Watson當AI醫生頻踢鐵板，林百里突破盲點：方法錯了|數位時代 BusinessNext

赫赫有名的人工智慧機器「IBM Watson」，近一年內裁員醫療部門人力逾半，更有開錯藥案例，理想國裡的「AI醫生」是否面臨現實考驗？

廣達董事長林百里擁抱AI已6年，突破盲點直言：Watson「方法錯了！」，要做「醫療AI」而不是「AI醫療」！概念對了，才能做好生意。

林百里是台灣少數大力投入AI研究的科技領袖，多年前一場大病康復後，更讓他對科技醫療充滿熱情，今年是廣達31年廠慶，27日廣達家庭日在林口總部盛大舉行，現場人員爆棚。

原因是台北QTMC製造部門成立，AI實驗室啟動，車載跟雲端製造工廠上線，因此，幫廣達領軍前往中國開疆破土19年的執行副總（總廠長）黃健堂，也罕見出現台北的家庭日舞台上。林百里指出，廣達已是AI第一，未來十幾年的主題都是AI，但過去講工程技術，現在講「解決方案」。

想把醫生變笨，這是本末倒置

2011年Watson在機智問答遊戲《危險邊緣》打敗人類，2015 年4月Watson Health部門成立，投資40到50億美元大肆併購，但2018年開始，裁員50%以上、開錯藥方事件頻傳，不過短短三年時間，Watson在醫療領域傾力投注的「AI醫生」願景是否遙不可及？

Watson碰到什麼問題？林百里回應，做醫療科技會碰到第一個問題：要做「醫療AI」，若是做「AI醫療」就錯了！

AI醫療是把一群超級工程師集合，把醫生的問題做成工程師解決方案，再提交給醫生，跟醫生說：你按一個鍵，可以幫你門診。林百里質疑：醫生怎麼願意？你要取代醫生？「不能，醫生第一個反彈。」

醫療科技碰到的第二個問題是，醫療是變化非常多的。不像IT（資通訊）產業，IT是照著做，結果就一定對；但醫療有太多因素，沒有考慮完整的話，絕對不會準確。

林百里說，應該做醫療AI，幫醫生診斷，成為醫生的工具，幫醫生更聰明，而不是讓醫生不用管了，把醫生變更笨，這不對，「這是本末倒置，不可能的，」林百里說。

當AI說你生命剩兩個月，你信嗎？

廣達投入智慧醫療，林百里是親自領隊到台灣、日本各醫院去拜訪，到現場瞭解。林百里說，他現在勤跑醫院，不是去看病，是去推銷AI，現在他才知道，肺、腸子、腦、心臟都有很多科，分得很細，每一個醫院裡面有很多資料。

「資料有語言的、有影像數據、DNA定序，DNA資料連看都看不懂，要怎麼輸入這些龐大數據？怎麼做資料統計？怎麼讓數據變聰明？」有些資料找都找不到，廣達必須思考怎麼幫忙處理，也因此廣達需要更廣的專業人才，不限工程師。

所以，廣達找麻省理工學院強大的AI團隊及哈佛醫學院團隊合作，「他們是讓醫生更聰明，醫生看不到的地方，他（AI）看得到，醫生沒想到的資料，（AI）幫忙找出來，但最後診斷靠醫生，這才是對的。」

這件事沒想得這麼簡單，林百里說，一切要慢慢進行，AI讓醫生更聰明，醫生讓AI也更聰明，產生良性互動，這是他從MIT學到的概念。

「概念對才能做生意！」過去IT輸入，程式反應結果就會是預料中，但「醫療不是這樣的，你敢不敢相信AI醫生的診斷？」林百里笑說，若AI說你只剩三個月生命，你相信不相信？一定不相信，跑去找其他醫生，所以這是方法錯，要讓醫生更聰明，不是讓醫生被取代。

日本錯過數位革命，積極擁抱AI大浪

AI將是第四次工業革命，日本正緊緊把握，林百里說，日本上一個浪潮中輸給台灣，硬體落後，這次正要急起直追，因此2020年奧運要推5G應用，2025年更要在大阪博覽會上推智慧醫療，每一樣服務中都有AI。

剛參訪完日本，林百里說，為何日本如此急迫？因為日本將是第一個進入超高齡社會的大國，70歲老人活蹦亂跳，還想一路做到85歲，北歐也是這樣，因為少子化非常嚴重，也因此這些國家都有完整戰略在AI農業、環保、能源上，唯獨台灣不急，「台灣科技學得好，但懂得多卻不去用。」

第三波工業革命的三部曲是：數位化、自動化及智能化，林百里說，「台灣都在玩，數位化跟自動化都慢，」農業沒有做數位化及自動化，要做到智能化就難，這也類推環保或能源領域，而廣達在製造自動化做了10年，要智慧化就很快。

AI的未來十年，每一步都未知

為了提供售後維修服務，廣達成立醫療自有品牌子公司，做B2B生意，正如雲端服務客戶，而成立QCT雲達科技一樣，「現在的客人不是以前客人」，林百里說，AI還有人權道德問題、法律新框架，AI產品已在美國能通過FDA，但在台灣還沒通過醫療認證的例子，因此，該怎麼做，「每一步都是難題，每一步都未知（unknown）」。

林百里說，蘋果賈伯斯有一句話曾讓他很受用：我把每個事情變一個點，很多點中，把重要的點連成一條線，就成為一個解決方案，很多線連一起就是平台。

廣達未來的策略不是自己發展解決方案，而是當客戶解決方案中的「AI Tool工具」，由於項目太多，商業模式也各不相同，廣達需要瞭解更多專業知識，因此現在最缺的是人才、缺解決方案（知識）及缺新客戶。

未來每一個人都該學AI，也讓小孩學AI！林百里27日向家庭日所有員工與家庭喊話。他說未來10幾年的主題都是AI，「我們會一關一關過」，而提到筆電代工，林百里毫不猶豫的說，那不是上世紀的事嗎？

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。

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。

「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