智慧城市為什麼不被支持?三個保護隱私權與建立公民信任的國際案例
智慧城市為什麼不被支持?三個保護隱私權與建立公民信任的國際案例
2021.10.26 | 智慧城市

「比起城市需要科技的程度,科技公司更需要城市。」——《被科技綁架的智慧城市》

攤開世界上大型都市的施政白皮書,十個裡面或許有九個是以打造智慧城市為目標,企圖冠上智慧的名號,已有歷史的城市會從推行小規模的試驗開始,而從無到有建立起的都市,像是非洲與中國的新興都市,則是在一開始就規劃建設智慧的基礎設施和城市中樞。

在《被科技綁架的智慧城市》一書中提到,智慧城市最誘人的一點,就是其創新的願景,是啊,有誰會不想住在創新的城市呢?

即便智慧城市以創新的科技,解決了市民遇到的健康、安全、平等、糧食等議題,了解這些科技的「侷限」也是同等重要,畢竟公民才是最終決定要以怎樣的科技來打造更好的城市的人。比起城市需要科技的程度,科技公司更渴望找尋一大群使用者以及大量的生活場景,作為其產品與服務實踐的場域,但別忘了,公民才是這裡的主人

shutterstock_503122378_smart city.jpg
即使科技市打造智慧城市的重要元素,但最終,公民才是這裡的主人。
圖/ Vasin Lee via shutterstock

既然智慧城市如此誘人,為什麼卻相繼失敗?

每當我們想到智慧城市,總是不自覺聯想到科技應用,但智慧城市大部分的阻礙並非來自科技本身,而是在科技背後,更深一層的平等、公民賦權、公民信任與隱私權議題,甚至是牽涉到社會契約的改變。

今天我們就先來談談「隱私權」以及「公民不信任」對智慧城市實踐的影響,了解為什麼保護隱私權是推動智慧城市必要的基石。

人們對於生活的需求幾乎沒有變過,馬斯洛的需求層次理論很好地說明這一點,其他在以不同速度變動中的則是我們的社會制度、商業環境還有科技。而智慧城市中最常被提及的科技,就是有「大人物」之稱的大數據、人工智慧與物聯網。

其中物聯網更是在永續與健康的都市發展訴求下,成為重要的一環,因其扮演了實時搜集人類行為、建成環境的角色。有了這些數據以後,我們有機會深入研究、改善城市的運作,甚至是提出新的解決方案或產品設計,進而更加滿足人類的生活需求。

大數據
AI人工智慧、大數據等,是時下各公司都想掌握的科技能力。
圖/ shutterstock

然而,隨著都市變得越來越智慧,我們的生活環境卻開始被「看不見的科技」所包圍,不論是物理現象的感測器、攝影機或照相機,都可能充斥在街道、校園、商場、捷運、公共自行車,甚至是在每個人身上的手機或電腦中、隱身於免費服務的背後。

物聯網中的感測設備(sensor)通常是在使用者不知情的情況下運作的,要取得所有使用者的同意更是困難,像是很難在人們踏入公園的同時,先要求他們簽署一份隱私權同意書。除此之外,大多數的人也不會知道感測設備正在搜集哪些種類的數據、搜集以後會被作為怎樣使用、有沒有完善的數據倫理在支持。

有些人較擔心政府取得過多資訊,變成國家懲罰個人的統治工具,有人則擔心企業擁有過多資料,主宰不公平的社會發展,讓商業利益凌駕於社會利益之上。在許多實際案例中,這些問題都引發了居民對大型智慧城市計畫的反彈,強烈的不信任感最終也促使計畫失敗。

最廣為人知的案例,是由Google母集團Alphabet所投資的智慧城市子公司Sidewalk Lab,於2015年首次宣布的Sidewalk Toronto計畫。該計劃旨在於多倫多東部濱水區開發永續且宜居的智慧城市。

預計提供大量的可負擔住宅與高科技工作機會,同時建立自駕車系統、智慧的水、電、綠網等基礎設施,以及社區的數位平台以整合即時資訊。在公共空間的治理上,會隨時監控車流與人流的使用情形,用來即時調整不同的用路權與紅綠燈,並監測空氣與噪音品質;在廢棄物管理上,則是採用自動垃圾搜集系統,並會依照使用者丟棄的量體,決定收費標準。

