為什麼疫苗買不到?政府錯在哪?了解過去一年國際各國在疫苗開發與採購上的困境
為什麼疫苗買不到?政府錯在哪?了解過去一年國際各國在疫苗開發與採購上的困境

疫苗採購這議題能吵到這種地步也是令人吃驚,一堆人好像都上禮拜才開始了解全球疫苗的產能與配送狀況及各國採購情況,在一知半解的情況下就開始砲轟政府,要批評政府當然沒問題,但要確定問題點到底在哪裡,而不是靠自己腦補的資訊與邏輯去罵,這樣批評與反駁方只會互相鬼打牆,對於釐清問題一點幫助也沒有,更遑論去解決問題。

剛好從去年疫情爆發開始就有固定在關注疫苗發展進程,幫大家回顧一下過去一年疫苗發展的歷程,至於在這樣的背景下台灣做得好不好,自己判斷吧。

去年歐美疫情爆發後,美國、歐盟、英國等先進國家政府都投入大筆預算給藥廠發展疫苗,並協助藥廠擴充產能,因這些國家都有共識以當時的情況幾乎不可能靠任何限制措施來有效控制病毒的擴散,只有大量施打疫苗達成群體免疫才能真正的對抗疫情,其中又以美國的operation warp speed最積極,一出手就是180億美元。美國、歐盟、英國等先進國家當時與有實力開發疫苗的廠商簽訂雙邊合約,用提前預購的方式來為藥商提供經費,優點就是疫苗成功可以優先使用,但相對的疫苗失敗錢就等於丟水裡了。

當時最被寄予厚望的不是現在大放異彩的輝瑞/BioNTech(Pfizer/BioNTech,指的是德國生技公司BioNTech與美國輝瑞藥廠合作研發的疫苗)的BNT162b2或莫德納(Moderna)的mRNA-1273這兩款疫苗,而是牛津大學與AstraZeneca合作開發的AZD1222(俗稱AZ疫苗)。

疫苗_shutterstock_1852683142.jpg
莫德納疫苗mRNA技術,不確定性高、開發成本昂貴。
圖/ ShutterStock

mRNA技術在這次疫情才第一次被用來做疫苗開發,不確定性很高,製造成本昂貴,再加上mRNA非常不穩定,對運輸跟儲存的要求非常高。而Oxford/AstraZeneca疫苗(AZ疫苗)採用的腺病毒載體技術相對成熟,製造成本低廉,對運輸跟儲存環境的要求也沒那麼高,當然更受偏愛。

但去年11月中Phase III數據出來後兩款mRNA疫苗跟AstraZeneca疫苗黃金交叉,臨床實驗數據顯示兩款mRNA疫苗保護力更強,還可以快速針對變種病毒做調整,超乎大家的預期(可以看莫德納跟AstraZeneca的股價走勢對比,莫德納到Phase III數據出來後才開始暴漲)。

之後疫苗開始進入量產並配送,這時候mRNA疫苗易於量產的優勢開始嶄露,配合operation warp speed的支持產能一路暴衝,3月的時候兩家藥廠就蠻有信心可以在上半年完成各自對美國政府2億劑疫苗的出貨,而AstraZeneca歐洲產能出包,原本預計在第一季交貨9,000萬劑疫苗給歐盟,結果最後只出貨了3,000萬劑,歐盟跟英國還就這事吵了起來,叫英國要分享不要自己先用,歐盟甚至直接禁止歐盟生產的疫苗出口

AstraZeneca
AstraZeneca歐洲產能出包,原本預計在第一季交貨9,000萬劑疫苗給歐盟,最後只交了3,000萬劑。
圖/ AstraZeneca

結果就是,美國跟英國施打進度順利,歐盟問題連連。同時,AstraZeneca疫苗出現血栓疑慮,雖然只是零星個案,但也增加對此疫苗的安全顧慮,很多國家暫緩AstraZeneca疫苗的施打,或只開放給老年人施打,因血栓案例主要發生在年輕人身上

