新創工程師的中年危機:滿盤皆輸,我還剩下什麼?
新創工程師的中年危機:滿盤皆輸,我還剩下什麼?

本文作者陳昭穎(Winston Chen),原文刊載於其部落格台灣工程師的矽谷故事

從公司第一位工程師,到第一位工程管理者,也已經三年有餘,從一開始事必躬親,每行程式出自我手,到現在我必須從同事工工整整,亮晶晶的程式區塊中,找出一些我能讀的懂的蛛絲馬跡。

團隊支援的產品,也從當初簡簡單單的mobile app +雲端伺服器,長到有硬體,有韌體,有embedded,有雲端,有mobile app,有DevOps,有Desktop Native⋯⋯等等戰線很長的整套服務。

身為一位負責一整個約10人工程團隊營運的工程師,除了經歷過好多場工程與營運的危機,要處理整個公司對工程團隊的信任問題,我的職責也離day to day的coding越來越遠,離管理越來越近。

處理過上一個工程危機以後,我開始深切任知到以往書上讀到後嗤之以鼻的那些所謂的「管理」,現在離我這麼近,我想這是一個抉擇吧?如果就這樣一頭栽進管理這條路,或許我以後永遠也沒有辦法回來當工程師了?畢竟捫心自問,比起管理者,我還是更想當工程師。

但是如果不轉身邁入管理這個領域,我怕我在職涯上的成長因此受限,回頭看看跟我同事的那些工程師們,每一個都在某些方面讓我嘆服,其他方面也完全不比我差。我已經老大不小了,養小孩的家庭時間正在蠶食鯨吞掉我所有的自我成長時間,如果不趁這時機跨過門檻,往後要在同一個平台上競爭,中年危機感只會越來越強,越來越烈。

其實我身旁的工程師中,也有不少正經歷中年危機的案例,老友工程師E在經歷過幾次傷心的職涯體驗後,毅然決然地遁出軟體業,選定了運輸業下手,打算自己做生意,擺脫軟體業中技術與管理之間的無限迴圈。老友工程師S在經歷過工程師,管理職,創業家,工程師,管理職⋯⋯等的循環後,選擇卸下戰甲,找到一個能跨國套利的工程師職位,不再過問管理界的風風雨雨。

老友工程師夫婦A與M,雖然雙雙在矽谷就職於令人稱羨的G社與L社,薪水總和堪稱朋友界之霸,但是一雙兒女的教育費加上在Los Gatos絕佳學區的房屋貸款讓兩人眉毛緊鎖,所有雄心壯志都先放到一邊。

這是無間道吧?我想。年輕一些時,所有人都認為自己的路會越走越寬,就算只是工程師,到某個時候,也一定有所突破,到時候突破所能夠換來的會是「自由」,有了自由以後,閒雲野鶴也好,將相王侯也好,都可以任我選擇。

後來當然不是這樣,突破點不會自己發生。走做公司這條路時,我當初賭的突破點有兩個:

  1. 或許會賺一點錢
  2. 或許會有一點名

或許會賺一點錢,跳出上班族的無限循環?

除非你已經連續成功創業過幾間公司,投資人甘願給你高薪水報酬,不然做新創公司要賺錢,只有把公司做起來,拿股份換錢。如果你運氣好,賭到一間facebook,算你祖上積德,恭喜你從此擺脫上班族的無限迴圈,進入高級新創人的族群,只要保守點花,從此吃穿不愁。

但是大部分的新創工程師沒那麼好運,運氣稍好的公司被Acqui-hire出場,股票沒賺到多少錢,但是至少混得進下一間中大型公司職缺,算是在人生職涯上有點交待,在朋友間也算抬得起頭。

運氣不好的,公司收起來以後,還得跟當初你面試進來的小朋友一起改改履歷找工作了,你贏得了你當初帶起來的小朋友們嗎?你比較貴喔XD如果這時候你還有簽證問題,那真的會有點難看,手上的選擇,隨著你的變老越來越少,越來越少。

或許會有一點名,還能再組隊攻略新的商業題目?

很多以新創為業的人都一樣,如果我成功出場,或是只要「看起來」成功出場,馬上可以想點新的題目出來,拿其他(「看起來」成功而已的話)創投的錢再度投入賽馬場,不管之前有多少萬個骨頭枯,找個當時熱門的題目(⋯⋯區塊鏈?),配上我過去成功所累積的名聲,還是能再度接近成功的。是嗎?

那如果連「看起來」都不成功了呢?後生可畏之外,我已經沒有任何名聲或是人脈資本去槓桿,失去了所有東山再起的可能,我在任何資本市場中呼不了風,喚不了雨,人生要如何繼續呢?

滿盤皆輸卻,看著別人成功

如果我最後的結果不理想,滿盤皆輸,看著別人美妙的成功,我能夠揮揮衣袖,散髮扁舟嗎?

應該是可以的!

功成名就本來就不是我兒時的夢想,我也不用向世界證明有多行。更何況在看過台灣矽谷眾多人才各顯其能後,我很清楚自己跟那些知名CEO/CTO,或是那些所謂超強創投傢伙比起來,什麼可以,什麼不行。

那麼,在經歷過這些風浪後,假設我截至目前累積的所有事業一敗塗地,滿盤皆輸的話,我會做些什麼?或者是,如果我運氣好,祖上積德,賭到了名與利,我會做些什麼?

仍然是「組隊開公司,做出並推廣自己著迷的產品,」我想。

這樣說來,我從來沒有為了名利苦撐,我苦撐都是為了自己相信的產品或是價值。想到這裡,心裡踏實了一些。成或敗,我都在做我自己想做的事情。

不要為了名與利苦撐。

所以走管理還是走技術?

其實答案已經呼之欲出了,如果還想繼續「組隊開公司,做出並推廣自己著迷的產品」我必須隨著公司的規模成長而成長,公司或是組織從來就不是一個人的事情,管理,也就變成下一個我必須掌握的能力了,默默翻開Julie Zhuo所寫的The Making of A Manager

至於這條管理路會不會走得越來越寬,走得自由呢?敬請期待。

本文授權轉載自:台灣工程師的矽谷故事

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