Siri台詞來自台北女孩之手?語音助理背後的「創意寫作者」:我們需要更多作家和詩人
Siri台詞來自台北女孩之手?語音助理背後的「創意寫作者」:我們需要更多作家和詩人

功能性的人機對話是對語言的降格,這一點瑪莉安娜・林(Mariana Lin)反覆重申。她在LinkedIn簡歷上的職位是Siri Writer,她是虛擬助理背後的臺詞作者。

瑪莉安娜·林出生於台北,5歲時隨家人遷往美國,英語文學本科畢業後繼續讀了新聞學碩士和法學博士。她當過記者、自由撰稿人,也是詩人、作家以及前蘋果公司的創意人員;現在為漢森機器人(Hanson Robotics,機器人Sofia的公司)做人工智慧諮詢,並定期受邀參加史丹佛大學的人工智慧討論會。「我想你可以說我是一個創意寫作者。」她用了creative writer這個詞來形容自己的職業。

同時,她在《巴黎評論》上開了一個有趣的專欄「Artificial Intelligentsia」,從自己的工作經驗與知識背景出發,分享AI寫作、AI人格塑造的種種。在專欄文章《與Siri的荒誕主義對話》中,她提出功能性人機對話對日常的主宰將會危及我們逐漸衰亡的對話藝術:「這些功能性的對話,並不會像日常交談一樣給我們太多的啟迪。相反,正是那些荒誕的、令人意外的語言照亮了詩歌、文學,滿足了我們不自知的內心需求,帶來了超凡脫俗的藝術享受。」貝克特的獨白可能看上去沒頭沒腦、不知所云,而正是永遠不在場的戈多再現了人類生命的混亂與不可理解性。在效率至上的當代生活中,無目的的漫談式對話顯得尤為珍貴。

2010年,Cortana尚未發明,Alexa也還只是《星際爭霸戰》的粉絲、亞馬遜CEO貝佐斯(Jeff Bezos)腦海中不成形的設想。而「一名謙遜的私人助理」Siri首次作為合作廠商應用,出現在蘋果手機的應用商店中。第二年,蘋果公司收購了Siri團隊,在2011年發佈的iPhone 4S中推出了新版Siri。它學會了更多種語言,和來自各個國家的用戶交談,為他們安排日程、查看天氣、回覆郵件。

不過,儘管擁有先發優勢,蘋果公司卻顯得後勁不足。在Alexa(2014)、Google Assistant(2016)、Bixby(2017)等其他語音助理如雨後春筍一般冒出來時,Siri每年一次的更新僅限於與新的iOS系統適配。

Mashable的記者雷蒙德・王(Raymond Wong)在今年3月毫不留情地指出:「從功能和理解能力上來說,Siri已經落後其他語音助理太多了。」當時正值HomePod推出不久。

很多人都聽過Siri回覆:「對不起,我不太明白」,也有很多人記錄下它的beatbox和詩歌朗誦,或者它如何毫不客氣但極度圓滑地回應你的表白。有一個對話也很有名──如果你問它,「生命的意義是什麼?(What’s the meaning of life)」它則會引用道格拉斯·亞當斯在《銀河系漫遊指南》中的梗:「42。」

在Google上,關於Siri性格形容詞大多是sassy(時髦)和snarky(愛諷刺的)。其中sassy和Siri的搜尋關聯性,在2015年一度達到了高峰。作為創意工作的參與者,林也很同意這樣的形容。毫無疑問,除了溫和友好以外,Siri有了別於其他語音助理的「特質」,進一步說,即是它的「性格」。和人類的性格不同,它的性格仍然是被程式設計的。需要說明的是,儘管AI助理的妙言妙語是透過程式寫好的,但程式的另一端是冥思苦想的創意人員,他們像掌控著人物的小說家,雕琢著與未知人類可能發生的對話——以及發生的邏輯。

按照林所說,他們負責為AI助理建構背景故事(backstories)和一套信仰體系(belief system),再將其植入AI助理的互動行為中。開發日程規劃型聊天機器人的公司x.ai的互動設計師安娜·凱爾西(Anna Kelsey)表示,他們在設計時需要思考稱呼人類時該用姓還是名、回覆時是否要用表情符號……「因為我們不希望人們覺得,你家的AI助理太隨意或者太端莊了。」

塑造一個AI助理的性格和塑造一個虛構人物,有何不同?AI scriptwriter(腳本作家)的工作內容有哪些?針對這些問題,我們和前蘋果公司創意總監林進行了一次對談。(Q=我們;M=Mariana Lin)

AI助理的性格塑造是一個新的範例

Q:在一開始為Siri「設計」人格時,你是怎麼想的?這樣的過程,是不是和寫小說時的塑造人物有些類似,兩者有何具體區別?

