資訊科技不再重要?
資訊科技不再重要?
2004.06.15 | 人物

2年前,《哈佛商業評論》(Harvard Business Review)的總編輯與甫從奇異電器退休的威爾許因採訪熟識傳出婚外情,消息曝光鬧得滿城風雨,威爾許以離婚收場,這位總編輯辭去職務,《哈佛商業評論》則賠上專業形象。
去年5月,《哈佛商業評論》再次成為話題,不過這次不涉及兒女私情,而是其中一篇文章「資訊科技不再重要」(IT doesn't matter),由於觀點過於獨特,一年來在全球資訊業掀起文化大革命,引發許多爭辯與討論。作者是40出頭的年輕編輯卡爾(Nicholas Carr),因這篇文章聲名鵲起,並擴充內容在今年5月出書,只是書名少了硝煙味,改為《資訊科技還重要嗎?》
(Does IT matter?)。
卡爾原本預期這篇文章只引起一、兩週的討論,沒料到捅到馬蜂窩,造成軒然大波,讓自己一夕成名。畢竟,全球資訊產業一年規模達1兆美元,與中國的GDP相當,而且在過去10年是帶動全球經濟成長的火車頭,角色也等同目前的中國。要說資訊科技不再重要,那代誌真正大條囉。

**資訊科技不再是競爭優勢

**
卡爾的論點在於,隨著資訊科技走向標準化,包括軟體和硬體在內的資訊產品,已成為標準產品(commodity),意味著來自不同廠家的同類型產品之間,差異極小,這種標準化特性導致資訊產品在短期內可以大量生產,而且成本大幅下滑,因而快速普及到企業和一般消費者手上。
也因此,資訊科技成為基本配備,本身的獨特性消失,過去企業因為比競爭對手早一步投資資訊科技,或比對手多花錢買更貴的資訊產品,從而塑造出來的獨特競爭優勢,已不復存,擁有資訊科技不再是競爭優勢來源。
卡爾以19世紀末的鐵路和20世紀初的電力為例,在這兩項產品初問世時,因為資源稀缺,能夠使用鐵路和電力的企業,比起那些無法負荷的企業,擁有更強大的競爭優勢,當時企業裡甚至設置「電力副總裁」(vice president for electricity)職位,負責制定企業的用電策略和管理電力使用,就像目前許多企業都設置「資訊長」(chief information officer),負責制定公司資訊策略和架構系統。
隨著鐵路運輸和配電系統的標準化,鐵路和電力的成本大幅下降,成為大多數企業都能使用的資源,擁有這兩項資源不再成為企業的競爭優勢,類似電力副總裁的職位跟著消失。
卡爾認為,當資訊科技一如鐵路和電力普及,不再形塑競爭優勢時,企業接下來要面對的,只剩下「成本」和「風險」問題。他建議企業不要再花大錢追求新奇的軟硬體,成為那些天花亂墜業者和一大堆未經完整測試即上市產品的白老鼠,改做市場的追隨者,而非領先者(讓別人先試,等臭蟲除得差不多再用,省錢又省麻煩),並仔細核算風險(如當機、斷線、中毐、駭客入侵和內部資料外流)等,找到因應之道,比方把資訊系統的管理和維護外包給專業機構。
這種言論看在資訊業者眼中,簡直大逆不道,特別是這個行業在過去幾年是最會創造概念和新名詞的,像是B2B、ERP、CRM、EAI和SCM等,每一個名詞都代表一套系統,和背後數十至數百萬美元的售價。

**改用成本來衡量投資效益

**
反駁卡爾意見的大有人在,以美國《商業週刊》為代表,認為卡爾所描繪的景象在未來可能發生,但絕不是現在,資訊科技的演進依然日新月異,新技術和新應用不斷出現,仍是企業用來區隔對手的競爭利器。
雙方看來還有得吵,也都說對某些事。無論如何,卡爾的文章倒反映了目前資訊科技業的三項變化。
第一是回歸「投資報酬率」(return on investment)。資訊產品有技術門檻,不在這個專業的人不易弄懂,使得資訊業者對於自身產品享有很大的論述空間(光華商場賣的PC不算,這裡指的是號稱能幫企業解決各種流程問題的軟體系統)。一般企業投資其他項目都會先做投資報酬率評估,唯獨對於投資資訊科技沒有,一方面是卡在技術門檻無法評估,一方面是使用資訊科技創造的價值很難量化。
但是最近幾年下來,在景氣降溫導致企業資本支出縮減,以及企業先前投資資訊科技尚未見效之下,不少企業已把採購新資訊產品的權力,從資訊長交到財務長手上,用成本而非抽象的價值,來衡量投資效益。
第二是深化產業分工。當客戶用成本來要求廠商,廠商只能回過頭去壓縮生產成本,或者乾脆放棄,重新開發價值更高的新產品。以摩托羅拉為例,原本有自己的晶圓廠,但是比技術和產能拼不過台積電,比設計又拼不過專門的晶片設計公司,非常尷尬。摩托羅拉在去年將晶圓廠獨立出來成為新公司FreeScale,本身晶片改為向外採購,傳聞已久的IDM(本身設計和製造晶片的半導體公司)轉型風潮又多一家(先前已有易利信、阿爾卡特、日立和NEC等IDM把晶圓廠脫手)。

**「賣產品」比「做產品」重要

**
另一個例子是IBM。IBM在1997年就把重心放在專業服務和電子商業上,電腦製造業務一直傳言要脫手。6月初,IBM和中國長城國際合資的筆記型電腦工廠(IBM持8成股份)已確定要賣,競標者有鴻海和聯想。接下來,就看IBM的晶圓廠(於2002年初改做晶圓代工,但業績未如預期)是否會跟進。
第三是業務能力當家。當資訊科技變成標準化,技術門檻下降,「賣產品」的能力將比「做產品」來得重要,擁有行銷業務能力的主管,將取代技術背景的主管,成為科技公司的執行長。葛斯納1993年成為IBM執行長,錢伯斯1995年成為思科執行長,菲奧莉娜2000年成為惠普執行長,已為這件事埋下伏筆。這3人都是業務出身。
以技術創新的矽谷來看,前三大企業惠普、英特爾和思科,已有兩家是用業務主管當執行長,而英特爾也將跟進;將在明年接棒的英特爾現任營運長歐特里尼,將是英特爾第一位非技術背景的執行長(前面4任諾宜斯、摩爾、葛洛夫和貝瑞特都是理工博士)。
資訊科技還重要嗎?卡爾無意挑起的話題,卻正好觸及1兆美元產業進入轉型關鍵時刻,牽動許多人事、資金、技術、產品和產業變革,你說這件事重不重要?

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