你今天區塊鏈了嗎? —企業導入區塊鏈的停看聽
你今天區塊鏈了嗎? —企業導入區塊鏈的停看聽
2018.09.04 | 區塊鏈

區塊鏈可謂為近兩年最紅的關鍵詞,從2017年中國因其巨大泡沫帶來的「割韭菜」效應,導致政府出面制止利用區塊鏈ICO,但也因為這樣,讓全世界都認識或聽過區塊鏈。隨之而來的是,許多人開始疑惑自身的商業模式與區塊鏈是否或應否發生關聯?在此,筆者將討論企業如何評估應否導入區塊鏈在其組織運作過程。

有一種說法是,「加密貨幣可能是假的,但區塊鏈是真的」

另外一種說法是2018年是區塊鏈大量落地元年,筆者從從事相關工作的角度,發現企業對導入區塊鏈的熱度逐漸升高,但要怎樣使用區塊鏈是個大難題。

如同AI的火熱,區塊鏈因加密貨幣的特性讓更多人參與,剎那間成為全民運動,但也形成很多不協調的現象,如在今年Computex Taipei期間,筆者受邀參加區塊鏈或加密貨幣有關的聚會,台上的人講著自己的幣和產業互動的連結,或根本就是在賣十多年前流行過的box pc(包裝成物聯網挖礦機),台下持幣者雖然討論氣氛熱烈,但多半只關心漲跌和內線。最後還是不會知道區塊鏈是什麼。

回到產業實務面,金融科技業由於跟加密貨幣的目標市場最接近,吸引了各式利益團體。

有趣的是,所有的區塊鏈專案一開始的起手式都是:區塊鏈可以改變世界!區塊鏈會影響到所有產業!

究竟區塊鏈怎麼改變世界,怎麼影響產業呢?總不會是所有的人都去搞幣,世界就會自動改變了吧?

由於區塊鏈泡沫,讓許多企業和各國政府嘗試著利用區塊鏈做些創新變革,區塊鏈也因技術上實作有許多變化,拿當年資料庫面世的狀況類比,不同的公司推出符合資料庫定義的產品和技術,但可能面向的產業和能解決的問題特性有各自的不同切入點。

近一點的雷同的例子則是雲端,若要揣想區塊鏈/分散式帳本的未來,可以拿雲端的歷史來做探討。雲端的觀念成形僅十年餘,現今大家已能朗朗上口,變成一種基本存在,以及大家都能接受的概念。筆者試舉幾個雲端的歷史演進來對比現今的區塊鏈泡沫,或許大家能產生新想法。

什麼是雲端?什麼又是區塊鏈?

發問者例如客戶,基本上不是真的想知道什麼是區塊鏈的技術,你不妨試問許多客戶,客戶說他們在用雲端,然若認真跟客戶討論何謂雲端,就會發現這問題的詭異之處,大家在經過多年洗腦後,早接受雲端這名詞,但具體講雲端是什麼,又好像回答不出來,所以,你覺得你真的想知道區塊鏈是什麼,還是其實你只是以為你想知道?你問對問題了嗎?

很多企業會問,怎麼證明你真的用了區塊鏈?

其實客戶不是真的問這個問題,並不是真的想知道資料是否寫到了區塊鏈,同樣的命題方式是你怎麼證明你在用雲端?事實上,早期的雲端很難證明你真的在用雲端。可以這麼說,客戶真的想知道和看到的是一個美美的dashboard告訴你:現在正在下進行寫入區塊鏈和從區塊鏈讀出的動作,千萬別說你可以開帳本給他看,那就跟怎麼證明你正在用資料庫而不是excel很像,你只是給客戶看資料庫的欄位寫入讀出,這些對於客戶是沒意義的。用傳統Server Client架構產生的特性效果和雲端是一樣的,那什麼時候知道你在用雲端呢?或者說雲端在這類命題的好處是什麼呢?

答案很簡單,當整個用量變大,或者你的服務開始跨國跨境跨區,這時雲端和傳統Server Client的差別就會出現。不證自明。

公有鏈與私有鏈

某種程度上,談論公有鏈與私有鏈,筆者認為跟談論公有雲和私有雲的情境類似。私有雲這個名詞出現可說是硬體伺服器業者對公有雲的反撲,若大家都用雲端,誰還要買伺服器?於是出現私有雲這樣的名詞,業者也宣稱比較安全。但事實上,你如何能確定你的資安能做得比Google或AWS更好?

當你用了私有雲,當業務擴張成長到跨區跨境時,這時你會發現只是用了難以同步成長,缺乏可擴性(Scalibility) 的Server Client技術,所有的基礎建設還是都要靠自己,沒有真的享受到雲端的好處。這種現象套用到私有鏈和公有鏈時,也會浮現類似的問題。

所以,用私有鏈解決了某個問題,未來你要準備多少資源和團隊來解決因為成長而帶來的挑戰呢?

舉個例子,現階段IBM也是用私有鏈或者聯盟鏈提供企業服務,那是因為全球化的團隊和基礎建設本來就是IBM的強項,若真的用私有鏈技術解決某個產業問題,無疑是為IBM這樣的企業帶路。當然正面的看待就是在大企業還未能反應過來時,先把位置佔好佔滿。

這是目前區塊鏈另外一個產業實際運用的矛盾之處,區塊鏈之迷人就是公開的帳本和多人共識帶來的可能性,實踐了新型態的「價值交換」方式,為了能促使更多的人參與其中,有些公有鏈會設計誘因機制,簡單說就是各種挖礦的概念來形成公有鏈網路,也因為這些誘因機制帶來了挖礦成本和新的交易成本,相比過去的雲端,反而把問題變複雜了,雲端你只要選擇好你的費率,基本上就不會有其他的意外成本。

假若你的服務試著架構在公有鏈上,那麼就得面對交易時間品質的不確定性以及交易成本的浮動。這就成了產業應用非常大的障礙,所以才會有聯盟鏈的機制出現。

但聯盟鏈也可能會變成是替某些特定產業大咖作嫁,如此一來,反而對於想用區塊鏈顛覆產業的新創來說不見得有利。

結語:區塊鏈是一個泡沫還是一場革命?

綜觀區塊鏈演進過程,仍然處於早期萌發階段,未來尚有許多不確定性與可能性,然而這股趨勢是令人期待的。

企業經營者若要掌握這個趨勢,必須鑑古而知今,透過資訊科技發展歷史找尋區塊鏈趨勢變化的蛛絲馬跡。企業是否該擁抱區塊鏈,筆者身為從業者當然是相當樂觀看待,從產業態勢及國際局勢來看也確實是樂觀的,擁抱新科技和趨勢本就是驅動產業前進的動力之一,至於企業該用何種方式擁抱它?如何善用泡沫而不被泡沫化?那就真的得把功課做足了。

《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。)

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