直擊華碩百人AI部隊!科技老將秘密操刀,這群人肩負什麼任務?
直擊華碩百人AI部隊!科技老將秘密操刀,這群人肩負什麼任務?

華碩AI研發中心(AICS;ASUS Intelligent Cloud Service Center)年底將擴編至200人規模,由全球副總裁黃泰一負責。這個200人AI團隊藏身華碩新落成關渡總部13樓,成軍15個月,都執行什麼任務?

「老闆很有決心投資,要用最有競爭力的薪水,聚集最好的人才。」在美國Google及微軟Windows工作20年,黃泰一在2018年舉家返台,友人介紹下,華碩董事長施崇棠及副董事長徐世昌三顧茅廬,力邀他加入華碩,因為華碩將大舉投入AI。

華碩電腦_黃泰一_2020-03-10_賀大新攝影_0683_Lr (1).jpg
華碩全球副總裁黃泰一是AI研發中心(AICS)負責人,他過去在微軟及Google服務資歷顯赫。
圖/ 賀大新攝影

走進華碩13樓層,一半的辦公室還空盪盪,預計等新人報到加入,而另一半已坐滿近百人,開放空間、座位依功能性座落,每個升降辦公桌上有兩台顯示器,「根據研究,兩台顯示器工作效率最高,也有人用三台。」黃泰一說。

辦公室另一角是規劃中島式料理台的大廚房,上面擺滿零食水果,讓工程師補充腦能量。沙發區有小型桌遊,九宮格手球遊戲區,場域顯得十分開闊。

延伸閱讀:開箱華碩關渡新總部,為什麼大廳地板刻了一隻天馬?

憂心人才畢業就出國,施崇棠用高薪求才

華碩在傳統辦公室格局外,為AI團隊規劃氛圍迥然不同的辦公場域,《數位時代》親自直擊這個神秘團隊究竟肩負什麼任務?

黃泰一描述施崇棠心中的憂慮:「台灣在網路產業時代相當沈寂,過去10年幾乎沒有新產業發生,未來10年則是AI時代,台灣若再錯過實在讓人擔心。」施崇棠更擔心愈來愈多電腦科學領域學子畢業後,選擇出海就業,只因為「對方付得起薪水」。

為了跟國際巨頭搶人才,華碩AICS大舉擴編,現在130人規模預計到年底要衝到200人,中研院士李琳山、台大電機系教授王鈺強、電機電子工程師學會會士(IEEE Fellow)林智仁都是顧問,有名師指點,更要廣發英雄帖徵才,目前AICS錄取率約10分之1。

華碩電腦_AI研發中心(AICS)_2020-03-10_賀大新攝影_0892_Lr (1).jpg
華碩AI研發中心(AICS)團隊超過百人,今年底預估將擴張至200人。
圖/ 賀大新攝影

為了投資人才,華碩去年開放博士班研二生申請實習,除可領華碩全薪做研究,畢業後不綁合約能自由任職,若論文得獎再加發50萬獎金,合計一年可以領約百萬薪水,2019年總共錄取5名,今年還要加碼開徵。

「我們的對手是一群外商。」黃泰一說。

延伸閱讀:畢業即享百萬年薪!鴻海校園徵才開跑,鎖定3種未來人才

鎖定3大含金數據池,華碩要靠「資料跟資料之間」賺錢

匯聚這群產業菁英,華碩究竟要挑戰什麼目標?「未來,AI只是工具,最後必須透過大量資料、靠資料間的複雜度來賺錢,」黃泰一舉例:Google透過人類搜尋、Facebook藉由人與人之間的資料找到商業模式,華碩必須先找出台灣最珍貴的資料,透過AI粹取變成商業模式。

目前黃泰一率領團隊朝醫療、交通及零售三大領域發展,就是看中這三大領域聚集最多人與人互動的資料,可以透過AI升級服務,而收集到大量數據,就能一起幫客戶找到新的商業模式。

AICS團隊要如何從數據煉金?舉例來說,華碩開始針對台灣、印尼、馬來西亞的華碩產品門市提供智慧零售解決方案。只要店裡加裝終端電腦及攝影機,華碩就能協助收集龐大的顧客行為數據,從顧客上門後察看哪些商品,購買前碰過哪些品項,藉此預測產品銷售,改善庫存問題,甚至幫忙解決店家最大痛點:失竊率。

甚至,黃泰一的團隊能用演算法預測線上顧客是否跟線下為同一人,累積會員線上瀏覽軌跡,搭配店內選購行為,就能進一步做行銷推播決策。

華碩電腦_智慧雲軟體中心_2020-03-10_賀大新攝影_0855_Lr.jpg
華碩AI研發中心(AICS)團隊位於總部13樓,員工隨時會小組討論,桌椅可調升降,氣氛自在。
圖/ 賀大新攝影

