Google與微軟等軟體巨擘在台擴編,可能讓台灣落入工程高收入陷阱!
Google與微軟等軟體巨擘在台擴編,可能讓台灣落入工程高收入陷阱!

今年台灣軟體業一相當令人振奮的消息就是 Google 即將在板橋擴編,再加上原先微軟、亞馬遜在台灣的擴編計畫,顯示美國跨國科技巨擘未來幾年在台灣的營運規模將會增加。

台灣新聞媒體坊間有不少「大量投資台灣AI人才的傳聞」,然而這點從市場需求和產業結構看來,是有其疑點。撇開實際研發和營運項目不談,有一點能確定的就是這些科技廠商擴編,將會創造數千個工程職缺,而突然增加的人才缺口,也會提升台灣的工程薪資水準。

全球分工模式的隱憂

提升台灣軟體工程師的薪資水準是不是好事?

個別而言,當然是好事。但是,這也迫使我們正視全球分工模式對台灣本地產業發展的影響。

現在台灣的大型美商科技公司的中高階軟體工程師年薪約在120萬到200萬新台幣之間,但是同樣等級的中高階軟體工程師,在舊金山和紐約,年薪也在360萬到600萬新台幣之間。先不論是否有能力差異、文化差異或法規差異,類似的工程職務的薪資就差了兩倍。

因此對於美商科技公司而言,要在台灣給予超出市場行情的薪水,一點兒也不困難。最根本的原因在於這些科技廠商的市場在國外,而且很多都是在消費力、薪資水準高出台灣至少一倍的市場。而以美國而言,和中國一樣的大市場優勢更是讓軟體工程師的產出效益倍增。

除非台灣的新創公司與科技大廠也能夠在同樣的消費水準、同樣的規模的市場中占有一席之地,否則會很難以同樣高薪規格去搶工程師。

所以這種吃全球市場但是勞工在台灣的分工模式,最後很有可能會形成台灣工程師薪資水準由外商企業主導的結構性特徵。 當然,這意味著台灣的工程師的薪資漲幅將會因為這股作用力而高於許多其他行業,整體而言,到底對於台灣產業是好是壞,就見仁見智。

台版PayPal幫的可能性

PayPal創立於1998年,算是達康世代的成功案例之一。而Paypal的成功,也使得其共同創辦人以及早期員工持續創業,先後創辦了Founders Fund、Palantir、Tesla、YouTube等成功企業。當然,PayPal只是一例,Google、亞馬遜、臉書等都不乏有員工離職創業的案例。

那今天,是否這些大型科技企業擴編,就會更進一步刺激新的台灣創業潮呢?

敝人以為,將美國新一波創業潮歸功於PayPal以及其他成功科技企業,有點錯估了科技就業和創業之間的因果關係;除此之外,更是低估了「在地文化」因素。

長期而言,科技業,就連科技新創的就業,最後還是靠薪資水準去驅動的。對於大部分在科技業任職的人,多數人在乎的是薪資水準和福利,並不是甚麼雄心壯志或遠大的理想。而會想要創業的人本來就是少數,有膽識創業的人更少,這人口比例個人相信不會因為科技大公司雇員而有明顯的增長。

再說,如果美國科技大廠來台雇員會讓台灣人想去創業,那這早該發生了。況且,台灣這幾年也有微軟、Google 的中階主管高調回台創業,但是目前為止仍未見起色。這也告訴我們,跨國科技巨擘擴編,不會直接造就新創產業。

在美國,其實所謂PayPal幫的現象,並不是大家所想的因果關係。

美國科技業中,原本想創業的人,如果沒有二十幾歲的時候跑去創業,通常在大公司一段時間後也會思考離職創業的可能性。美國科技業的薪水不停水漲船高,除了科技業內同業競爭以外,另外就是大公司必須要維持比新創公司高至少20%的薪水,否則員工不是跑去創業,不然就會跳槽到新創公司去。而微軟、Google、臉書等企業紛紛成立了企業內的孵育器,希望讓想創業的員工可以在企業內發展未來可能成為子公司的新專案。

對於美國科技大公司,新創產業對他們而言是種威脅。這些公司的許多新政策,都是要防止員工離職去創業。

人才失衡與偏安心理

一切回歸現實,我們應該去討論台灣的人事到底在這些國際大廠的價值鏈中有甚麼樣的地位。

以微軟和Google而言,在台灣成立的「研發中心」主要是要運用台灣的中文語音和硬體製造優勢。整體而言,台灣在這些大公司的價值鏈中,占有的是「工程」和「品管」層面,離品牌建立、市場策略、產品設計的核心事業是有一段距離的。

而很不巧的,台灣新創產業最缺乏的,正好是這類人才。若國際大廠沒有辦法幫助台灣補足品牌、市場策略和設計人才,那在工程人才薪水調漲的情況下,台灣的新創必須付出更高的工程成本,但是卻可以跟國際競爭的品牌和商業模式,反而讓對台灣的環境更不利於創業。

就好像智利、澳洲、卡達、沙烏地等國落入「天然資源陷阱」而難以在軟體科技產業上推動創新,台灣可能會因此落入跨國科技巨擘產生的「工程高收入陷阱」。

論及文化層面,台灣人民族性偏安,與其選擇新創公司,多數台灣人反而會選擇更高薪的科技大公司或是公務員的鐵飯碗,而且之後會選擇離職創業的機率是微乎其微。對於國際科技巨擘而言,只要將薪水調漲至台灣公司無法競爭之境地,就能夠掌握大批穩定、相對忠誠而且相對便宜的工程勞動力。

長遠看來,這些科技巨擘的擴編計畫不但不會推動台灣的科技創業,反而會將台灣推向「離岸科技研發島」的方向。

這不見得是壞事,但至此大家就不該再對軟體創業的未來有太多不切實際的遐想。

《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: #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