日本新年號喜迎「令和」,工程師卻陷入集體大崩潰
日本新年號喜迎「令和」,工程師卻陷入集體大崩潰

從5月1日開始,日本就徹底告別了平成時代,步入令和元年。

而且由於天皇更替舉國歡慶,日本往年最長只有5 天的黃金周將被加量到10 天,也就是說,日本社畜即將迎來夢幻般的十連休!

令和
這也是自1948年日本頒布《假日法》以來的首個十連休。
圖/ 愛范兒

但對於已經到來的令和元年十連休,也不是每個人都歡天喜地。因為伴隨著新元號而來的,是一系列煩死人的系統年號變更問題。

作為全球唯一保留了年號和皇曆的國家,儘管日本在日常生活中也普遍使用公曆,但無論是銀行、證券、保險等金融機構還是行政機關,都仍在使用年號紀元。

東京證券交易所
圖/ 愛范兒

因此,從2019年5月1日正式改元開始,日本所有的電腦和軟件系統都必須在當天同步改用新年號。而在日的國際IT 公司,更需要將公曆與日本皇曆切換,將日本使用的軟件版本日期更新為新年號紀元。

而且,1989 年開啟的長達30 的年平成時代裡,互聯網信息技術迅猛發展,比起上次改元時,今日的網絡系統對人們生活的影響已不可同日而語。 如今電腦、手機、保險券甚至ATM 機都已經接入了計算機系統,對於日本程序員來說,讓所有的計算機都在5月1日同步改元,這還是歷史上從未有過的大挑戰。

以至於一位Twitter網友吐槽到:在改元的祝賀氣氛裡,IT從業者看到這幅畫面卻只想罵人。

twitter
圖/ 愛范兒

身為IT業不相關人士、隔壁看戲人員,大家可能無法理解日本程序員「隨時都會被拖出去祭天」的恐慌,然而在程序員甚至日本政府看來,改元確實是件關係國計民生的大事。

令和開年有點慌

儘管從小接受西式教育、業餘熱衷研究蝦虎魚的明仁天皇非常特立獨行,2016 年就宣布自己將打破慣例成為第一位生前退位的天皇,然而新年號還是要等到退位前一個月才能揭曉。 對於需要做出「技術性調整」的各行業人員來說,真正留給他們的時間只有短短一個月。

於是,新年號甫一公佈,全日本上下立刻緊張了起來!

表情圖
圖/ 愛范兒

一些選擇手動升級的中小企業為了繼續利用已經打印出的文件,開始搶刻令和年號橡皮章,橡皮章一時洛陽紙貴。

辦公用品製造商Hanko21 的總經理瀧口修表示,自己從4月1日起就開始親自下場和20 多名工人加班加點在工廠裡趕製令和圖章,但是他的努力沒有維持多久,因為「年號公佈三天後,我們囤積的橡膠原料就全部用完了。」

令和圖章
圖/ 愛范兒

而為了在一個月內對旗下的八十多個行政單位計算機系統進行快速調整,名古屋市政府撥款四億八千萬日元進行加班加點在5月1日前完成了賦稅、社會保障等重要係統的改造,但還有更多“不緊迫”的系統會留在1至7日由程序員加班完成……

當然,最發愁的還是電腦系統老舊過時的私人小企業。因為更新系統耗資巨大,有些日本公司的電腦系統已經二三十年沒有更新過了,幾乎和平成年代一樣古老,根本無法自動升級。

面對改元,山梨縣北杜市的一家老字號點心鋪可能是少有的能淡然處之的實體之一。這家店的老闆在30多年前昭和時代預定賬本時,把50 本訂成了5000 本,整個平成時代過去了賬本還沒用完。

元號變成令和後,起碼老闆今後只用改一個字了(昭和改令和)。

帳本
圖/ 愛范兒

中小公司改元亂成一鍋粥,而那些自稱「我好了!」的公司,也紛紛出現大漏洞。

一個月前微軟表示,將通過雲端向日本客戶推送令和更新包。而5月1日上午,就有還在加班的日本上班族表示Excel 日期混亂,不僅顯示出平成31年5月1日這種不存在的日期,公曆年份還變成了5 位數。

Excel
圖/ 愛范兒

與此同時,北海道銀行、北陸銀行和橫濱銀行開始發生大面積ATM 機混亂事故。所有轉賬日期都變成了1989年5月7日,至於被轉走的錢到底去了哪裡利息怎麼計算誰也不知道(畢竟在系統裡這已經是一筆來自1989年,存了30 年的錢),不過這三家銀行表示他們有信心盡快修復錯誤。

銀行
圖/ 愛范兒

而這場曠日持久的改元混亂,還要持續到5月7日。

在2019年5月1日內閣會議後的新聞發布會上,日本內閣官房長官菅義偉宣布,儘管5月1日年號就已經更替為令和,但改元工作要到5月7日才會結束。「我們不會影響公眾生活,」菅義偉說,但日本民眾對此存疑。

菅義偉
日本內閣官房長官菅義偉
圖/ 愛范兒

何事驚慌?

