宏碁、台大聯手拿首張眼科智慧醫材藥證,施振榮:醫生睡覺也對人類有貢獻
宏碁、台大聯手拿首張眼科智慧醫材藥證,施振榮:醫生睡覺也對人類有貢獻

宏碁集團宏碁智醫與台大醫院合作研發的「眼科AI輔助診斷軟體」,能協助醫生判讀糖尿病患者視網膜病變,精準度高達95%以上,23日宣佈取得食藥署核發的眼科「智慧醫材」許可證(TFDA),成為台灣第一張針對眼科診斷發出的智慧醫材許可,10月即將商轉。

利用AI協助醫師分析病理資料已不罕見,心電圖判讀現在多透過AI執行,每十張只有一張會送到心臟科請醫師鑑定,醫師工作量減少,台大醫院身為台灣醫院之首,更加速擁抱智慧科技,今年2月成立智慧醫療中心,積極發展各式診斷工具,院長吳明賢表示,接下來會開發乳房腫瘤、主動脈鈣化、超音波、心臟腫瘤自動判讀。

宏碁
宏碁宣佈跟台大醫院合作3年,終於拿到食藥署發出台灣第一張AI輔助診斷軟體智慧醫材藥證,圖右二為台大院長吳明賢,右三為宏碁創辦人施振榮。
圖/ ACER

但台大跟宏碁合作的眼科AI輔助診斷軟體是第一個拿到TFDA的智慧醫材,將推廣到各醫療院所,由於糖尿病患者以新陳代謝、家醫、內科為主,眼科是確定有病變風險才會轉介,但各科醫師學有專長,患者每年定期做視網膜檢查,希望利用AI「輔助」新陳代謝及家醫科醫師做眼底判讀。

AI是否取代醫師也成現場關注焦點,「不懂AI的(醫師)會被AI取代!醫師不會被AI取代!」吳明賢表示,自駕車可以全自動,但醫療不可能全自動,最後一定要有人負責把關,但AI確實讓「診斷性」醫師減少,病理科醫師將減少,診斷過程過去要10位醫師,最後將只需3~5位,留下真正很厲害的,治療部分則不可能被AI取代。

施振榮:醫療是台灣轉型重要方向

宏碁創辦人暨榮譽董事長施振榮指出,資通訊與醫療為台灣轉型升級的重要方向,去年宏碁跟諾華簽訂智慧醫療跨界聯盟,簽訂合作備忘錄MOU,此次智慧醫材許可證申請成功,諾華扮演顧問角色,除指導藥證程序,未來也將協助推廣到各院所。

宏碁投入眼科AI輔助診斷軟體發展3年,今年送食藥署申請,半年內完成認證。接下來,施振榮要求宏碁加速讓AI落地,目前美國2018及2020年發出兩張AI眼科輔助診斷軟體藥證(FDA),但還不普及,期望台灣加速導入普及後,內銷帶動外銷,提高台灣附加價值,對GDP的貢獻會比資通訊產業大得多。

糖尿病患者是視網膜病變高風險群,建議一年至少做一次眼底視網膜檢查。
糖尿病患者是視網膜病變高風險群,建議一年至少做一次眼底視網膜檢查。
圖/ 台南市北門區衛生所官網

「我們的使命是要讓醫師在睡覺也能對人類做出貢獻。」施振榮說,期望衛福部領導產學界一起跨域共創價值,而諾華也將協助海外推廣,希望台灣轉型升級有更多案例,把格局放大。

糖尿病患者眼底攝影率偏低,AI幫大忙

根據「2019台灣糖尿病年鑑」統計,台灣糖尿病盛行率已經超過9.32%、全台糖友病患超過220萬人;糖尿病會併發血管病變,糖尿病視網膜病變比一般人風險高25倍,患病10年後,視網膜病變發病率高達6成,20年內發病率高達9成。

為減少失明風險,衛福部健保給付患者每年定期做一次眼底攝影,但2019年為例,真正接受眼底檢查比率僅45.54%,台大內科部教授莊立民表示,這主要歸因於醫師人手不足,病患接受篩檢可親近性低。

宏碁
宏碁宣佈跟台大醫院合作3年,終於拿到食藥署發出台灣第一張AI輔助診斷軟體智慧醫材藥證。
圖/ ACER

宏碁智醫總經理許銀雄也是宏碁前瞻技術總處長,他表示,此次合作以宏碁的AI技術與資通訊經驗、台大醫院的醫療專業及臨床試驗,與台灣諾華在臨床試驗設計上的顧問諮詢,三方合作利用國外EyePACS平台臨床5萬張海外患者眼底攝影照片,及台大醫院2,000多張臨床糖尿病視網膜病變患者眼底照片,透過5位眼科醫師標記,再使用深度學習技術訓練AI模型。

莊銀雄表示,加上亞洲眼底視網膜照片圖庫訓練,AI模型更有利於判讀亞洲人,加上該這套AI模型適用眼底鏡4種機型(含Canon及Topcon),敏感度95%,特異率90%,比美國2018年發出FDA許可證的第一套AI眼科智慧醫材IDx-DR相比,可相容眼底攝影機型多,更瞭解亞洲人種。

AI白話文: 敏感度(Sensitivity):有病患者不要被漏被判讀罹病的比率 特異率(Specificity):沒有病徵的患者被判讀為無病的比率 靈敏度與特異度是統計學中用來表示測試結果準確度的數據, 理想的試驗靈敏度、特異度都是越高、越靠近100%越好。

2020年8月美國又發出第二張眼科智慧醫材FDA給EyeArt,該AI敏感度96%,特異率92%,數字分數不錯,不過該產品相關消息尚不明。

宏碁拚非PC業務,今年上看20%

宏碁董事長陳俊聖指出,拿到FDA後下一步就是商轉,已有多家院所表達合作意願,宏碁也跟三總及中研院合作血液腫瘤判讀,由於醫學研究需要時間,不必期待馬上宏碁就會再發表下一個AI醫療產品。

宏碁眼科AI模型可以相容多種眼底鏡,圖為Canon CR 2-AF機型。
宏碁眼科AI模型可以相容多種眼底鏡,圖為Canon CR 2-AF機型。
圖/ 科林儀器官網

至於海外市場,陳俊聖表示會一步一步來,先把國內市場做好,而這次拿到FDA就已經跨出一大步,第一次的過程最難,未來走通後,會有更多AI模型爭取FDA。他也指出,海外未來會先以可以橋接(Bridge)台灣FDA許可證的國家優先推廣,莊銀雄補充,由於美國9月已許可保險給付AI判讀費用,未來台灣也十分可期待。

宏碁目前非PC營收占比15~20%,推算約400~500億元,陳俊聖表示未來類似跟台大合作的智慧醫材FDA將陸續看見,非PC業績占比也將逐漸提升。

責任編輯:蕭閔云

關鍵字: #宏碁 #人工智慧
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