2019是地方創生元年嗎?
2019是地方創生元年嗎?

台灣在2019年被認定為地方創生元年,國發會設定的地方創生有國家級的幾個戰略目標,今天無法全部細談,本文僅先就目標中的「創造地方工作機會」這件事,提供個人觀察與建議。

先說結論:

創造地方工作機會,必須讓返鄉或在地創業成功率提高;而完善地方創生支援生態系,則是輔助在地創業成功的關鍵。

矽谷之所以有這麼多新創成功,跟他孕育創業的環境生態系有直接的正相關,這已經是公認的事實。台灣或許未必能成功複製矽谷對於科技與網路的創新創業支援生態系,但我們肯定能發展地方創生的支援生態系。因為這與個別國家或區域的特殊風土、資源、條件有關,對每個地方來說,都是一個新的契機。因此,完善地方創生支援生態系,是台灣發展地方創生在政策上需要關注的焦點。

既然這樣,那這個地方創生的支援生態系應該長什麼模樣?我將之稱為「 MBEST 」。

圖一.jpg
圖一:MBEST支援生態架構。
圖/ 洪大倫

M代表資金,B代表商務發展,E代表育才,S代表空間,T代表科技。純粹是英文縮寫,很容易理解就不再贅述,重點是下一張的內容。。

圖二.jpg
圖二:MBEST支援生態架構全貌。
圖/ 洪大倫

MBEST想表達的是,地方創生團隊需要資金、商務發展、人才培育、空間,以及科技導入。有越成熟的MBEST支援生態,地方創生團隊越容易找到所需資源與合作對象,自然存活率越高,進一步穩定地創造地方工作機會。我相信此刻所有地方創生的國內外案例,大概都不會跳脫MBEST中的內容與項目,差別只是實際執行的內容樣態。圖二中的對象或案例只是舉例,政府可以做的則是補完這個框架中的資源,或成立平台來揭示不同地方的MBEST資訊。

此外,我建議應該將MBEST設定為一種指標,用來衡量地方創生的支援生態系之「成熟度」,藉此反應其資源的「匱乏程度」與「匱乏種類」。舉例來說,如果MBEST的滿分成熟度是10.0,某A鄉鎮經過評估,MBEST的指數是3.0,自然意味著該區域的創生難度很高,3.0距離完全成熟的10.0有很大差距,表示支援體系不夠成熟,而如果近一步拆解其3.0目前的組成樣態,就能知道該區域缺乏哪些資源項目,這樣才能順利引導國家資源與社會資源對接。

如果有教授願意研究,我相信把不同地方與區域利用MBEST指數化,即可清晰整理出各地方目前的創生困境程度;若能做實證研究,或許能做出MBEST指數與地方創業存活率的相關性。以經驗和觀察看,應屬高度正相關。

這裡補充一點經驗,因個人從事育成工作多年,我發現為新創團隊「媒合」資源時,經常碰到三個問題:

1.需要資源的團隊不知道自己真正需要什麼資源。

2.擁有豐沛資源的人不知道能給團隊什麼資源。

3.資源需求者與資源供給者不知如何對接。

因此,如果能把MBEST指數化,並且將其中的結構拆解,清晰條列在地所需的資源,我相信政府或社會應該更容易明白某個區域需要什麼資源,也許是某種軟硬體的解決方案,也許是資金,也許是某個專精的顧問,也許是一個營運空間。

鄉鎮型與都市型創生的比較。

再來我們看下一張圖,是關於鄉鎮型與都市型創生的比較。

圖三.jpg
圖三:鄉鎮與都市地方創生比較。
圖/ 洪大倫

鄉鎮的地方創生雖是目前政府重視的主流,然而都市中(或都市與鄉鎮的交界)也有許多需要重新活化的空間,讓可能消失或即將消失的聚落、社區、歷史建物,能延續新的生命。 但難就難在鄉鎮與都市所面對的問題不同,成本結構不同,原生資源不同,無法用鄉鎮的經驗去套都市,更不可能一味用都市經驗去搞鄉鎮。