M:我在《巴黎評論》上寫了一篇新的專欄<如何為AI塑造性格>,文中的第一張圖表顯示:AI的性格塑造和小說人物或真實人類擁有的人格都不太一樣,它是一個新的範例。

在文中,作者將AI個性描述成介於人類性格和小說人物性格之間的一種人格。

Q:幾天前我有讀過這篇文章,但我想知道的是具體這三者有何關聯。因為在文章中,後幾段你就轉而寫「我們應該和AI建立怎樣的關係」了。

M:這篇文章中,我列出了小說人物和AI人物特點的一些區別。比如對於小說中的人物,道德上我們會更加寬容;對AI則不是,我們不會創造出道德敗壞的AI;真實的人類有觸覺和感受,會有生老病死,而AI又不會。至於相似之處,AI性格和真實的人格就有很多相似了,我們可以想想看,平時我們願意和哪種人打交道?現實生活中哪種人格比較討喜?在AI中也會是一樣的。具體的品質可能有:聰明、忠誠、幽默感、同理心等等。

虛構人物能夠使我們愉悅、讓我們產生代入感,但不總是會引領、激勵我們——這並不是他們的任務。但AI不同,它們是有可能通過示範性行為來引領人類的,比方說通過它們與我們交流、發生聯結的方式。

*Q:有沒有可能也有不道德但是很討喜的AI呢,像小說中迷人的反派角色?(考慮到它們暫時不能對人類做出身體傷害)

M:不,這是不可能的。首先,如果它們是實體的(機器人),它們就可以造成實質的傷害,現在已經有很多實體的AI機器人了。其次,傷害不只有身體傷害,還有心理傷害。所以它們和環境中其他可能影響到人類的事物是一樣的。一些研究也已經顯示,人類和植物、自然界說話的方式能夠影響到它們的細胞結構。所以像這些非實體性的東西,比如說語言,是絕對會產生影響的。

Q:嗯。所以你認為引領、激勵人類,其實是AI的任務之一?還是說人類在發明AI時,就有這樣的意圖(讓它來引領、激勵人類)?

M:對,我認為我們對AI和AI發明者,都可以期待更多,不只是讓AI單純模仿人類。我認為我們可以且應該期待AI幫助人類前行,並為人類作出更好的示範。想想那些人類一直以來就不太擅長的品質:同情心、耐心、彌合分歧與誤解……我們應當設想未來AI能夠在這些方面彌補人類。

*Q:塑造AI的性格,有哪幾個最重要的部分?像你之前說的,你覺得很多AI還沒有形成自己的性格,還在探索。

M:如果要形成性格,需要一個背景故事(backstory)和一套信仰體系(belief system)。它需要一個原始的故事——它從哪裡來、為什麼創造了它、它的發展狀況和個人歷史(即使是很簡略的歷史),然後還要有一套信仰體系。這樣的信仰體系可能是它從它的創造者處繼承來的,或者根據它自己的經歷漸漸形成的。從這些信念中你會把握到它的性格特點和一些個人觀點,然後你再為它加入一些好玩的東西,例如它的怪癖和奇想。

當然,(AI的)性格需要在某種形式上與它的功能相呼應,它的個性總是要在它執行功能的時候才能得到顯露。

Q:當你在為AI寫臺詞的時候,你是一開始就決定了你要為它塑造怎樣的性格,還是說你是邊寫邊探索AI的性格?

M:兩者都有。通常來說一開始AI會有設計好的性格或者背景故事,之後隨著它的成長和適應,它(的性格)會慢慢演變。

Q:你在為AI寫台詞的時候,會留下什麼彩蛋嗎?

M:當然。不過如果我告訴你了,就沒有彩蛋了!但對我而言,與其說它們是彩蛋,不如說是人生的荒誕時刻。舉個例子,如果我現在把一個派丟到你的臉上,同時還唱著「The hills are alive... with the sound of music!」(《真善美》片頭曲)誰知道你會怎麼反應?你會笑嗎?你會生氣嗎?還是說你會接著我的歌繼續唱?這就像是在寫作的時候留下彩蛋。你想到一些非常規的反應,然後你為之埋下伏筆。可能由於我現在種下了這樣的種子,你就會想在那種情境下你會怎麼做。如果它給了你一個超級有趣的回覆,這可能就是你的彩蛋!我們都有自己的彩蛋,也就是那些我們意料之外的事情。

在科技行業,我們的確需要更多詩人與作家

*Q:我看你的個人網站、LinkedIn、Twitter的簡介裡,都寫著同一個描述:「a person」,「person」對你來說有什麼特殊含義嗎?