Sidewalk Toronto_智慧城市
Sidewalk Toronto的Master Plan及示意圖。
圖/ Sidewalk Toronto官網

看似如此有效率的都市運作,卻招到龐大的隱私權課題的質疑,且在這項專案的數位顧問Ann Cavoukian宣布辭職以後,公民的不安感來到最高點。Ann Cavoukian提到在一場會議中了解到第三方公司有權得到可識別的個人資料,與當初Sidewalk Lab承諾會進行資料去識別化的想法相去甚遠,因此決定退出團隊。

儘管在2018年Sidewalk Lab即提出透過第三方機構「公民數據信託」(Civic Data Trust)來統一管理所有去識別化的資訊,但是整個專案除了Sidewalk Lab以外,仍包含了多倫多政府、聯邦政府、其他科技公司的運作,Sidewalk Lab無法強制要求每個人都遵守共同規則。

另外一個案例是紐約的LinkNYC,2016年時,Sidewalk Labs將原本的電話亭改建為wi-fi服務亭,提供免費網路給大眾使用,此舉除了為政府創造收益外,自身也獲得大量資料可供相關企業使用。儘管LinkNYC並未搜集任何「個人可識別資訊」,但卻被專家學者發現,仍是有「資料再識別風險」,例如透過交叉比對兩個不具敏感資料的資料集之後,竟然還是能有很高的比例能辨識出個人資訊,顯示出過去的保密典範的不足。

英國公共電話亭
英國公共電話亭:已逐漸變為公廁或wifi服務站等使用。
圖/ 作者提供

無獨有偶的,英國的BT電信集團(即是經營英國鼎鼎有名的紅色電話亭的公司),在2017年開始提供InLink UK服務,InLink提供免費wifi、免費電話、查詢地圖等服務,然而會搜集使用者的email、MAC位址、設備機型;在InLink UK的電子看板中,也內建了感測器能搜集街道微氣候、空氣品質、聲音與光線。

根據官方的說法,InLink是依靠大型螢幕的廣告來盈利,然而亦有專家質疑,InLink是否有使用內建攝影機判斷使用者的性別年齡,用以操作精準廣告投放,甚至是將資料與廣告商、相關企業分享,包含了InLink的其他投資人——Primesight與Intersection,而後者的投資人也是前述的Sidewalk Labs。

從「看不見的科技」走向「看得見的科技」。

在使用手機App時,你會認真看完隱私權政策嗎?對我來說,這些隱私權條款實在令人感到枯燥、冗長又充滿難以理解的名詞。儘管手機App擁有一個實體的介面,讓消費者可以「看見」這些條款,我想多數人仍是沒有閱讀的習慣,更何況在智慧城市的應用場景中,常常沒有一個可以被看見的介面以跟「被觀察者」或「終端使用者」溝通或互動。

就像是食品包裝上面的營養及產地標籤一樣,隱私權政策也能夠透過標準化的視覺圖像,來傳達重要的隱私權條款,不僅能減輕民眾的負擔,還能提升公民的隱私權意識,甚至是成為「以公民為中心的智慧服務與產品設計」的基礎。

DTPR即是在這樣的概念下而生,最初,DTPR是由Sidewalk Lab所發起的專案,目前則是轉由第三方機構Helpful Places負責營運。DTPR期望建立共通的隱私權標示系統,凡是有部署物聯網設備的公共場所,都可以透過這些標示讓人們知悉。

智慧城市_DTPR標籤
DTPR對六大元素的說明與ICON設計,可於官方網站找到說明。
圖/ DTPR官方網站

此標示系統將都市科技拆解為六個元素,包含目的、科技、資料型態、資料處理、使用權以及儲存。舉例而言:

1.目的:

為提升規劃設計品質、安全性、火災及緊急事件應變、廢棄物管理、景觀生態、可及性、交通、水資源管理、健康、網路、物流等品質。

2.科技:

影像辨識、相片、音訊、紅外線、LiDAR、Radar、RFID、NFC、分貝、空氣品質、微氣候、水資源品質、土壤品質等。

3.資料型態:

數值、影像、空間資訊、表格、布林值。

4.資料處理:

