人工智慧與數據變現實例,「現在」就是布局最好的時機點
人工智慧與數據變現實例,「現在」就是布局最好的時機點

人工智慧(AI)不是 buzzword,而是已經能夠落地應用的重要趨勢。國際研究暨顧問機構 Gartner 所公布的十大物聯網策略技術趨勢中,引領 2018 至 2023 年企業數位創新的技術,即為人工智慧。

每一間企業都已經知道人工智慧的重要性,甚至也開始著手蒐集大量的數據,卻仍有企業不知如何佈局,仍在嘗試挖掘數據背後的金礦,找尋人工智慧應用的方式,及尋覓各種商業模式的可能性。

現在儘管已經有實際應用,人工智慧仍在相當初期的發展階段。站在先行者的肩膀上,減少誤區、降低企業試錯成本是極為重要的捷徑。再慢,先行者將拉開一段難以追趕上的鴻溝。2019 年的未來商務產業沙龍就專注在「人工智慧與數據變現」,是所有想在數位轉型浪潮中獲得領先的企業,應關注的重大議題。

現在,就是企業投入 AI 領域的時機點

嘉利科技董事長班鐵翊引用麻省理工學院物理學教授 Max Tegmark 的書《Life 3.0:人工智慧時代,人類的蛻變與重生》作為開場。

書中提到:「人工智慧的發展比氣候變化問題更為迫切。」班鐵翊認為企業應該「主動」面對人工智慧。全球人工智慧的成功案例並不能說完全成熟,「現在是企業投資學習的時機。」若錯過這個時間點,企業將永遠落後於他人。

而人工智慧也不專屬於大企業的專利,在數位轉型浪潮中必須靈活且善用科技工具,剛好是創業者與中小企業莫大的機會。

AI 轉型的實際應用

初期投入 AI 領域發展的企業不可能一帆風順,精誠資訊副總經理蕭維鈞分享了過去精誠資訊開發的產品,提供更多人工智慧實際應用的案例。

第一是人臉辨識 AI 的相關應用,能夠部署於零售商店中用以分析消費者輪廓、性別、動線軌跡,「但沒人買單,」蕭維鈞笑著說,「因為老闆們太精明,投資都希望能夠看到直接的回報。」但他仍認為人臉識別是極具潛力的領域,另一個應用場景為智慧大樓,用於企業內部的門禁與考勤,已經有正式落地的案例。

第二則是品牌客服機器人,因為人機交互體驗透個人工智慧的賦能越來越聰明,足以識別用戶的意圖,甚至情感。應用的未來很廣泛──社群軟體或者是日漸普及的智慧音箱。

第三則是機器人服務,蕭維鈞也坦承目前機器人功能還沒到「甜蜜點」,較常見於輔助人力與重複性高的工作,但可愛、好玩仍是一大賣點。最後,蕭維鈞提醒,AI 轉型關鍵之一,在於創新服務設計,也是企業應該關注的重點。

靠 AI 提升電商轉換率

「資料就像是一堆食材,資料科學就是廚師,透過機器學習處理這些食材,人工智慧就是這些菜餚,完美發揮食材價值。」創業家兄弟的技術長李彥寬說。

成立於 2012 年的創業家兄弟,目前一年營業規模高達 50 億,在 2017 年成立資料團隊,李彥寬用一路走來的心路歷程,分享他們如何從零開始打造屬於電商的人工智慧。

創業家兄弟第一個應用人工智慧的案例,是他們嘗試透過名字預測消費者的性別。為的是降低消費者填寫資料時的跳出率,確立目標後,便開始建立模型並不斷優化。後來的識別準確度高達 9 成,隨著資料量越大也越來越精準。

「首頁排序與推薦系統」則是另外一個案例,蒐集消費者對於版位點擊與購買的轉換率進行優化。「一開始於營收占比只有 5%,現在則達到 35%,仍穩定成長中。」李彥寬說。

創業家兄弟導入人工智慧流程,李彥寬將其系統化成五個步驟:蒐集資料、驗證資料的正確性、分析、實作與整合、評估,「確定所有關鍵數據被正確地收集,持續發想呼應目標的關鍵特徵。」李彥寬說。

未來商務產業沙龍_2019_01_17_蔡仁譯攝-206.jpg
「資料就像是一堆食材,資料科學就是廚師,透過機器學習處理這些食材,人工智慧就是這些菜餚,完美發揮食材價值。」創業家兄弟的技術長李彥寬說。
圖/ 蔡仁譯攝影

新創如何應用數據槓桿出潛力商機?

透視數據有限公司(以下簡稱 PicSee)是一家提供短網址服務的新創。他們緊抓著數據為核心,如創辦人方選所說,能夠讓短網址從「藥膏變成藍波刀」:從小工具搖身一變,成為行銷人強大的武器。

PicSee 的短網址除了能夠為品牌客製化,打造專屬的品牌網域、自訂網址文字內容外,最重要的功能是結合追蹤碼,一窺使用者後續的瀏覽行為,並匯出受眾清單。方選認為這可以做兩件重要的事情:理解受眾輪廓,洞察客戶;並對這些人重新投放廣告(retargeting)。

「社群規則一直在變,但人性不會變,可以從中理解規則。」方選說。

除此之外,目前台灣前 50 名的 YouTuber 有 80% 使用 PicSee;越南也有許多百萬級的 YouTuber 使用。透過 PicSee 能夠交換「大家的觀眾都在看什麼」的資料。「交換價值,才能創造一加一大於二的效果。」方選說。

未來商務產業沙龍_2019_01_17_蔡仁譯攝-367小.jpg
「社群規則一直在變,但人性不會變,可以從中理解規則。」方選說。
圖/ 蔡仁譯攝影

另一家新創則是打造聊天機器人平台的邦妮科技(以下簡稱 BotBonnie)。在聊天機器人蓬勃發展這兩年,BotBonnie 服務過台灣奧迪、ASUS、誠品、台灣啤酒、誠品、華研國際等大品牌,創辦人羅建凱直接點出所有人心中的疑問:「到底大家都想要什麼數據?」

羅建凱認為,根據聊天機器人的類型不同,有三種不同的數據需求,大致上可以整理為下表。

聊天機器人關鍵數據
資料來源:邦妮科技;製表:數位時代
圖/ 數位時代整理

「聊天機器人是新的渠道,是新的戰場。」羅建凱說,而只有精準地收集數據,才有邁向下一步的可能。

未來商務產業沙龍_2019_01_17_蔡仁譯攝-299_v1.jpg
《數位時代》舉辦未來商務產業沙龍,以打造商務界專屬社群為核心訴求,第二場聚焦人工智慧與數據變現,分享趨勢觀察與行銷工具應用。
圖/ 蔡仁譯攝影

本次未來商務產業沙龍,不只討論人工智慧的趨勢未來,更實際將應用帶入現場,作酷品體驗。台灣獵豹商務總監呂偉強表示,小豹翻譯棒即是運用 AI 技術,排除過往大眾對於翻譯機的痛點,瞄準旅遊、商用商機。

從人工智慧的想像開始,到台灣企業實際案例的應用,最後則是一窺新創玩轉數據的方式。《數位時代》嘗試將數位轉型的痛點與關鍵知識與社群分享,因為這些 know-how 將成為企業數位變革的最強加速器。

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