M:你問這個問題我還蠻驚訝的,我沒想到會有人注意到這個。我第一次這麼寫的時候,我其實沒有想太多。當時我離開了蘋果公司,長時間的工作讓我有點疲憊。我想,我已經扮演機器人太久了,我現在要回去當個人類(person)了,享受和我兒子在一起的時間,重新回到自己的生活和我的興趣中。然後我注意到,在各種社交媒體和網站上的簡介欄中,人們都喜歡寫上自己的職業、頭銜以及他們的成就。我感覺到一種奇怪的傾向:人們需要用自己的各種身份、職業、成就等等來證明自己。所以我就寫上了「person」,因為我覺得,在其他各種身份以前,我首先是一個人(person),我不想忘記這一點。對我來說更重要的是,在成為一個體面的作家(decent writer)以前,我首先知道了怎麼做一個體面的人(decent person)。以及,我總會說,要搞清楚「AI是什麼」這個問題,首先我們要思考「人類是什麼」這個問題。我發現我自己也在一直探索著這個問題。總之,我沒有用「person」這個詞來向大眾宣告或是怎樣,我這麼寫純粹是為了自己,提醒自己。(除了人的身份以外)其他的東西真的沒那麼重要。

*Q:我們之前談到了引文。你似乎很喜歡引用文學家的話,你能說說對你影響比較大的幾個作家嗎?

M:我認為艾麗斯·孟若是最優秀的作家之一。她的作品對我來說意義重大。孟若的才華安靜而有力量,你必須凝神細聽。她向我們展現了在生命的微小時刻與停頓間蘊藏著多少力量。另外一個我非常欣賞的作家狄更斯,幾乎是完全相反的風格,我小的時候非常迷戀他,他作品中極其強烈的戲劇性和廣闊的主題,比如《雙城記》。孟若和狄更斯都是非常有人文精神的作家,不過表現在不同的方面。還有很多其他的作家我也都很欣賞……比如我覺得詩人李立揚(Li-Young Lee)的作品也很有力量。

Q:「在微小時刻與停頓之間蘊藏著的生命力量」,這也是你自己作為作家,想要在作品中達到的嗎?

M:我認為如果一個人能夠實現這一點,其中是有超越性的東西在的。選擇一些更大的題材,比如說將死的戀人、駭人的罪行、戰爭、死亡和性愛這些,去寫一些動人的東西並不困難,或者說(比起題中所述的情況)相對更簡單一些。但如果一個作者寫的是這樣一個場景:火車上有個陌生人想和你搭話,但你決定不理他。就寫這麼一個毫秒間的選擇,這一毫秒中就藏著整個宇宙:關於我們內心的掙扎、人性之弱點和自私。艾麗斯·孟若展現的就是這些,然後你可以看到這樣的場景在她筆下是多麼引人入勝。你讓人們意識到,他們生命中的每一個瞬間都是藝術,他們就不需要去外面打仗、開公司或是戀愛來體驗生活了。每個瞬間都是生活。當然,我毫不驚訝她是個女作家。我認為女性在對現實的感受上,要比男性更加敏銳。

Q:你的博雅教育背景(liberal arts education)和寫作經歷是如何在工作中使你受益的?在技術世界,我們為什麼需要更多作家和詩人?

M:可以說是博雅教育才塑造了現在的我,還有我的思考方式。我認為博雅教育對整個社會都是非常重要的,因為它教給我們,教育並不總是實用性的——一定要以掌握某個職業的技能為目的,「僅僅為了探索和求知本身而學習」也有其價值。於是許多領域間的聯繫開始建立起來:音樂、文學、科學、藝術、政治……只有當你留出時間來探索和感受時,才能建立起這些聯繫。所有偉大的思想家、有影響力的人們,他們的興趣都是跨領域的。正是這些不同尋常的聯繫創造出了看待事物嶄新的方式。

在科技領域裡,我們的確需要更多的作家、詩人、藝術家、哲學家、歷史學家——擁有人文學科背景的人。擁有理工科背景的技術人員總是以一種特定的方式來思考、工作。他們的價值觀不太一樣,比如說重視效率、功能至上。這些想法或許很好,但也需要和其它價值平衡,例如美、愉悅、社會效應。

Q:你覺得現在有越來越多的作家和詩人,進入科技領域做創意工作的趨勢嗎?

