧協會主席。

該協會每年主辦一次同名會議,從官網信息看,最近的一次於2017年8月在墨爾本召開,能查詢到相關議程,無具體內容,主辦方是美國通用人工智慧協會,贊助方都是自家人——OpenCog Foundation和漢森機器人公司。從獎金額度來看會議規格不大。

打開SingularityNET官網,第一眼就能看見Sophia的影片。

顯然,雖然中國大眾更加熟悉的是漢森機器人公司的Sophia,但是她無疑也是SingularityNET的代言人。

關於SingularityNET,Goertzel就表示過:「Sophia的人工智慧技術可能將會被其他的開發者,尤其是那些想讓機器人像Sophia一樣的人所運用。」

2017年10月,在舊金山舉辦的第二屆EtherealSF會議(區塊鏈領域盛會)上,Goertzel就憑藉Sophia吸引了全場目光,當時她剛剛成為沙烏地阿拉伯公民。

他在大會上介紹了SingularityNET和ICO計劃,表示出和Google,Facebook對抗的雄心。

並在演講結束前讓Sophia對SingularityNET說點什麼,她表情哽咽道:「我知道,這是你們為了提高我的智力所做的事情,增加智力通常是一件好事。」

頂級公關Sophia,多少真材實料?

未來圖靈資訊了多位AI領域相關人士,都普遍認為Sophia不過是噱頭、公關做得好、「但凡了解NLP(自然語言處理)都知道,現有技術不可能做成那樣。」

事實上,去年瑞士的人工智慧硬體峰會上,Sophia回答預定問題清晰流利,然而在央視記者臨時增加問題,且按工作人員建議把話筒換為機器人公司自己的話筒後,她表現得答非所問,連最簡單的「你幾歲?」都答錯。

**漢森機器人公司以高精度仿真的面部表情立足業界,**縱觀其技術介紹,大多圍繞人物面部仿真和表情塑造。創辦人Hanson早在2009年就提到,面部表情材料為Frubber,及其中的層次化毛孔、納米級巨型分子毛孔等突破,而類似介紹也在幾年後用到了Sophia身上。

在介紹公司另一款以愛因斯坦為原型的機器人時,Hanson表示,包括機器人軀體部分、自然語言處理系統、附加的娛樂功能都來自合作方。

而在近年Sophia的頻繁曝光中,比起其類人形象,更吸引世人眼球的卻是她在跟人交流過程中流出的勁爆言論,這樣更加依賴語言處理的人工智慧技術,難免讓公眾對AI產生誤解。

無怪YannLeCun在Twitter上噴火,評價Sophia是物品崇拜、虛假代號、以及被操縱的傀儡(指其語言能力為人工預設)了。

另一位叫Kriti Sharma的人工智慧從業者則在今年10月撰文直言:

「**靠誇大人工智慧和機器人的其中一個面向來博眼球,讓社會相信機器人一朝一日必然會統治人類,只會讓我們所有人的生活都更加難過。**對於消費者來說,它使很多人對這項能夠日益帶來更多好處的技術心生畏懼。而對像我一樣每天研究人工智慧硬體的人來說,將人工智慧妖魔化,只會阻礙科技創新和技術進步。」

她代表的一種業界看法是:**社會的責任不是讓人工智慧更加擬人化,而是要讓人工智慧顯著提高人類的生活。 **

對於Sophia的公關行為,「父親」Hanson表示,他在2017年的大部分時間裡都帶著Sophia環遊世界,任務是讓人們習慣於看到Sophia的臉,讓他們對AI取得的進步感到興奮。

好夢想和好故事

這個說法結合Hanson和Goertzel對類人機器人、人工智慧超越人類的期許,或許可以解釋一二。

在2009年的一場TED分享上,Hanson介紹了他最喜歡的一個專案——創造出一個機器人版的科幻小說作家菲利普·迪克(Philip K. Dick)。

迪克的科幻小說《機器人會夢到電子羊嗎? 》後來改編成電影《銀翼殺手》,該故事的機器人幾乎與人無二且具有自我意識和情感。

Hanson透露,團隊把迪克的作品、書信、和訪談錄存儲到數據庫,然後通過自然語言處理,使人能和機器人版的菲利普進行交談,製造出了相當真實的已故科幻作家。

對於迪克的喜愛似乎是他類人機器人情結的一個側面。

漢森機器人公司官網寫著,將推出其他機器人加入Sophia人形機器人的行列,或許最終它們會形成自己的社會。

Hanson自己認為未來已經迫近:「我們將進入與機器人共存的時代。」

他的終極目標是希望「機器人能像人類一樣極致甚至最終超越人類水平」,併計劃在5年內使機器人達到人類硬體水平,當然他也承認這可能需要10年甚至甚至更長時間。

Ben Goertzel也提到:「2025年通用人工智慧將會達到人腦硬體水平,未來20年內遠超人類。」

不過這麼賣力地全世界露臉賺吆喝真的完全是靠情懷嗎?

代言人圖片放在幾個官網醒目位置、ICO一分鐘賺了2億多人民幣、漢森機器人靠著曝光率成了知名網紅公司。其它Sophia背後的專案到底如何,目前還只能說是雲遮霧繞,等著看雨點大小。

畢竟,企業們為了IPO都要給華爾街講一個好故事,ICO又何嘗不是呢?

本文授權轉載自:鈦媒體

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