微軟攜手淡江打造全台首座「全雲端校園」!每年培育6千名AI人才,還有哪些智能計畫?
微軟攜手淡江打造全台首座「全雲端校園」!每年培育6千名AI人才,還有哪些智能計畫?

「很榮幸宣布這是全台灣第一所全雲端校園,」微軟總經理孫基康分享這個令人振奮的訊息,而合作的對象正是國內的私立名校淡江大學,「因為微軟相信,校園能扮演著賦能學生數位素養的關鍵角色。」

透過這次雙方的合作,打造出一個能融合教育的沈浸式學習體驗,讓學生從校園中的行政到學習都能感受到雲端甚至是AI(人工智慧)的無所不在,藉此啟發學生主動學習AI技能。

微軟給自己的使命跟目標

10月底時,微軟大動作宣佈在台的投資計劃,最引人矚目的莫過於資料中心落地,當時孫基康喊出不只要在2024年為台灣創造出逾3,000億新台幣的經濟產值,更要培育出20萬個產業數位人才及創造3萬個工作機會,是微軟給自己的使命跟目標。

也因此,這次與淡江大學首次打造的全雲端校園,微軟也希望能成為AI與數位人才的孵化器,以每年培育出6,000名具雲端素養的跨領域人才為目標。

微軟 孫基康
孫基康表示,這是微軟攜手淡江打造的第一座全雲端校園,希望未來每年能培育6000名具雲端素養的跨領域人才。
圖/ 簡永昌攝影

延伸閱讀:微軟資料中心正式落地,孫基康:4年內創造逾3,000億產值!在台最大投資案有何意義?

從104人力銀行過去所做的調查中可以發現,2014年平均每個月有2468個AI相關的工作機會,2019年已達到每月7926個,相當於成長221%;且根據國發會的統計,由於人工智慧跟數位轉型的興起,到了2030年市場上對於數位轉型的人才缺口將超過8.3萬名。

對此,淡江大學校長葛煥昭就表示,當全球都在面臨數位轉型之際,學校更是責無旁貸,要扛起產業人才培育的重擔,而與微軟的合作、透過微軟在雲端領域的專業,能加速淡江大學的師生擁有更好的雲端體驗與智慧化環境,「不只是每年培育6000名人才,更要落實大學社會責任,」葛煥昭說。

而根據淡江大學所公布的資訊,109學年度第一學期的大一入學新生為6,170人(含專班),若依照微軟跟淡江所喊出的數字來看,那幾乎是未來每一位從淡江大學畢業的學生,都會是鍍金的AI數位人才。

行政、學習、研究黃金三角,打造全雲端校園

不過,這並非微軟首次與校園合作。早在今年7月,微軟就曾宣布與東吳大學進修推廣部合作,啟動人才培育計畫,將打造一條龍的服務,希望能孕育更多的AI數位人才來滿足市場的需要,而這與淡江大學的全雲端校園又有何差異?

孫基康表示,跟東吳大學進修推廣部的合作只有聚焦在「學習」的領域上,而這次跟淡江的合作則是遍及了「行政」、「研究」及「學習」,相比之下更為全面;另一方面,東吳的對象主要是已經有在職經驗的人士進行技能的升級,與淡江的合作則是將AI的種子直接埋入大學新鮮人的心中,讓他們更能直接體驗到雲端所帶來的數位時代。

微軟 x 東吳大學
今年中微軟也與東吳大學進修推廣部啟動人才培育計畫,主要是聚焦於「學習」領域,透過微軟的線上課程並搭配認證考試加值個人職場技能。
圖/ 微軟提供

從「行政」端下手,讓校園的行政都可以上雲,不只是加速了行政服務的流程跟速度,學生也可以從雲端上獲取所需要的服務,校園的建置成本也能大幅降低,但這樣還無法滿足培育人才的目標。

至於「學習」的領域,則能讓學生享受雲端課程,搭配Microsoft Teams的iClass行動學習平台,目前已經有超過4000門課程與超過千位的老師將課程數位化,達到學習不停滯。另外,淡江大學也打造了「AI創智學院」,未來將導入微軟的課程資源,當中包括了人工智慧、物聯網、大數據等領域,滿足學生賦能(Empowering)的需求。

不過,這些替自己加值的課程在現階段淡江大學的規劃中,是屬於鼓勵、選修的課程,但校方仍會積極透過教授的研究計畫,讓參與研究計畫的學生能從中了解到自己在數位轉型、人工智慧領域的不足,引導學生自發性的學習。

微軟 淡江 雲端校園
全雲端校園靠著行政、學習跟研究三個不同的面向,構成一個讓師生可以有更科技的體驗環境,也希望啟動學子對於AI技能的重視。
圖/ 微軟提供

另外「研究」的部分,有鑒於淡江大學在數理、自然等科系上也有不少研究計畫,過去相關運算可能費時費力,校方也需要購置大量的機房來滿足研究的需求,而如今透過全雲端校園的打造,也能將資料上傳到雲端進行運算,加速研究計畫的成果。

而這些建置將不只有學生受惠,包括老師跟行政人員,也都可以從中感受到全雲端校園的便利性。不只是學校透過計畫跟全雲端校園的打造來刺激學生學習的動機,微軟也再三強調,學生學習後所考取微軟的相關認證,放在如LinkedIn的求職網站上,對於應徵工作絕對有幫助。

淡江打造AI創智學院,實踐烏托邦理想

在這次全雲端校園計畫中扮演重要角色的「AI創智學院」,其實是今年8月才落成、11月才剛啟用。

AI創智學院院長李宗翰博士就透露,這個學院斥資了近4,000萬打造,尚有軟體的部分需要繼續擴充,預計將於110學年度的時候開放給學生更完整、多元的線上課程內容,他也透後屆時將不只有微軟的內容,也同樣會導入Google、Amazon的學習內容,讓學生有更完整的選擇強化自身在AI時代下的技能。

淡江AI創智學院
淡江大學斥資近4000萬打造AI創智學院,在這次全雲端校園的計畫中扮演重要的角色。
圖/ 簡永昌攝影

李宗翰表示,AI創智學院規劃了5個AI的學程、4個遠端課程、4個應用平台以及4格實境場域,就學習課程來說,他表示是選取了目前最重要的領域,包括數據科學、物聯網、雲/霧邊緣運算等;至於在應用平台部分,更細分為載量資料平台、資料寶庫平台、證照認證平台及產學研應合平台,其中李宗翰更強調,產學研應合平台有別於一般大學多打造產學平台,加入研究單位是希望可以讓應用的面向更廣,活化專利的推廣。

「AI創智學院的夢想,就是以淡江大學為基地打造一個淡水的烏托邦,」李宗翰分享到,他希望AI的體驗,不只是讓學生能意識到未來要步入職場的技能加值,也要能夠讓社區的長輩享受到AI的好處才是。

責任編輯:錢玉紘

關鍵字: #微軟
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