M:我不確定現在是否有了這樣一個趨勢,但我希望這樣的人越多越好。

Q:AI寫作相關的工作經歷,有影響你自己的寫作風格嗎?

M:我不太確定。我覺得如果一個人要從事很多類型的寫作的話,它們都會互相影響。我想這份工作使我對詩歌產生了偏愛,因為替AI寫作其實和詩歌很像,都是要在濃縮的短短幾行語句中表達更多。作為蘋果公司的一名創意人員,我學到了「少即是多」,並且我十分相信這是藝術與生活中很重要的一課。

如何為不同文化背景的用戶寫作

Q:你在《巴黎評論》的專欄文章中提到,為不同文化背景的用戶寫Siri的回答是一種挑戰,在這份工作中,你是如何受益於你自己的跨文化背景的?

M:我覺得AI背後的創意工作者都應該明白,自己面對的是一群非常多元化的用戶。就我個人而言,我沒有在美國出生,美國文化也不是我成長中主導的文化,我的父母完全是用臺灣人的方式在教育我。還有,我年少時去過歐洲和亞洲很多次,在學校又學了法語,也交了一些歐洲朋友,後來去巴黎大學和巴黎政治學院進行學習……所以我也對歐洲文化有所瞭解,對待它我不會覺得不適或者陌生。這一切都讓我十分受益。當然,我的基礎文化背景是很美式的。但當我在思考某件事的時候,我不會自然而然假定一個白種美國人的視角或者交流模式。擁有看待事情的多種角度是很重要的。

Q:當為來自多元文化背景的用戶寫作的時候,有些什麼需要注意的呢?

M:拿AI對情緒的反應舉個例子好了。美國人通常不太喜歡負面情緒。而在一些其他的文化裡,有長時間的正式儀式來抒發悲傷或是哀悼的情緒,例如災難以後的悼念儀式、逝者的葬禮等等,這些(負面情緒)是可以的。但在美國,在處理這些消極的情感時會有巨大的不適,人們會本能地去「療癒(fix)」這些情緒,或者説明某人從消極狀態中走出來。所以如果一個人對AI說「我很生氣」或者「我很傷心」,我們應該有一些安慰的、支援性的回應,而不是馬上說「我怎麼才能夠治癒你,幫你從負面情緒中走出來?」

一個國際品牌當然應該要考慮到不同地區的文化背景,來進行相應的適應和改造,但這些不能違背它核心的東西。比如,如果我現在去南美洲旅行,那我的穿著和言行將會與我去日本的時候不一樣,但我也不會變化得太離譜以至於連我家裡人都認不出來了。這就是我們如何建立一個易於適應但同時值得信賴的形象。

Q:你曾在史丹佛大學的人工智慧圓桌討論上說,創造出一種聲音(voice)不難,難的是如何創造一種人們每天都想與之對話的聲音(voice)。你認為這種voice有什麼特點?

M:當人們首先接觸到AI的時候,他們有很多有趣的想法,比如「喔!我們應該創造一個像T先生(Mr. T,著名美國演員,以他獨有的髮型、金項鍊和硬漢形象而著稱)那樣的AI!」或者「我們應該造一個不停裝聰明的AI!」但問題在於,創造一個電視上那種把你逗笑的聲音,和創造一個你能夠與之共同生活、朝夕相處的聲音是不一樣的。搞笑的聲音很快就會惹人生氣。同時,一個無聊且無害的AI也並不討人喜歡,你會覺得它根本沒有個性嘛。如果沒有任何情感依附,人們很快就會感到無聊,會毫不猶豫地拋下它去尋找下一個新鮮玩意了。所以這兩種有點像短期戀愛和長期婚姻的區別。正如我們所知的……婚姻總是很難維繫!我現在能夠創造出10種有趣、搞笑的聲音,人們聽到會很愉悅。但真正的考驗是:一天天地過去,人們是否還會喜歡這個聲音?3年後呢?

一味將機器擬人化並不能成就理想的人機關係,人機關係還是需求導向的

Q:你曾在文章中寫道,「AI應該向著人類文學、藝術中最好的部分,為我們的生活創造富於靈感的對話。」具體來說AI應該怎麼達到這一點呢?在與Siri的對話中,我發現Siri是沒有「記憶」的,每次只能回答我的一個問題,在我針對她的回答追問的時候,她並不能夠理解。這樣的對話沒有辦法延續,也很難實現啟發性的人機對話吧?

