醜,卻健康的台灣
醜,卻健康的台灣
2003.05.01 |

近兩、三年來,台灣人充滿了焦慮感;然而,這種焦慮感其實是沒有必要的!讓我們先以史為鑑:美國從1970年代初期開始的「恐共焦慮症」跟我國目前的焦慮症其實相當類似。美國從1970年代初期開始碰上一連串使其灰頭土臉的事件:1973年開始第一次石油危機(顯示美國無法節制OPEC產油國家),1975年由越南的泥淖中撤退(美國國內在1960年代末期就有反越戰的學生運動),1979年美國撐腰的伊朗巴勒維國王垮台,而且開始第二次石油危機。反之,蘇聯在1970年代受惠於油價上漲與世界革命形勢大好,聲勢頗大。在這種我消敵長的表象之下,美國人對蘇聯與其他絕大多數的共產政權於1989年突然崩潰,根本沒有心理準備(在1987年,美國股市還有一場極其戲劇化的大瀉)。
事後,經過深入檢討,史家才發現:蘇聯在1970年代時,其實已經外強中乾;只不過有利的國際形勢讓它頂著一圈光環,而且其內部問題為極度缺乏彈性的政治制度所隱蔽。
大概都已經知道,日本的經濟從1990年代初期就已經開始陷入泥淖,而且現在大概也不會有人認為日本足以挑戰美國的經濟霸權。但是,如果我們回到1990年代初期,當時的氛圍與目前的共識恰好相反。筆者曾於1994年至1995年到美國賓州大學作一年研究,當筆者離開美國時,美國人事實上還沒有從懷憂喪志的氣氛中醒過來。在這種氛圍之下,我們不難想像有一個美國人在1993年還警告大家,日本已經兵臨城下,即將打敗美國。這個人不是別人,正是目前被奉若神明的Intel總裁葛洛夫(Andrew Grove)!

**「敗絮其外,金玉其中」

**
台灣目前的焦慮症其實與美國當時的焦慮症有一個相同之處:為短期的表面現象所迷惑,忽略了自己的國家在深層所進行的寧靜革命,沒有察覺到蓄勢待發的態勢。當然,台灣的焦慮症有一個獨特之處(姑且不論政治上的惡鬥):台灣其實是一個很難理解、很弔詭的體系;因為台灣可以說是一個「敗絮其外,金玉其中」的體系,台灣也可以說是一個「潛水艇」式的體系:很有力量,但是看不見。
台灣有「敗絮其外,金玉其中」的特色,早為發展經濟學者所注意到!去年去世的倫敦政經學院匈牙利籍經濟學家Tibor Scitovsky 在1990年的一篇論文中,利用許多種數據「證明」了台灣在許多面向都優於南韓。但是,他在文中也特別強調:「國際的觀光客一定會得到相反的印象,因為漢城的市容在表面上遠比台北體面多了!」。他解釋這是因為:南韓的國民平均所得雖然低於台灣,但是南韓的所得比較不平均,所以南韓有比較多有錢的上流階層,可以支撐起比較多光鮮亮麗的店面等有助於美化市容的要素。
Scitovsky的論點事實上可以把它一般化:很多開發中國家(包括中國在內)的光鮮亮麗,事實上是因為它們的體系具有一些「病態因素」;而這些病態因素之中最重要的是:所得在「地區之間」與「階層之間」的極不平均的分配。當所得被集中在少數經濟個體(上階層或大企業)與少數地區(如大都市)時,我們如果只注意這少數經濟個體與地區,我們會覺得這些國家並不比先進國家差。

**從表象容易低估台灣的實力

**
筆者三、四年前曾到巴西的聖保羅(Sao Paulo)考察,聖保羅在很多方面比台北氣派多了;例如許多富人都是開直升機上班的(巴西對民用直升機的需求量,可能是全世界最高的)。當地的台商領袖張先生還告訴我們這個考察團說:巴西當地的經理人薪水是向歐美看齊,薪水相當高。
高等教育的統計數字很能具體呈現:許多落後國家常常具有頗為體面的上流階層。1980年代後期,在英國,大學生人數約佔總人口數的1.5%。但是巴西、印度、墨西哥與菲律賓均佔2.5%以上,厄瓜多爾更佔3.2%,祕魯也達到2%。這些國家大學生的比例比英國這個先進國家還先進;但是這些國家的底層可能極度落後:例如,印度當時的文盲比率竟還高達40%以上!這些國家可以說把資源集中在高階層,因此,其中某些國家的高等教育的表現可能比我們台灣還要傑出。但這其實是一種病態,而非值得慶賀的事;因為發展中國家表現比較好的,幾乎都是重視基礎教育的國家(尤其,當國家尚處於落後階段時)!
Scitovsky的論點可以解釋為何表面的印象會低估台灣的實力;因為,相對於其他的開發中國家,台灣的特色乃是:所得在地區之間與階層之間的分佈比較平均。這使得,如果我們拿上階層或大都市來比較,台灣可能都比不上巴西、阿根廷、智利、印度、墨西哥與菲律賓等等,遑論與南韓相比。
我國許多有識之士動輒抨擊台灣出國旅遊的民眾沒有水準,敗壞國家名聲,其實,真正的實情是:台灣所得比較平均,所以,連「沒有水準的人」都有辦法出國旅遊。出國旅遊的民眾有沒水準的表現,不代表台灣人的平均水準比較差!
台灣的表面形象比較難看,還有底下的原因:一般民眾控制比較多的資源(相對的,其他國家的資源大多控制在大企業手中)而且市場的進入障礙較低。這些特色使得稍有資金的阿貓阿狗也可以創辦企業;既然阿貓阿狗只是稍有資金,企業的長相當然就比較抱歉了--例如用個鐵皮屋當工廠,將就了事。

**中小企業為主的體系較健全

**
我們應該注意的是,台灣以中小企業為主的體系其實是比較健康的體系,雖然長相不體面!
讓我們訴諸外來的和尚吧!美國籍經濟學者Brian Levy在一篇1991年的論文指出:南韓是以大企業為主的體系,台灣則是以中小企業為主的體系;而且之所以如此的原因乃是:南韓的市場機能比較不健全,台灣的市場機能比較健全。Levy的這個推理乃是立基於制度經濟學的一個定理:如果市場機能比較不成熟,則廠商會發現零組件由自己生產比向外採購更划得來,因此企業規模必須較大。因此,制度經濟學告訴我們:一個體系如果以大企業為主,可能表示該體系的市場機能有病。
台灣以中小企業為主,還導致台灣的競爭實力會隱而不露;因為中小企業是無法在國際上從事品牌競爭的,台商站上國際舞台露臉的機會當然相當少了。但是,如同Levy所強調的,台灣的中小企業體系其實是比較健康的。基於這些理由,台灣可以說是一個「潛水艇」式的體系。
一個很有趣的事情是,論語所記載的一段兩千多年前的對話,恰好切中時弊,讓我們抄錄這一段話作結束:司馬牛問君子,子曰:「君子不憂不懼。」曰:「不憂不懼,斯謂之君子已乎?」子曰:「內省不疚,夫何憂何懼。」
台灣其實不必怕什麼,時間將說明結果!

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