以文會友
以文會友
2004.05.15 |

如果我不是經濟學者,生活內容想必和現在不同,可能更好或更壞;不過,如果不是因為經濟學,我相信不會碰上某些人和事。
1990年前後,我開始寫一些短文:這些文章不是文學性散文,也不是社論般的時事評論。我希望以說故事的方式,闡釋經濟學的理念。1993年,結集成書的《尋找心中那把尺》,由台北「天下文化」出版。5年的合約期間裡,這本書前後刷了二十幾次,成績還算不錯。可是,雖然現在我已經出版十餘本書,我從來都不認為自己是一位「作家」,更談不上是半個知名人物。不過,以文會友的事,有時倒是令人意外。

**我是信差,傳播經濟學內涵

**
幾年前,我利用教授休假到英國牛津待了一年;當時希望能藉機到歐洲一遊,所以行前到法國駐台辦事處申請簽證。我把自己和家人的表格拿給櫃台的小姐;沒想到那位女士看了一眼之後,突然抬頭問我:「熊教授你今天怎麼沒有帶煙斗?」顯然她看過我的書,因為我曾寫了好幾篇關於煙斗的故事。我很意外,那位女士也有點意外,說完話臉都紅了。因為我們將由英國出發到法國,依規定要到英國之後再申請簽證。所以,雖然有點小小的驚喜,可是也僅止於此。
這次再到香港客座,環境比較熟悉也多認識了一些朋友。其中有一位女士是和同事一起活動時認識。碰面幾次之後,我送了一本書給她。想不到又見面時,她拿出相機請別人幫我們照了一張合影。原來,她帶了我的書到常去的髮廊作頭髮,打算邊作邊看。髮型師一看到書很興奮,因為他自己就是讀者;他馬上有一連串的問題:怎麼她也看我的書?怎麼她會認識作者?作者的長相如何,是何等模樣?她帶相機照相,大概就是要留影存證,下次帶給她的髮型師看。從此之後,我知道在香港紹箕灣的某個髮廊裡,有一位沒碰過面的髮型師朋友!
雖然有些讀者覺得我的文章還算有趣;可是我自己很清楚其實我不重要,重要的是經濟學的思維。我只不過是一個信差,希望傳播經濟學的內涵而已。這次到香港之後發現要教一門短期課程;只有一個月,每個星期2小時, 共8小時。不過這門課有點特別,城大商學院裡有6個不同的系;不知道從什麼時候開始,也不知道是誰福至心靈設計了這麼一門課:6個系合作,每個系派一位老師,利用一個月的時間介紹自己的學科,而且要偏重「研究方法」。每位研究生不論所屬系別要選其中的4科。
我認為這門課很有意義,研究生們有機會接觸其他學科,可以擴充視野;老師們有機會面對其他系的研究生,可以測試自己、和自己學科的能耐。為了找適當的教材,我還頗費了一番思量;最後決定就以自己的書《我是體育老師》為主。這本書是在牛津那一年編寫而成,共有16章,理論和故事插敘。雖然書名有點怪,但是剛好適合這門課。體育老師是指我好像在學校裡教體育──教「頭腦體操」。

**眼前的事,經濟學都可解釋

**
對研究生來說,學習能力強;每個星期看4章,一個月討論一本書,不是大問題。研究生們大部份是香港本地和大陸來的華人,看中文著作也不是問題。但是研究生裡還有少數的老外,問題就來了。會計系就有一位聽口音大概是澳洲人,45歲左右。他來找我表示已經快寫完博士論文,也想修這個短期課程。我建議他看一本相關的英文著作,然後安慰他:看不懂中文沒關係,上課時坐著聽別人討論,也是一種別緻有趣的經驗。
等到課程開始,走進教室一看發現共有20位研究生;商學院各個系的都有,老外年齡最大坐在教室後排。他們的素質高、很認真,上課的討論也很熱烈。一個月的課程很快就結束,我要每位研究生繳一份報告;只要一頁A4的長短談談自己的心得。報告陸續繳來,我看得興味盎然;特別是外系的研究生對經濟分析都大大的推崇。有一位表示這門課雖然短,卻是他在城大3年來,上過最有挑戰性、最有收穫的課。
那位老外的報告讓我眼睛一亮。他提到在沒上這門課之前,一直認為經濟學很枯燥無趣;經濟分析太抽象不可能用來解釋真實的社會現象。沒想到上了課之後,才發現經濟分析的內涵這麼有趣。課堂上曾經討論「疏離的眷戀」(detached attachment) 這個觀念──對於工作、家庭、親情、事業,一個人可以眷戀,但是最好保持距離;心情上可以比較沈穩,也不容易因為事過境遷而感傷難抑。他說自己過去就有這種體會,也提醒自己保持這種心境;可是卻從來沒有想到,可以從成本效益的角度解釋這種心境的曲折。現在他已經完全信服,任何眼前發生的事,幾乎都可以從經濟學的角度提出解釋。
整個班上他是唯一不懂中文的人,但是卻寫出了一份最好的報告。透過電子信我把這份報告轉給所有的研究生與他們分享;我印了一份請系主任過目。他看了也很滿意決定把這份報告放在經濟系的網站上。

**過程重要,成績是肯定鼓勵

**
對於我來說,從這個短期課程裡也得到一點啟示。透過一篇文章或一場演講,或許可以讓讀者和聽眾感受到經濟學的趣味;可是要影響一個人的思維,需要一個過程,需要一段時間的咀嚼蘊釀。現在我知道,這個過程大概是多長──給我一個月的時間,讓我上4堂課,每次2小時。那麼我有自信,可以闡釋經濟分析的精髓,也可以對一個人的思維方式、產生根本的影響。
課程結束後,要為學生打成績,我想起同姓宗親熊彼德 (Joseph Schumpter) 的事蹟;這位著名經濟學者在哈佛大學任教時,不論教什麼課,學期成績有三種人得A:第一、女士;第二、基督教徒;第三、其他的人。經過考慮我把他的規則進一步簡化;有兩種學生得A:第一、女士;第二、其他的人。當然這有點半真半假似乎是兒戲;真正的理由是我教的課只有一個月,承擔的責任只是四分之一;而且這門課的性質,就在於拓展研究生們的眼界。重要的是過程而不是成績的高下。每個人都得A是對學生的肯定和鼓勵。
想不到副院長辦公室表示意見,認為學生表現總有高下不可能全部得A。如果任課老師堅持,必須在成績表之外提出書面說明。我是客人,當然不願意小題大作、據理力爭。同事倒是提醒我腦筋要靈活些;既然不能全部給A就讓一部份人得A+,一部份得A,其餘的得A-!
不過也就是因為這門課,我才想到:值得找家出版社,試著把自己的幾本書翻譯成英文出版。以英文發行之後,說不定會碰上一些其他有趣的人和事……。

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