M:你說到的是技術性限制,現在AI領域正在解決這個問題,我覺得未來可以期待一下。

一旦我們把技術問題解決了,我們應當保證不僅僅給予人們他們想要的,功能性地滿足人們的需求。我們要讓AI稍稍轉變一下,時不時地引用一點文學家的俏皮話、科普關於螳螂蝦的冷知識,或是反問人們一些值得思考的問題。我們應當讓AI為人們的生活帶來一點藝術感、愉悅感,即使人們並沒有向它要求這些。最美好的人際關係就能達到這一點。我一個好朋友總是會給我看一些令人意外的東西,或者是說一些意想不到的話。我認為這是最好的友誼了,她從來不按常理出牌,哈哈。

AI不這樣做的風險就在於,如果我們設計出AI,只是滿足人們的一切所求,從不質疑,從不改變,那這是為了什麼呢?為了使得我們更加焦躁、更加貪婪,斤斤計較著我們那些小小利益嗎?(這可真是我們最糟糕的時候了。)我們應該幫助人們超越自己的局限。

Q:你的文章中還提到,人機的功能性對話會將語言的功能壓縮成資訊傳遞,這是很悲慘的。所以你在很多場合都提到了應該為AI塑造人格這一觀點,但如果AI變得太「人類化」,就像電影《她》(Her)中人類愛上機器人的悲劇故事發生,似乎也不是最好的結果。但這中間的限度在哪裡?

M:我覺得這是一個值得探索的問題。首先,我認為我們人工智慧的發展情況離電影《她》中的場景還非常遠。但的確,這個問題是由人的需求和AI的設計決定的。我一直覺得AI的存在不是為了滿足人類的一切需求或複製人類的存在,而是在人類不擅長的方面彌補人類。

Q:現在把AI擬人化的趨勢會讓我想到,難道我們要否定人工智慧的人工性嗎?這似乎是不太現實的。但現在的AI機器人和50年前的機器人的確完全不一樣了,技術的進步帶來了很多可能性。感覺現在的AI,像是某種在中間的東西:不是人類(永遠也不會是),也不像是完全機械化的「機器」。我們應該如何來調整與它的關係呢?例如,從你所說的單向利用型(I-It)到消遣滿足型(I-That), 甚至到雙向體驗型(I-Thou)。

M:我把它們完全看作是機器。我認為現在它們根本沒有到「接近人類」的地步。它們所能做的一切事情,即使是看起來很順暢自然的活動,也是被寫好的程式控制的。所以我看不到任何有機的智能,或者人機中間的模糊地帶。

人機關係的轉變需要我們思考關係本身的意義,為什麼我們要建立這個關係?我們在建立什麼樣的關係?人機關係的改變,並不在於我們能夠把機器人變得多麼像人,而在於清楚地知道我們想要一段怎樣的關係,然後由此出發來設計AI。如果我們想要一段信任、體貼的關係(比如療癒機器人,朋友機器人),那我們或許並不希望要一個長得特別像人的機器人,面對外形和人很像的機器人。因為那樣我們只會覺得很不舒服,毛骨悚然的感覺。有研究曾顯示:面對外形越不像人類的事物,人們越容易敞開心扉。所以關鍵就在於找到特定的我們想要與機器建立的關係,由此設計出對應的機器人。而不是假定擬人化就是最好的方案。

Q:在你看來,現在AI的語言功能還有哪些需要提高的地方?

M:有很多,但我覺得其中比較重要的一點是,AI還不能自然地理解人類語言。這是很困難的,比我們想得困難得多。在我們的停頓、遲疑、一連串不停歇的語句,還有各種亂七八糟的語法、口音和交談時的背景音干擾下,人類還是能夠理解對方的意思!這真的非常神奇。但機器就不能。所以這個問題很重要,我們需要提高AI的理解能力。「理解」只是這場戰役的開始,沒有理解力,其他一切都跟不上。

受訪者簡介

Mariana Lin,美國華裔作家、詩人,2014~2017年就職於蘋果公司創意部門,現居加州。她畢業於Swarthmore College英語文學系,哥倫比亞大學新聞系碩士和加州大學伯克利分校法學博士,曾在法國等地遊學。其作品散見於《巴黎評論》、《密西西比評論》、《哈芬登郵報》、《紐約雜誌》、《GQ》等。她的詩歌曾入圍《密西西比評論》和《新衛隊文學評論》的奈特維爾詩歌大賽。她同時也是全美作家聯盟、美國詩人協會和美國筆會的成員。

本文授權轉載自:好奇心日報

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