同時在另一個角落,以色列正開始大規模接種Pfizer/BNT疫苗(俗稱輝瑞疫苗),二月初就有將近3成的國民完成第一劑接種。以色列在Pfizer/BNT疫苗三期中期報告快出來前才與輝瑞(Pfizer)簽訂供貨合約,但透過提出誘人但條件讓Pfizer優先出貨給以色列,包括承諾快速施打及協助蒐集數據為條件,大幅提高採購單價,並免除疫苗相關的法律責任,以色列開始大規模接種後,並沒有出現嚴重副作用,也證實群體免疫能讓疫情得到良好控制,死亡率與重症率大幅下降,經濟重啟,讓大家對輝瑞-BNT(Pfizer/BNT)疫苗更有信心。

AstraZeneca產能出包且有安全疑慮,而輝瑞-BNT(Pfizer/BNT)表現出色,有錢買得起輝瑞-BNT(Pfizer/BNT)疫苗的國家就開始搶輝瑞-BNT(Pfizer/BNT)的產能了,免得自己到年底都沒疫苗打。只是輝瑞-BNT(Pfizer/BNT)的產能都被買光了,至少都要等到5、6月歐美打得差不多後才能出貨。今年輝瑞-BNT(Pfizer/BNT)疫苗能出貨30億劑(如公司承諾),而AstraZeneca目前趨勢看來只能完成15億劑的出貨(公司宣稱能出貨30億劑)。

AstraZeneca雖然實際產能遠不如預期,但起碼還是有持續完成疫苗供貨,公司也簽了很多外包合約,印度SII是主要用來交貨COVAX的主力(沒錯,印度也在搞疫苗外交),結果印度前陣子又爆了,疫苗沒辦法出口,又引起了新一波的疫苗採購潮,這時候莫德納(Moderna)在美國也證明了自己,更多國家購買莫德納的疫苗。

回到台灣這邊,台灣第一批採購合約是跟COVAX簽的,於去年9月加入COVAX並在10月初付訂金,採購量476萬劑,當時的時間點疫苗的研發進度還不明朗,在沒有要採用砸大錢分散風險的策略下選擇先跟COVAX簽約確保一線抗疫人員的疫苗供給相當合理(你多買COVAX也不會先給你,COVAX要確保參與國家第一線抗疫人員都盡早獲得疫苗)。之後11月跟AstraZeneca完成1000萬劑疫苗的簽約,這應該是三期中期數據公布前就已經開始談的合約,那個時間點AstraZeneca的疫苗看起來確實是最好的選擇。

然後就出現BNT疫苗採購的問題,衛福部採購團隊11月開始了解疫苗的技術細節,應該等到之後數據出來決定採購,並在12月底完成簽約準備,但到1月BNT更改決定暫緩簽約。11月時衛福部購買Pfizer/BNT疫苗的意願跟優先度應該是大於Moderna疫苗的。12底的新聞又透漏台灣已經購買了約2000萬劑疫苗,476萬劑來自COVAX,1000萬劑來自AstraZeneca,500萬劑洽談中暫不公布,之後也證實當時不公布的500萬劑疫苗指的就是Pfizer/BNT疫苗,然後就是今年2月公布購買Moderna疫苗505萬劑了。之後就一路快進到本月跟高端疫苗簽下500萬劑購買合約加500萬劑開口合約。

所以對比起來,台灣買疫苗策略就跟大部分不想砸大錢亂買的國家一樣,先加入COVAX,再買AstraZeneca,然後等mRNA疫苗測試結果出來再買mRNA疫苗,但想買表現得到更好證實的BNT疫苗時不成功。如果今年1月順利跟BNT完成簽約,而且2月數據更完整後有可以進一步加購的選項,或許就不會走到今天這一步了。

寫文至此,大概梳理出台灣疫苗採購策略的問題。問題其實很單純,即在2月跟3月時在買不到BNT疫苗跟知道AstraZeneca產能有問題的前提下,為什麼沒有加買Moderna疫苗做保險?或許當時國產疫苗廠商給出很多樂觀的消息,高端也掛保證今年出貨1000萬劑沒有問題,反正都是等,那就等國產疫苗出來吧。但另外的問題就是,這樣會不會過度押注國產疫苗的成功,畢竟Phase II數據都還沒公佈,變數相當大,怎麼不先確保今年能夠大致施打?

看到最後,希望讀者對政府疫苗採購策略有了較完整的看法。我認為,政府的採購策略肯定有需要檢討的地方,但在切入問題時得先了解問題為何,討論起來才會聚焦,而不是無的放矢。政策議題應該是越辯越明,而不是互抹泥巴。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場)

責任編輯:蕭閔云

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