也許有人不理解,年號不過是一個名字而已,會造成這麼大的影響嗎?

事實是,年號與日本的計算機系統和各種證件的計數係統息息相關,一旦出現混亂,輕則證件失效,重則金融交通系統崩潰。

比如著名的「駕照迷思」。平成29年發放的駕照有效期至平成32年(2020年),然而在這個日期來臨前日本就已經進入了令和時期,理論上平成32年是不存在的。

人工操作時還比較好加以判斷,然而對於六親不認的計算機來說,所有有效期在平成31年4月30日以後的契約合同證件證券,全部都是無效的。

Dh1BR861RSN5dN045i5K2Ma61c2DH87E.png
圖/ 愛范兒

此時,就需要程序員們上陣迅速修改系統,保證人們的正常生活了。

而在平成12年(即2000年)2月,因為日本程序員忽略了2000年是個大閏年,沒有在系統裡加入29日,這一天在北海道札幌市拿月票卡通勤的上班族統統被堵死在路上,造成了交通癱瘓和大面積遲到。

雖然犯這種低級錯誤的真實原因已經不得而知,但總覺得換做用公元紀年的話,應該挺好發現2000年是閏年的。

因為年號和計算機系統實在過於煩人,維基百科專門在日語元號條目中加入了元號與計算機這一欄,長篇大論元號的種種弊端。

令和之後會更慌,昭和100年將來到

儘管令和的劫已經快渡完了,但日本程序員的夜明還遠遠沒有來到……

在2019年開年之初,有一位程序員小姐姐在Twitter上提醒大家:「比起新元號對應問題,還有更需要擔心的事哦~昭和100年就快要到了哦~ 」

twitter
她的言論立刻引發大量轉發,評論區一片程序員的悲鳴。
圖/ 愛范兒

日本的昭和時代從1926年開始,1989年結束,歷經64 年,因此昭和年號最多只有64 年。那麼讓日本程序員聽了就要跪的昭和100 年又是什麼鬼?

這還要歸功於前代程序員綿延三十年甩來的巨鍋。

1989年,日本經歷了昭和到平成的改元,那時的電腦還比較原始,內存只有64-128KB,每一個bit都至關重要,程序員只能想方設法從各種地方摳內存。於是,在記錄日期時,年份都只會記錄後兩位,比如1989年1月1日,就會被記錄為890101。

然而一旦到了2000年,巨大的bug就出現了。由於只保留後兩位數,銀行裡面的電腦可能把2000年解釋為1900年,從而算錯利息甚至直接消除賬面記錄,而你在1999年12月31日23:59分打了三分鐘的電話,電話局的賬單卻可能出現負數計數而導致系統崩潰(-100年+3分鐘)。

這就是大名鼎鼎的千年蟲問題。在全球同行都為千年蟲焦慮不已的同時,先代日本程序員們卻靈機一動……

如果繼續延用昭和年號計數的話,千年蟲問題就會被推後25 年,即昭和100 年( 2025 年)才歸零!比別人多了25 年,肯定足夠我們解決問題了!

所以如今日本政府和企業的系統裡表面上看起來一團和氣,實則一直在底層為昭和續命。

然而眼看令和元年都來了,清算的日期還有六年就要到了,新一代日本程序員們面對COBOL 等上古語言開發的系統卻更加迷惑了。

「銀行和大企業的基礎系統像古董一樣脆,怎麼也不能更新……!」
「30年40年前的代碼根本沒有說明文檔,剩下的部分也沒有追加變更記錄!」
「法律規定的5年追訴期早就過了,因為人事變動,當年的負責人全都找不到了。」

日本程序員大型崩潰,只能祈禱到2025年自己已經轉行了……

當然看熱鬧不嫌事大的人也是存在的。

「從平成到令和時代,昭和100年問題即將到來,好像被遺忘的時代的亡靈要來了,這不是很帥嗎?」

到那時面對「時代的亡靈」,日本程序員會不會想出新的甩鍋辦法,那就是另一個故事了。

至於當年甩鍋的老程序員則表示,「誰能想到20年後你們還在用這一套啊!」

本文授權轉載自:pingwest

關鍵字: #工程師文化
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