劉揚偉曝差點去讀醫科!4個職場金句勉勵後輩:堅持自己的步調、不用學別人
劉揚偉曝差點去讀醫科!4個職場金句勉勵後輩:堅持自己的步調、不用學別人

大學畢業季來臨,許多大學都會邀請各行各業名人或傑出校友給予畢業生鼓勵。身為交大電物系67級畢業的鴻海董事長劉揚偉以大學長的身份,今(11日)受邀在陽明交大台北校區發表畢業演說,他分享差點讀醫學系的插曲,同時給予畢業生進入職場前的4個金句,希望學弟妹能受用。

在美把公司IPO後,差點去念醫學系

國立陽明大學與交通大學在2021年2月1日正式合併「陽明交通大學」,去年因疫情無法舉行實體畢業典禮,今年排除萬難舉行實體畢業典禮,並分成陽明校區、交大光復校區於週六、週日舉行,今年主題是勉勵畢業生要成為「世代轉變的領導者」,迎戰不斷變化的世界。

由於台下多是醫學系學生,劉揚偉更是自爆一段差點讀醫學系的插曲。2001年他創立的美國矽谷創立IC設計公司ITeX成功在納斯達克NASDAQ上市後,思考下一步要做什麼,熱愛除錯(Debug)的他,認為讀西醫可以讓專長有所發揮。

鴻海2022股東會照片3.jpg
劉揚偉自爆曾想讀醫學,但因為一句「老中醫」而放棄。
圖/ 鴻海

45歲的他,想回母校美國南加州大學學醫,承辦人員告訴他需先通過考試認證,而且還要去醫院實習,即便順利畢業,也可能沒人願意帶年紀這麼大的實習醫生。

劉揚偉轉念,既然西醫不行,去試試中醫,原本一度順利可以去念,但在申請的過程,遇到門口來了一批年輕的學生,他問承辦人員,「我來讀年紀會不會太大?」對方回應,「不會,剛好你畢業後變『老中醫』」讓劉揚偉哭笑不得,自此打消讀中醫的念頭。

分享完醫學系的故事後,劉揚偉更透露在準備畢業典禮演講時,他參考如蘋果創辦人賈伯斯(Steve Jobs)在史丹佛大學畢業演說,昨日他臨陣改變演說內容,決定貼近畢業生關心的議題,從學校踏入職場後,如何面對社會環境的改變,他提出以下4個忠告。

金句一:畢業後不要想學別人、像別人,堅持自己的步調

劉揚偉提到,離開學校進入社會後,看到身邊的同學都很優秀,會講話又會做事,跟他們比起來「我什麼都不是,不知道自己適合做什麼,」有一段時間感到迷網,但他後來想通,「你永遠不可能跟別人一樣,你絕對不要想做成別人,而是做好自己,」在人生旅程中,每個人有不同的節奏、速度。

劉舉例,在北加州創立公司時,一天發現有位員工每天早上晨跑,劉揚偉也加入晨跑行列。第一天跟著同事跑30分鐘,他不僅沒跑完,還氣喘如牛,他說自己的兄弟姐妹沒人擅長跑步,同仁則回,「30分鐘總可以走完吧。」

第二天劉揚偉用自己的速度跑步,果然順利跑完了。三個月後,劉揚偉反而跑得比對方快,「我有自己的速度,不要跟著別人速度走,」是他從跑步學到的經驗。

另一個例子也跟速度有關。1984年劉揚偉赴美國南加大讀書,當時同學們比他早到五年,大家都有房有車,當時劉揚偉住在南加大的宿舍裡,當時一位昔日HP(惠普)同事拜訪他,事後對方回去告訴劉揚偉母親,「哇~他們過得好清苦喔,」聽起來雖然刺耳,但卻是事實,當年劉揚偉跟太太去市場買菜都要精打細算,但他仍照著既定的方向努力,結果五年後,他的發展比當初那些同學都好很多,他告訴畢業生,「 畢業後不要學別人、像別人,要堅持自己的步調。

金句二:停止抱怨,解決難題的基本方法在「一念之間」

在工作上會碰到很多難題,解決難題的基本方法在「一念之間」。當年在南加大單位做主管時,底下有位博士級員工,卻每天都來找劉揚偉抱怨,「Young(劉揚偉英文名),過去別人都說我做的很棒,但在這邊都做不好。」

當時劉揚偉被煩到都不想上班,某日他轉念,「把他的抱怨,當做英文學習課,每天有兩小時,老外免費學英文是很好的事,」一年後這位同仁離開去HP,他還寫給劉揚偉卡片提到,「Young,在你身上看到什麼是American dream(美國夢)」。

他以這個經驗分享,年輕人到一個新環境往往容易抱怨薪水不夠高、環境不夠好。但換個角度想,公司給予免費辦公室、免費燈光、免費的學習教材與環境,而且公司還付錢給你,反而還占了便宜,很多事情往往是一念之間,「停止抱怨、朝著目標努力,結果你會變得更成功,」 包含與另一半相處也是同樣的道理。

金句三:越勤奮,越幸運!掌握勤奮、成功、運氣三者之間的訣竅

所有人都會希望事業有所成就,劉揚偉引述一位名人說過的話,「不管是什麼行業,政治、演藝、運動、工程、做生意,要成功一定需要運氣,」接著又說,「 但是越勤奮,運氣會越好, 」他希望畢業生能掌握勤奮、成功、運氣三者之間的訣竅。

這段話出自NIKE創辦人菲爾奈特(PHIL KNIGHT)所說的,「你越努力,你的運氣越好 (The harder you work, the better your Tao)」運氣也可稱為道(Tao)或是天意。

劉揚偉認為,賈伯斯在2005年美國史丹佛大學畢業典禮上,送給畢業生這段話「Stay Hungry, Stay Foolish,求知若飢,虛心若愚」也是提醒畢業生要終身學習。

金句四:人生道路會碰到很多成就與困難,要學習知足與感恩

未來人生道路會碰到很多成就與困難,劉揚偉說,很多人會在你需要時幫助你,因此當你有成就時,要知足與感恩,「學習知足與感恩,是我人生重要經驗。」

劉揚偉曾在鴻海發表的集團45周年紀念影片中分享,2007年進入鴻海就是為了還當年鴻海董事長郭台銘的人情。劉揚偉1988年在美國自創主機板品牌 Young Micro,後來這家公司在1994年併入鴻海公司,劉揚偉提到,當初郭董不僅買了自己的公司,還照顧自己的家人,對於郭董這樣照顧他非常感恩。

鴻海郭台銘創辦人與劉揚偉董事長
劉揚偉曾在鴻海發表的集團45周年紀念影片中分享,2007年進入鴻海工作就是為了還當年鴻海董事長郭台銘的人情。
圖/ 鴻海

演說最後,劉揚偉鼓勵畢業生,在人類社會裡透過分享與專業分工,從中提高人類社會的幸福。像是醫療同學,未來用醫術服務社會;工程同學,用科技改善人類的生活,一起努力讓未來的生活、社會變得更好。

責任編輯:吳秀樺

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