「這是新領域,我們期待電腦視覺能判斷人的年紀、性別、停留區域,這些購買前的行為分析,目前一片空白,是過去流失掉的資料。」黃泰一說,當線上與線下數據串連,就能做到精準行銷,目前AICS還在努力分析線下行為。

另一個傳統門市店主的痛點,在於需要派很多人到各門市確認旗艦展示商品是否在對的位置,或者店員跟顧客是否交談過久?未來透過電腦視覺技術,店主不需要監控察看,AI發現出錯就能精準提醒。

做醫院資料清整,黃泰一終極目標:打造醫療搜尋網

近期新冠狀病毒(COVID-19)疫情嚴重,若想要搜尋各醫院三個月內有相同症狀或病徵的病人,恐怕非常困難。

關鍵原因在於,許多病歷是醫生輸入的非結構資料,但華碩透過把資料結構化,建立索引,能幫助標靶藥快速找到適合的病人,或是搜尋最可能染新冠狀病毒(COVID-19)病情後可能重症的10~100位病人。

因此,若說交易資料集中在門市,最大病理數據就是匯聚在醫院。看好醫院掌握含金量高數據,黃泰一團隊近期也有新突破,華碩將與醫院簽署合作備忘錄,一同展開基礎資料清整、大數據分析、自然語言、醫療影像分析。

華碩電腦_AI研發中心(AICS)_2020-03-10_賀大新攝影_0867_Lr.jpg
華碩AI研發中心(AICS)團隊超過百人,今年底預估將擴張至200人。
圖/ 賀大新攝影

對於醫院而言,整理資料、將病歷去識別化是很麻煩的工作,甚至可能有重複錯誤,有團隊願意協助,多數都敞開雙手歡迎,華碩AICS計畫先投入大量人力做資料清整,再提供AI服務。

黃泰一說,台灣醫療體系雖醫術先進,但資料散落有如二十年前的論文檢索,各自獨立無法串連。「 我們的願景就是有一天,醫療數據就跟Google Search一樣,每一位醫生(精準治療藥物)都能找到他想要找的人。 」黃泰一說。

智慧醫療領域,AI團隊完成項目還包括:改善醫院ICD-10 code效率計畫,及精準預測病人再住院率。

醫院必須使用ICD-10編碼,由疾病分類員針對病歷作設定,再申請健保,現在透過AI分析病例文字,系統就能自動判斷病例,建議醫生可挑選的疾病編碼(Code),透過醫生選或不選,就能自主學習提升精準率。

其次,收集病人在院內的診療動作、抽血數據,AI模型就能預測這位病人14天或30天再住院率,這不僅可協助醫生判斷病人是否適合出院,也是衛福部監控醫院醫療品質的指標。

幫普利司通做AI工安,開發AI車隊管理系統

在智慧交通方面,AICS則投入AI行車記錄器開發,透過消費級晶片運算,用AI分析駕駛路上行為,一有危險訊號就回報車隊管理系統,從駕駛行為是否偏差(如是否超車加速或紅線違停)而非結果(是否肇事或開紅單)來做駕駛管理。

在智慧工廠端,華碩也和全球最大輪胎橡膠公司普利司通(Bridgestone)合作,用AI生產輪胎。華碩搶下「AI自動檢測安全監控」研發計畫,先朝日商工廠最在意的「工安」領域下手,杜絕人身意外。

第一階段華碩AI應用在輪胎橡膠成形機,過去,操作員標準作業流程(SOP)是當機器在轉動,手不能伸入,要等機器停好才能伸入鋪橡膠皮。現在透過「電腦視覺」監控員工行動,並讓訊號連動電源開關,一旦AI發現員工高風險安全疑慮,機器立刻斷電,將傷害風險降至最低。

由於對華碩第一個AI案子十分滿意,普利司通也邀華碩參與第二個人機互動設備監控專案。不過相對機台操作,人機互動設備在工廠的行為複雜度更高,黃泰一預估,AI實驗預計要發展數年時間才能更精準。

不論醫療或工安領域,AI的導入及發展都需要多年時間,成立30年的華碩靠品牌硬體累積豐厚獲利,未來想要透過AI賺錢嗎?

黃泰一說,儘管現階段很多AI公司都還在燒錢,也知道AI投資要很長時間,才有獲利曙光。但大家都相信,AI在未來5~10年將改變世界,所以華碩勢必需要帶頭投資,聚集台灣優秀人才,幫產業找出奇蹟。

責任編輯:陳映璇

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