去識別化、加密、原始資料、內部檢視、管制資料、AI預測等。

5.使用權:

允許下載、允許第三方使用、僅允許個人使用、不允許供應商使用等、允許販售、允許相關組織使用等。

6.儲存:

存於第三方雲端平台、存於本地伺服器、存放24小時、1個月、3個月等。

DTPR應用實例
DTPR應用實例。網站中還設計了七個情境作為範例。
圖/ DTPR官方網站

我認為建立通用的圖像化標準是提升公民隱私權意識的重要一步,但光有這些仍是不夠的。如同Apple於今年初規範App Store需要有「隱私權標籤」,同樣希望透過圖像化方式減輕理解的障礙。

不過對大眾來說,簡單圖像背後代表的意涵為何、資料敏感程度為何,仍是不夠清晰。公民隱私權意識的提升,若沒有足夠的公民參與、互動與溝通的機制,仍僅是往前半步,而後面兩個案例,或許是一些答案。

whatsapp隱私權規範
Apple App Store中WhatsApp的隱私權規範,已採用icon示意。
圖/ 作者提供

維基解密創辦人Julian Assange:保護秘密最好的方式就是根本不要擁有它。

對於政府及企業來說,想要減少使用者不必要的隱私風險,最好的方式就是不要搜集超過服務或產品需求本身的內容,如果打從一開始即避免搜集過多資料,就不需要擔心有被不當利用的風險。

由芝加哥政府、芝加哥大學以及阿岡國家實驗室合作的Array of Things (AoT)是一個很好的例子,AoT是一個「城市的健康追蹤器」,用於追蹤環境狀況,例如空氣品質、溫度、人流和車流量,因其是由政府及學術研究單位所主導,所以更加著重在追求公眾利益。

整個專案從規劃階段開始,就召集了隱私權專家組織委員會,針對系統如何蒐集與儲存資料進行討論,同時也召開多次公開會議,向市民說明AoT如何運作、如何保障隱私、如何改善生活環境,讓民眾有機會了解為什麼我們需要這些科技、科技能幫助我們什麼。

除此之外,AoT也秉持著「資料最小化原則」(GDPR的資料保護原則之一),不去蒐集計畫範疇以外的資訊,並且刻意將部分訊息以不精準的方式儲存,例如不紀錄地址,僅記錄郵遞區號等,在專案結案之後,也需要將不使用的資料刪除。

此外,有許多城市開始進行隱私權影響評估,就像是開發新商場會需要進行交通影響評估一樣,每當有新的都市科技要落實時,能經由一定程序探討對使用者之隱私權影響,關於各大都市如何進行資料隱私權的規範,可以參考紐約市的IoT準則以及倫敦市的資料信託計劃

Array of Thing (AoT) 概念
Array of Thing (AoT) 概念。
圖/ AoT官方網站

藝術是喚起大眾對資料隱私權認知的重要媒介

最後,是在英國曼徹斯特的City Verve計畫,該計畫希望將市民放在智慧城市發展的核心,因此導入了使用者經驗團隊,並透過工作坊及策展的方式,在生活中即讓市民成為設計解決方案的一環;並且,研究使用者經驗有助於設計物聯網世界的互動介面,儘管看不見的科技很具有未來感,但是看得見的科技才會讓人意識到自我,並產生更多想像。

City Verve也設計互動的裝置藝術,表達出物聯網感知器所感受到的城市樣貌,讓民眾意識到所處環境如何受到科技影響,資料如何在空間中流動及利用,是倡議隱私權議題的重要媒介。

我相信越是在地化的解決方案,就是越智慧的解決方案,只有當更多人對隱私權有所關注,我們才能建造一個可以滿足人性需求,且能保障公平社會的都市科技,關於此議題,後續將用另一個篇章來討論如何利用科技工具,協助公民挖掘在地的議題與集體智慧。

責任編輯:吳佩臻、陳建鈞

《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)

【熱門焦點】
1.宏碁屢遭駭客攻擊,陳俊聖:台灣資安人才不足將成立認證學院
2.Deepfake假影片肆虐、未來只會更猖狂!李開復:30年後仍難辨真偽

最新10月號雜誌《無程式碼時代來了!》馬上購:傳送門
「電子雜誌」輕鬆讀:傳送門

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