人才缺乏,台灣準備好了嗎?
人才缺乏,台灣準備好了嗎?
2019.01.21 | 併購

在上一篇專欄中,我分享了十二月中去矽谷參加英特爾(Intel)2018 Architecture Day活動的感想,由於篇幅太長,我想在這一篇再談談人才的議題。不論矽谷或台灣,人才都是競爭力的關鍵,從矽谷看台灣,更可以看出台灣人才不足的根本問題。

此次去英特爾採訪,我見識到這家老牌半導體公司,雖然過去兩年高階主管流失不少,但卻又找來更多人才加入,讓英特爾的研發計畫可以持續進行。優秀腦袋在矽谷永遠都不缺,只是經常跳來跳去;好人才在矽谷也不缺舞台,只怕自己沒有本事。矽谷吸納全世界頂尖高手,在很有效率的市場中激烈競爭,不管是從A公司跳到B公司,也都逃不出矽谷(或美國)的手掌心。美國高科技領先全球,人才居功最大。

記得剛接觸IC產業時,大家最常說IC(積體電路)就是Indian+Chinese(印度人+中國人),但這次我注意到,英特爾安排的九場講者中,有超過七成是印度面孔,但華人一個都沒有,顯然此刻的矽谷,I已遠遠凌駕於C。印度人數理強、英文好,早就不是新聞,如今在矽谷更已占據許多重要位置,包括谷哥、微軟等大企業CEO都是印裔美人。

比較特別的一點是,中國赴美的留學生,大部分都計畫學成或工作一陣子後回中國,但印度人顯然大多留在美國,這個差別很明顯,原因當然也很多,印度不像中國有那麼多好公司很可能是主因,印度當然更沒有像中國砸大錢投資半導體,人才沒有大量回母國貢獻的需求,也因此印度人更加頭也不回地往前衝,在矽谷表現愈來愈突出。

回到我們自己的人才議題。在台灣,大家都很清楚人才很重要,但講了很久,這幾年國際人才來台的情況不僅沒有改善,本地菁英甚至還有明顯外流的現象。有關台灣人才不足的問題,我想舉三個近來觀察到的面向,做為大家討論的參考。

首先,很多人談到台灣人才會外流,第一個想到的就是中資來挖角。中資企業確實來台灣挖人,而且人才出走伴隨著技術流失,的確也是事實,許多業界人士講到位於竹北等地的中資企業如華為海思或展訊,以海外公司名義來台招攬人才,許多員工就這樣被挖角跳槽,而且不必遠到大陸內地工作,只要到同一棟樓的不同樓層上班,效命對象就從台灣企業變中國企業了。

殘酷的人才爭奪往往發生在自家門口

不過,這種挖角模式並非台灣獨有,力旺總經理沈士傑的客戶遍布全世界,他也見證了許多地方都有類似的競爭情況。舉去年最具指標性的案例德商戴樂格半導體(Dialog Semiconductor)公司,這家專為美商蘋果生產電源管理晶片、營收近八成來自蘋果的公司,2017年一度傳出蘋果有意採用自己家設計的晶片,結果Dialog一天就跌掉23%。

2018年十月,蘋果以6億美元買下Dialog的部分資產、300多位員工、專利授權及未來幾年的產品。 300 多名戴樂格員工,佔原來公司總員工數的 16%,這些散居在英國斯溫頓、義大利與德國辦公大樓的員工,蘋果收購後一樣留在原地或對面上班,唯一的改變是自己身上的名牌已從戴樂格換成了蘋果。

沒錯,這就是全球產業競爭的常態,殘酷的人才爭奪戰不會遠在天邊,往往發生在自家門口 。不論是矽谷或台灣,還是德國、英國及義大利,到處都有例子。企業想選人才,人才也要挑企業,企業競爭力一下滑,就別怪員工無情。幾年前,矽谷還有多位工程師提出集體訴訟,控告蘋果、谷哥、Adobe、英特爾、Intuit、盧卡斯影業及皮克斯等公司,理由是這些公司涉嫌共謀互不挖角員工,因此違背了反壟斷法。

從中資或外資挖角衍生出來的,則是另一個大家也常談到的外商來台併購議題。很多人覺得,台商被外資收購,公司消滅了,台灣的競爭力與人才都會出現減損,但這種看法似乎也不一定對。

