用聲紋辨識解決Alexa痛點,和碩童子賢:AI將重新分配政府職業
用聲紋辨識解決Alexa痛點,和碩童子賢:AI將重新分配政府職業
2018.06.09 | Amazon

和碩以「跨越極致」為主題舉辦的年度發表會,展出人工智慧、筆電跟汽車電子新應用,由董事長童子賢跟技術長黃中于一起出面。

人工智慧應用發展快速,童子賢舉農業發展上,人不用跟耕耘機比賽體力,電腦時代人不必跟電腦比賽記憶力為例,他認為工具再厲害也是工具,政府跟民間面對AI,可以將腦力粗活由工具幫忙,動腦的工作現在很多都被AI挑戰,我們必須接受,就搶奪工作機會而言,AI時代或許是政府最受到衝擊。

童子賢說,達文西機器人開刀已經很精密,但如何操作仍須專業醫生導引,人必須適應這樣的變化,未來學習、政府跟醫療業都會受到AI衝擊,挑戰現有職位的分配。

也因此,他認為政府與民間企業,一樣都要「再組織」、「再學習」,必須思考如何在AI時代、數位時代,如何很好的運用新科技,提昇生產力、改善效率。

黃中于表示,和碩將積極策略布局AI (人工智慧)、機器人、AR (擴增實境)、AIoT (人工智慧物聯),並從AI橫向延伸多元應用,利用軟硬體整合宣示迎接AOE (AI of everything)時代來臨,展出的多數產品也都已到量產階段。

IMG_4483.JPG
和碩COMPUTEX展示全新機器人,包括家用跟商用機器人海姆達爾(右)跟家用機器人AQUA。
圖/ 王郁倫

AI功能整合,語音助理實用性進階

和碩召開2018年Computex成果發表,可以觀察到持續投入人工智慧基礎研究3~4年所累積的實力,跟2017年相比,2018年展現了優異的整合度,聲控平台不只是支援Google Assistant跟Alexa,更自有技術開發能聽懂國、台語跟日語的語音辨識引擎,再結合人臉識別跟「聲波識別」技術,語音助理聽聲辨人,未來Alexa跟小孩聊天,不再會意外有「聊出5000元訂單」的惡夢。

Amazon Echo熱賣也帶來許多意外,Alexa語音助理不僅可以查詢,更可以協助上網購物,不過這個貼心的功能也傳出不少慘案,比方小孩跟Alexa聊天,大人們一個不留神,可能小孩已經於聊天中訂購了一堆東西,送到家才發現不妙!

Amica+_02.jpg
和碩開發以Google Assistant為基礎開發的Amica+多人辨識語音助理。
圖/ 和碩

第一台人臉辨識缺換帳號語音助理

然而現在這種危機或許有解,和碩開發Amica+多人辨識語音助理,只有辨識到「對的人」才可能啟動特定權限。怎麼辨識對的人?人臉辨識及聲紋辨識。

厭倦每天對語音助理Say Hi嗎?Amica+也是世界首款藉由人臉辨識進行使用者帳號切換的智慧語音助理,走到面前,語音助理就自動知道你。

Amica+多人辨識語音助理有高畫質 (1080P)螢幕跟廣視角(120FOV) Camera,整合語音助理Google Assistant與Google Service,搭配和碩自行開發的深度學習影像辨識技術,讓這款語音助理不必說「Hi~Amica」,只要走近一公尺內,面對機器,機器人可以視覺辨識自動切換對的用戶帳號提供服務。

Amica+這一年來「進修」不少課程,除了頭上的臉部辨識鏡頭可以切換家中不同成員帳號,報告Google Calendar行程安排,也可整合了FB的Messenger Bot介面,當要留言給家人,對Amica+下語音指令後,Amica+等家人返家完成臉部辨識後就會自動報告留言內容,用戶也可以在Messenger上下文字指令,命令家中的Amica+開攝影機察看家裡狀況。

