為了讓員工吃蔬菜,Google用上了千方百計
為了讓員工吃蔬菜,Google用上了千方百計

傳說Google公司的免費伙食好得很,新員工入職基本都會多個15磅(約6.8公斤)。這被稱為「Google 15」。

不過,現在的Google雖然依舊美食滿滿,但公司正透過改變食堂和茶水間的設計來引導員工養成更健康飲食習慣。

讓健康食品更搶眼,更容易獲得

在很多自選快餐店和食堂,單價最高的肉類菜品總是放在食物列的最前端。

這背後也是有講究的——有研究認為,飢腸轆轆的人通常會選擇吃自己第一眼看到食物。所以,食堂常把最貴的肉食放最前,期盼你選擇它。

因此,Google將沙拉台設在食堂入口旁,最當眼的地方,使它們成為踏入食堂第一眼就看到的食物。《OneZero》作者簡·布萊克(Jane Black)在紐約食堂午餐時,留意到一大半員工邁入食堂後,都會停留在沙拉台。

蔬菜
圖/ 愛范兒

除了沙拉之外,員工在自助餐列還有其它素食類菜品選擇,而且它們都被放在靠前的地方:椰汁咖哩秋葵、烤菜花搭配腰果、胡椒西紅柿拌印度奶酪、咖哩香辣豆腐。設在最後的是唯一一道純肉菜品咖哩羊肉。和肉食一樣,甜品同樣設在自助餐隊列最後。

據簡·布萊克(Jane Black)觀察,很多人排隊選餐的人在去到羊肉之前就選了很多菜品,放滿了托盤,只有少數人會故意留空托盤等最後的肉。

而在飲料方面,Google食堂裡處處都能找到「水療飲品」——純淨水裡放著草莓、檸檬或是青瓜。相比之下,含糖飲品以及瓶裝水被放在相對「隱秘」的地方。

食堂之外,這個擺放原則也被沿用於辦公室裡的休息室。

等待咖啡機做好一杯咖啡大概需要40秒。而在這40秒裡,等待的員工很可能會「手多多嘴癢癢」就拿起身邊的零食或水果來吃。有研究指出,高腦力工作者在餓的時候更想吃高熱量不健康食品。

喝咖啡
圖/ 愛范兒

為了減少大家在喝咖啡時意外長肉的情況,Google將餅乾、巧克力和糖果等放得離咖啡機更遠,從原來的2公尺距離變成5公尺。結果是,這多走的幾步將男女員工吃零食的概率分別降低了25%和17%。

所以,Google現在所有休息室裡的零食都離咖啡機比較遠,不健康零食的類別也壓縮到只剩M&M巧克力豆和小熊軟糖。而且,這些零食也被放在不透明容器中,進一步被減少曝光率。

同樣道理下,休息室冰箱的玻璃也有了「層次」。透過透明玻璃門,員工能看到冰箱裡礦泉水、調味水和酸奶,這些都位於視野水平位置。而加了糖的汽水和茶飲則被放在冰箱底部,它們面前的玻璃也被加上塗層,降低透明度。

「我們不是傻的」,Google的員工說道,她表示他們知道這些飲品就在那,但也表示「眼不見」的確減少了去喝的誘惑。

更小的盤子,更小份的高熱量食品

小盤子
圖/ 愛范兒

有研究指出,用相對小的器皿來吃東西,進食量也會減少。

你是否試過為了不浪費食物,硬生生在吃飽後還強行把碗裡的食物吃完,一不小心就吃太多了?

另一種情況是,不管吃飽沒有,人只要手邊還有食物,就很難主動停下來。

因此,Google食堂的自助餐盤子也比一般標準12英寸的盤子小,只有8-10英寸。而且,部分食堂還會在盤子區增添標語,告訴員工「用大盤子會吃更多哦」。這個簡單舉措,讓使用小盤子的使用率增加了32%。

此外,肉食和甜品一份的分量也會變小。當然,你隨時都可以多取幾份,但在伸手之前,大家也會更傾向去思考自己是否真的需要吃那麼多,進而培養更有意識的飲食選擇。

美味才是硬道理

以上提及的視覺引導性設計,的確能幫助員工在最開始增加嘗試健康食品的機率。不過,如果吃了一次發現超難吃,員工下一次去食堂吃飯,相信都會非常理智地走向肉食和能帶來醣脂快樂的甜品。

所以說,想要讓員工吃得健康,讓健康的食物好吃才是硬道理。

負責Google食堂的米歇爾·貝克(Michiel Bakker)表示,在美國,健康食品難吃是「行業通病」。

在西方後廚,團隊通常遵循一套層級非常明確的結構,最高級的是行政總廚,然後是副主廚和負責各個獨立方面的大廚(醬汁、烤、炸等)。其中,最低級的就是負責處理蔬菜的主廚。

即便你把蔬菜做得非常糟糕也沒人在乎,也許因為根本沒人會去吃它們,因為大家都知道它們很難吃。一直以來,這情況都沒啥改變。

美國烹飪學院(以下簡稱為「CIA」)的馬克·艾瑞克森(Mark Erickson)說道。

2018年,在尋求更美味健康食品的路上,米歇爾·貝克(Michiel Bakker)決定求助CIA。Google是CIA其中一個很重要的讚助者,他們在支持研發以蔬菜為主導的烹調課程上花了100萬美元(約新台幣3,034萬元)。CIA最後推出了一個總時長為75小時蔬菜類烹飪課,教導廚師研發和烹製更好吃的蔬菜。

從改變食堂設計到反向推動烹飪行業改變,Google這項已經進行了好些年的計劃現在獲得了相當不錯的成效。

在Google紐約辦公室的食堂,平均每天早上會有2,300人選擇吃早餐沙拉;海鮮的食用量增加了85%;大家喝水的概率大幅提升,含糖汽水人均消耗量一直保持在20罐/年左右。

甚至,還有員工因伙食而害怕離開公司。

蒂娜·威廉姆斯(Tina Williams)是Google的員工,她在放產假的時候自己嘗試做食堂裡那種羽衣甘藍沙拉,但怎樣都做不到食堂那麼好吃。那時候,她發現自己如果辭退Google工作的最大擔憂居然是伙食:

我記得在來這裡之前,每天午餐時,你都得想很久決定吃什麼:是吃1美元(約新台幣30元)的熱狗,3美元(約新台幣90元)的披薩,10美元(約新台幣300元)的三明治,還是14美元(約新台幣420元)的沙拉?

責任編輯:林芳如、蕭閔云

本文授權轉載自:愛范兒

關鍵字: #Google
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