這裡想表達的是,經常看到有人會拿某某地方的成功案例,來對比另一個地方,應該可以學習跟效仿;或是搬出某些檯面上創生的國內外意見領袖經驗,來框架另一個地方「誰誰誰説這不對,誰誰誰說那個不能做」,甚至會拿某些案例去質疑另一個地方所做的事根本不算是地方創生,這其實是完全沒意義的。

比方說,「國家的資源補助是毒藥」這種話,我就全然不認同。我認為這其中的關鍵只在於「政府資源依賴度」與「方向掌握度」,而不在於「拿或不拿」的問題。就拿圖三來說,鄉鎮就是缺乏資源,如果政府願意給資源,而你心中也能有一套完整規劃,拿了資源後能轉出自己的商業或運營方式,執行過程也能盡可能保持自己的步調,而不是事事遷就政府設定的KPI,在若干時間後能自給自足。如此,拿政府資源會成為毒藥還是補藥,其實是看自己的經營能力、態度與格局。

以我自己為例,長年都在承接政府計畫,還是刻意把來自政府端的計畫補助壓低在營收20%以下,再多我也不接,原因就是我們自己畢竟是一家民營公司,該有自己的獲利方式與核心能力,而不是靠著政府奶水長大,這是我們對自己的要求,就是怕最後對政府有高度的依賴,而且還會因為這個依賴而失去自己掌握公司經營方向的決心,讓團隊花一堆時間去做可能不具意義的KPI。

當然,如果有家公司設立之初,目的就是專門承接政府計畫或標案,那就是每個公司自己的選擇,沒有什麼對錯,更談不上什麼毒藥與否。

再回到創生的議題上,都市型態往往面對比較高的取得成本,無論是空間或土地,以及後續經營,都比鄉鎮高出許多。既然如此,難免都市型態的創生就會操作的比較商業化,我認為這也應當是社會大眾應該理解的一部份,而不是老拿鄉鎮型態的創生樣貌來要求都市型態照辦才算地方創生。

試想,如果你在台北市中心有一塊土地,價值20億,你會租給小農市集每年收500萬租金,還是租給業者去蓋飯店,每年收租金5,000萬?我想表達的是,從經濟的角度看,每個物件都有他的機會成本,都市機會成本高,本來就要有更高度的商業化操作,若非如此,身為資產的擁有者,無論是民間或官方,遲早會因為空間利用的經濟效益低,而改租給其他對象,反倒讓原先什麼保存歷史建物、維護在地文化之類的目的達不到,因為這完全違反了基本的市場經濟邏輯。

所以說,對都市型態的創生案件而言,商業化操作既是必要,更是難題。因為,純粹100%的商業操作,其實很容易流於跟一般夜市、商圈、露天賣場相似,若沒有創生議題與社會意義,長久來說也不可能獲得政府與民間的認同與支持。

因此我只能約略地說,對鄉鎮而言,操作概念應該是「 社會樣貌的商業化 」;反之對都市而言,則應當是「 商業樣貌的社會化 」。大家都往中間走, 差別只是因應不同地方的「社會化:商業化」比重不同而已 ,而不是只有0跟1的選擇。

創生領導單位的發展歷程

圖四.jpg
圖四:創生領導單位發展步驟。
圖/ 洪大倫

最後,讓我們來看創生領導單位的發展歷程。

圖四的說明是試圖想回答:如果有某個國內或國外的鄉鎮,組織代表團跑來台灣取經,看了很多案例後也想回去發展自己的地方創生,那麼應該從何著手?

