台灣的致勝先機在哪裡?
台灣的致勝先機在哪裡?
2004.09.15 | 科技

儘管才是早晨,仲夏熱浪已讓人逼出一身汗,年逾50歲的恆錩公司總經理郭榮洲卻不畏酷熱,趕早準時前往台北國際會議中心,參加一場無線射頻辨識系統(RFID)研討會,而會場上如同郭榮洲一般遠道而來的取經之士,還有將近200人,其中不乏大學教授與知名企業的高階主管。「今年只要掛上RFID四個字母的研討會,動輒就有上百人參加,」對於眼前的滿場人潮,郭榮洲已習以為常。

**Wal-Mart扮推手點燃商機

**
這場RFID研討會,不過是郭榮洲今年所參加的十幾個類似研討會之一,3月他遠赴德國,4月轉戰新加坡,都是基於同樣原因,「人無遠慮,必有近憂,」從事條碼業務20餘年的郭榮洲,會急著想弄清楚RFID是啥玩意,是因為不斷有老客戶詢問恆錩有沒有能力提供RFID標籤,當時郭榮洲還是一頭霧水,接著警覺,若不趕快搞懂,麻煩可大了。
經過將近一年的全球征戰,郭榮洲現在有一番自己的體悟,「條碼就像DOS,RFID則是Windows」,有些條碼同業或許認為郭榮洲杯弓蛇影,但同樣「大驚小怪」的還有更多的知名企業,「Wal-Mart(沃爾瑪)今年4月開始授權8家供應商上線試用RFID,10月預定100家供應商跟進,結果跑出300家爭著要參加,」惠普科技RFID中心負責人周明珮協理說。
「惠普是Wal-Mart第7大供應商,也是提供資訊整合解決方案的業者,所以當Wal-Mart決定導入RFID時,惠普一方面要符合Wal-Mart的要求,另一方面,其他Wal-Mart供應商也向惠普尋求協助,」周明佩說明刺激惠普領先RFID布局的主因。
惠普的作法是先拿自己的工廠「實驗」,巴西聖保羅的惠普工廠自3年前起,開始導入RFID,經過不斷的嘗試與摸索,試圖找出最佳化的RFID解決方案。

**發揮管理長處,台灣更勝一籌

**
Wal-Mart為何急著導入RFID?根據Wal-Mart的試算,導入RFID可以撙節該公司83.6億美元的營運成本,其中8成為倉儲管理成本,這個數字相當於Wal-Mart 2003年度營收的4.2%,這些省下來的每一分錢,幾乎都可轉為純益,在當前競爭激烈、開源不易的微利時代,省錢是企業提升獲利的最有效方式,因此當Wal-Mart登高一呼,美國的Best Buy、歐洲的家樂福、日本的三越百貨等,個個躍躍欲試。
國內企業為何需要跟進?消極來看,未來Wal-Mart這些零售霸主,只認標籤不認貨,想上Wal-Mart貨架,得先把RFID解決方案準備好,若只朝這個方向想,形同挖台灣業者的肉,去餵Wal-Mart這隻美國鷹。但積極來看,透過RFID所強化的供應鏈管理,既然可以利於Wal-Mart,當然也能讓台灣業者受惠,「如果Wal-Mart有辦法省下相當於營收4.2%的開支,向來擅長供應鏈管理的台灣業者一定能做得更好。」周明佩對台灣業者的運籌能力,顯得信心十足。
亞洲作為全球的製造重鎮,對於RFID解決方案的需求,以及所可能產生的效益,恐怕也將是全球之冠,因此,亞洲的RFID商機,著實令各大資訊業者垂涎,而這些商機主要來自三方面,分別是標籤端,讀取端,以及系統整合服務。
惠普所提供的就是系統整合服務,為讓業者更容易了解RFID在供應鏈上的運作,周明佩與同事走訪惠普實施RFID的工廠,實地拍下運作模式,返國後建立了一套微縮模型,設於RFID中心內,這在全球各地的惠普分公司中,堪稱創舉,因此特別在牆上架設攝影機,透過內部網頁向全球惠普,傳播該模型逼真的運作流程,並讓其他地區的惠普同事,也能透過網頁向客戶介紹惠普所能提供的解決方案。

**垂涎商機,台灣業者爭先布樁

**
我們到訪惠普RFID中心這一天,惠普資深顧問林宏澤正忙著向來自緯創的代表,介紹模型的運作,林宏澤是負責為台灣業者導入RFID的核心人物,「我們不能透露已經輔導了多少業者,但大部份的知名電子公司,都跟我們保持連繫,」基於業務機密考量,林宏澤對此多所保留。
惠普的謹慎並不令人意外,事實上多數台灣製造業,不僅想靠RFID省錢,更想靠RFID開源。
「我們看到的不僅是物流的運籌管理,還有投資商機,」永豐餘策略整合中心經理陳奕翰,雖然對國際紙業公司(International Paper)如何運用RFID的試範個案研究頗為關注,但私底下對投資RFID的興趣卻更高。稍早,永豐餘已宣佈集團下的二家公司,永豐餘射頻科技、兆伸科技,將投入開發RFID業務,並由董事長何壽川的公子何奕達親自督軍。而資訊電子業者中,包括大同、光寶、燦坤、精業等,也正積極布署。
雖然RFID市場尚未明確成形,但這項應用被列為21世紀的10大發明,中研院院士虞華年也看好RFID將是台灣繼半導體與顯示器兩大產業之後第三隻待孵的金雞,不過台灣業者並無太多磋跎空間,因為美、歐、日本業者在RFID領域的布署已領先一步。

**有障礙,才有商機

**
來自日本自動辨識系統協會的主任研究員大坪則和,稍早帶來了日本的RFID發展經驗,90年代末期的e化日本計畫,讓日本建立起費用低廉數位網絡,現在日本正努力著手e化日本的第二階段,重點就在打造RFID等自動辨識系統,事實上,日本的成田機場、宮崎縣北方町立圖書館、廣島和平紀念館等,都已導入RFID,而日本的日立公司,更是早在去年就已開發出適用於超高頻(UHF)的μ-Chip晶片。
儘管起步稍落後,台灣也正加速趕上,在工研院系統中心的推動下,第一顆超高頻晶片在半年前已問世,近期並已通過封裝、測試,技轉給自工研院獨立分出的新公司ID Solutions,目前在工研院內的育成中心運作,「這些晶片目前以六吋晶圓來製作,已開始出貨給日本業者,而且還供不應求,」工研院透露。
不過目前RFID在推廣上仍有多項阻礙,包括標籤價格還太高,安全性有疑慮,以及標籤讀取率不高等,但發生問題之處,才有潛藏商機存在,否則老早給掠食一空。有人形容現階段搶進RFID,好比瞎子摸象,但誰有本事先摸出道理來,就會是這場21世紀商場革命戰役的大贏家。

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