去年初,宏達電將台北二千名手機團隊賣給Google,2012年,位於新竹的思源近四百名團隊被美商新思收購,這些人才都留在台灣工作,成為這些國際企業在亞洲的重要據點。從人才就業角度來看,這些台灣人才不受制於本土企業有限的發展條件,有機會進國際大企業任職,視野格局都變大,我也覺得這不是什麼壞事。

台灣博士也應該到世界的舞台競爭

從另一個角度來看,這些外商併購本地企業,人才依然留在台灣,把台灣產業鏈實力打造得更強大,投資及消費都在台灣,比起台灣許多企業投資都往海外跑,對台灣的貢獻其實更大。同樣情況對比矽谷,人才不管是跑到英特爾、超微或Google、特斯拉都沒關係,矽谷的實力沒有減損,創新創業更加生生不息,所有好事都在矽谷發生,這又有什麼不好?

最後,有關人才競爭力還有一件關鍵大事,那就是薪水太低的問題。這個問題隨著世界各國所得收入不斷拉高,把台灣遠遠拋在後頭,已經嚴重到讓台灣人忍無可忍的地步了。台灣所得沒有提升改善,別怪優秀人才要一個個跑掉。

先談教授薪資太低的問題。最近我訪問交大科技法律學院特聘教授林志潔,她是北一女、台大法律系畢業,後來當過律師,又到美國拿博士才回國。十三年前,林志潔回交大任教時,一位美國教授朋友打電話問她,「交大給你多少薪水?」她回答是2000美元,這位美國教授很驚訝地問,「這是周薪嗎?」林志潔老師很不好意思地回說,「不是,是月薪!」

這已是十三年前的事了,但十多來,台灣的大學教授待遇提升有限,因為待遇問題讓台灣錯失多少優秀師資?

如今,台灣要用別人四分之一的收入吸引好師資,我想答案很簡單,一定困難重重。近幾年來,國內大學博士班招生人數愈來愈少,辛苦念了五、六年拿到博士學位,做到正教授月薪大約也就十來萬,這種待遇,難怪沒人要念。

國內大學薪資這麼低,有什麼辦法突破呢?交大校長張懋中這兩年推動一個計畫,要讓交大畢業的博士能到世界各國大學任教,而張校長自己本人就是這種案例。張校長的學士、碩士及博士,分別是在台大物理、清大材料及交大電子,也是第一位以交大土博士的學歷,卻能夠被美國一流大學UCLA(加州大學洛杉磯分校)延攬出任教授及系主任。他認為 ,台灣培養出來的教授水準並不差,也不必將格局受限於只能在台灣大學任教,「教授的位置全世界都有,不是只有台灣,台灣博士也應該到世界的舞台競爭。」

至於拿到博士學位後到業界工作,薪資又是如何?不久前,剛好有一次與台、交、清等頂尖大學教授聚餐,大家很自然聊到這個話題。幾位教授一致認為,學生不想念博士的最重要原因,是因為念博士的出路與待遇並沒有明顯比碩士好,因此許多人讀完碩士後就覺得夠了,反正電子業工作機會很多,待遇也不比博士差多少。

以IC設計龍頭聯發科為例,該公司在錄取剛畢業的員工時,博士與碩士的差別,通常就是資深工程師與工程師的差別而已,薪資福利與分紅差距並不大,除非過去有很好的工作經驗,否則博士並沒有特別吃香。

不過,與產業界合作密切的清大電機系教授張孟凡特別提到,台積電給博士的待遇就相對好很多。台積電聘的博士與碩士,職級就差了兩級,月薪相差約一萬元,更重要的是分紅,通常多一個職級就是乘上1.3到1.5倍,差兩級就是1.7倍到2倍以上,如此全年薪資差距就拉開來了,這對取得博士學位當然有誘因。企業拉高博士薪資水準,大學博士班招生率一定馬上提高,聽起來好現實,但卻很有效。

但話說回來,若企業根本沒有朝向更困難的研發方向走,也就不需要高階的博士人才,講得更精確一點,若台灣沒有好公司、好工作,人才肯定不會來。一流人才選擇一流企業,二流企業只能用二流人才,因此,歸根究底來說,其實人才不來台灣,不該怪政府,頂多只能怪一半,最該怪的是企業,台灣若一直沒有頂尖企業,就別怪頂尖人才不來。這是很簡單的道理,哪一天台灣有很多像矽谷的好公司,人才不足的問題也就不存在了。

《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。)

關鍵字: #併購 #半導體
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