回答這個問題之前,我先假設有此雄心壯志的單位是一般民間單位,畢竟目前國內外大家對地方創生的共識是由民間自己發起,而不是由政府發起,可能也非大財團,所以這層假設應屬合理。

如果是以民間公司或組織發起,那麼,我認為第一步就是,這個民間組織/公司,應該先有一套自己能存活的商業模式,再來談地方創生。當然,如果這個民間公司本身就已經在地方發展多年,我認為也是不錯的對象,因為最起碼他們已經能存活,同時又對在地了解,唯獨可能要抱持接納新的觀點來邀請更多人參與創生,而不是對既有的在地問題絕望且不抱熱情,那可能就有反效果。

誠如竹山的培鈞兄所說,社會企業如果沒有先求存活,還沒解決社會問題之前,自己就會成為社會問題。同樣的,地方創生團隊如果沒有先求存活,就急著要改變地方,產出社會影響力,這其實也是本末倒置。

殘酷的是,事情還真就經常如此。許多團隊往往在這個「求生存」的第一步就失敗了,完全談不上到第二步成為地方創生的領導單位這種事。所以反過來看,能在地方上自己創業成功,肯定就已經具備了某種「地方洞察」,整合了某種程度的在地資源與條件,才能讓自己在地方建立起生存空間,這樣的團隊如果意願上也有充足熱情,絕對非常適合扮演地方創生的領導單位。

是的,無論國內外,大家都同意地方創生的成功關鍵,就是在地方上有個領導單位,而且最好是民間的領導單位,不是官方或半官方去扮演。許多急需創生的偏鄉,原本就缺人,多數外地的人可能都願意因為某個區域的地方問題,出點小錢,偶而出點小力幫個忙,但你說真要長期改變地方,沒有在地團隊,在那樣刻苦的環境下拼搏肯定不行。

所以, 第一步得先有團隊能在地創業存活,第二步逐漸成為創生領袖,第三步則是拼湊出MBEST支援生態,能做到這前三步,該地方肯定已經有了一定的活絡樣貌 ,而政府或社會的資源要對接,也能找到對口與明確的需求,在地創業的存活率應當也會比完全沒有任何參與者在當地時高多了,自然會逐步創造穩定的就業機會。

拿小鎮文創的培鈞兄當例子,一開始他先在竹山貸款1,500萬買了個百年廢棄三合院,整修成「天空的院子」作為民宿;站穩腳步後,接著以小鎮文創的名義在竹山街上租下空間搞「專長換宿」、「竹巢學堂」、「光點論壇」,讓國內外許多人到竹山去,讓幾千顆腦袋進到竹山去思考、對話,產生社會擾動與影響力,成為竹山的地方創生領導單位;接著利用他的影響力,逐步建構MBEST支援生態系,串接商務、人才培育、空間,乃至今日成立「小鎮智能」,將區塊鏈導入竹山,試圖將消費者的花費訊息轉為視覺化呈現,了解還能強化哪一塊的社會價值。

同樣的,對照日本的木下齊先生的成功案例,大概也有類似的發展途徑。顯見,這幾個步驟的發展樣貌,應可作為有志地方創生的團隊之參考。

結語

  1. 給團隊的建議:創生實踐,需要先盤點地方狀況,每個地方狀況不同,作法自然會不同,不必拘泥別人的成功案例。專注先讓自己能在地方生存,接著成為領導單位,逐步發展MBEST支援生態,步驟之間其實不是一定做完才進行下一步,通常是一定程度的同步進行,只是重心上需要先求存,再求地方發展,這個順序比較務實。

  2. 給政府的建議A:可透過MBEST指數化,去反應地方創生的資源困乏度與結構,這樣才能把官方與大企業願意投入的資源做最有效率的分配與對接。說真的,不是塞錢進去地方就能奏效,地方缺的也未必是錢,更多時候是需要商務對接,像是通路、經銷、採購等。

  3. 給政府的建議B:目前國發會認知的地方創生,與基層民眾和民間單位的認知,有非常巨大的落差。這層資訊上的不對稱很嚴重,可能需要中央加強說明,以免讓民間有錯誤的期待。比方說,創生議題的大小、格局的大小,界定在哪裡?是不是太小的案例不要,那大的規劃要到多大?這可能都需要有更進一步的說明。

  4. 給政府的建議C:可以先找出地方創生民間領導單位,協助扶持,但鄉鎮市公所不太適合擔任那個領導角色,誠如今天座談時某鄉鎮公所的科員所說,他們多半是普考一般行政上去,並不太了解跨領域的問題該如何理解與整合。

本文由洪大倫授權轉載自其Facebook

《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