一定要走到智慧音箱前做臉部辨識才能下指令嗎?Amica+也有隱藏版的功能,就是利用「聲紋辨識」,當學習家中成員的聲紋資料後,Amica+可以聽出是爸爸還是媽媽來下指令,提供個人化服務,若小孩想來下指令去電商買「娃娃屋」,只要事前限制過小孩聲紋權限,那麼小皮蛋是不可能買得成功的。

all_02.jpg
和碩開發的MARINA II語音助理可以聽懂台語,未來要教上海話也只要兩天,是和碩自主研發的語音辨識系統。
圖/ 和碩

台語也通,和碩語音助理Martina兩天學會上海話

Martina語音助理也進入第二代,相對第一年控制家電、回答天氣,這些技能跟Google與Amazon的語音助理差異不大,不過Martina一年後也精進到結合3D深度視覺與影像辨識功能,更成為和碩語音助理上唯一可以支援「中文跟台語、日語、英」等亞洲語系的語音助理平台。

2018年和碩在智慧音箱的聲控技術結合出現大幅優化,MARTINA II的多國語言溝通回應更快速,也能接近人類說話的節奏,不會類似銀行叫號「文字轉語音出現字與字之間的停頓」。

相對其他的語音助理平台多在Google Assistant或Amazon Alexa上去加值,MARTINA II則是一款純種由和碩軟體研發中心研發語音辨識技術,利用和碩自有人工智慧深度學習技術,透過神經網路(neural network)訓練,可因應客戶需要,支援多國語言語音辨識,和碩軟體研發中心主管透露,只要語言資料夠多,1萬多筆語音資料,「2天就能訓練MARTINA II去學會聽懂上海話指令」。

這個像石頭也像蛋的MARTINA語音助理,可以提供語言辨識雲給客戶,或連回和碩雲提供服務,所有的AI運算都在雲端完成。而鏡頭除可以分辨家中成員,還有3D鏡頭感測深度距離,感知使用者跟環境關連,當人走遠,播放音樂時會自動加大聲量,人走近就小聲。

聽得懂台語的MARTINA對家中長輩是好消息!和碩主管也表示,由於現代人語言複雜性高,中英混雜或中日與混雜的可能都有,因此MARTINA II也能分辨同時混和兩種以上語言的指令,比方「Hi MARTINA請幫我播放Adale的歌Hello」

IMG_4472.JPG
和碩董事長童子賢認為教育跟政府都要面對AI衝擊。圖為海姆達爾商用機器人。
圖/ 王郁倫

自走商用保全海姆達爾休息半小時就能工作9小時

海姆達爾(Heimdallr)則是一台「全時」商用二合一機器人,為什麼這樣說?因為內建電池,每充電半小時可以運作9小時,白天可以用人臉辨識及語音導覽等功能迎賓接待功能,還能幫忙送文件,晚間則可以轉為保全模式,由於日夜守護神聖任務,所以取名北歐神話中的守護神海姆達爾。

海姆達爾裡頭的心臟用的是NVIDIA 行動處理器 Jetson TX2,雲端監控後台能遠端控制、任務指派,並回報現場異常,目前,已有重要客戶採用開發中,預計下半年有機會量產。

AQUA則是家用機器人,有6軸運作配合馬達控制技術,除展現肢體靈活度,還能以環景360 度無死角的影像辨識與環境偵測,持續性分析空間中異常狀況,如: 火焰、空氣品質等,自動開啟空調或發出警報,利用卷積類神經網路(Convolutional Neural Networks,CNN)也可以分析使用者動作是否異常。

VisionUltra_02.jpg
和碩VisionUltra AR眼鏡已經跟故宮合作。
圖/ 和碩

黃中于表示,和碩推出有獨家專利的Slam自我導航功能,放在「海姆達爾(Heimdallr)」中,現場也展出居家安全監控系統Perla及電子座艙,支援V2X/LTE雙模車載資通訊系統。

和碩也展出199g全世界最輕的AR眼鏡,宣佈跟故宮合作,結合手勢操作,可以把翠玉白菜及清明上河圖真實呈現在眼前,拉近國寶藝術與人之間的距離。

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