【專欄】ChatGPT可騙倒教授?AI直逼人類大腦,純數位內容死期將近?
【專欄】ChatGPT可騙倒教授?AI直逼人類大腦,純數位內容死期將近?

在心底感謝你在 2022 年以前玩過的遊戲,看過的電影,閱讀過的文章,和蒐藏過的藝術吧。
純數位內容的最後狂歡已經結束。

可騙倒教授!AI會畫能寫,背後透露哪些關鍵?

過去曾受邀到某國立大學給 EMBA 上讀書會,內容是未來,2小時的討論包括了我從 2014年到奇點大學、2017年投入區塊鏈,到最近的 Midjourney 等新科技,結束前一時興起,直接打開了講桌電腦登入ChatGPT ——最近被洗版的 OpenAI 聊天服務——它的油滑、機智與無所不知,震懾全場。

ChatGPT
ChatGPT是由OpenAI開發的自然語言處理(NLP)模型,寫code、寫論文都難不倒。
圖/ shutterstock

不只自己把玩嚇到自己,也嚇到在場的 EMBA 各界菁英,接著回家又在臉書上接連看到台灣首位登上 NFT 藝術最高殿堂之一 ArtBlocks 的王新仁分享,他正透過ChatGPT進行各種詠唱(透過與 AI 溝通獲得結果)得到回答與指示,發現 AI 已能夠指導他進行演算藝術的創作,開出一朵又一朵的程式碼小花;也看到另一名演算法藝術知名創作者吳哲宇,利用 ChatGPT 嘗試助寫策展論述,他感到滿意、我感到恐懼。雖然如此,但還是繼續花了些時間多把玩幾下,心得就是:純數位內容已死,最後的狂歡已經結束。

我預言,往後的人文藝術與數位內容將再純不了,也 fine 不下去,往後的創作將要緊跟著「人」,我們將會開始鑽研歌唱、舞蹈、新的肢體躍動、新的體位交疊、新的料理食材, 所有機器能夠讀取,感應,組裝的一切內容,都將難再創造新價值 ,馬克吐溫曾經說過:「世上再沒有全新的梗(There is no such thing as a new idea.)」畢卡索、賈伯斯又說「傑出的藝術家模仿,偉大的藝術家盜竊(Good artists copy, great artists steal.)」而以這時帶來說, AI 就是最會偷的藝術家、內容雅賊、藝文大盜。若你質疑 AI 不是偷,而是創,那麼已死的,又將死得更透。

或許這也沒什麼,就如同這時代再難有更偉大的古典音樂、更被傳頌的希臘歌劇或是超越書聖的墨寶,屬於我們這個時代數位油墨即將寫盡,恭喜 2022 年以前的創作者,你們收攬了最後一袋黃金。(而你又如何能知道上面這段文章不是由 AI 寫成?)

認識我的讀者朋友可能會發現,明明我可能算是台灣最早開始提倡指數科技、AI 加速降臨者之一,為何從 Midjourney 到 Stable Diffusion 一系列的人工智慧繪圖機,好像我一直沒有多做討論?答案很簡單,一直都有玩、一直看、一直思考,但就是沒能得出答案。

Midjourney
在人工智慧繪圖機Midjourney,輸入關鍵字後,會自動運算出符合的圖像結果。
圖/ Midjourney

也幸好當時沒多討論——現在根本已經沒什麼好討論!AI 畫得好,畫得壞,畫出來的角色吃拉麵有沒有筷子(早期 AI 繪圖有缺陷,畫出來的吃拉麵插畫都是用手抓麵塞嘴裡),手指能不能數出幾根,根本就不重要。到了明天,我不認為最好的大學教授有辦法分辨 AI 繪畫出來的作品集和人類成果的差異,文字亦然。ChatGPT 的答題方式根本就是標準班上過去成績最好的那種學生,讀了最多的書,各種問題都難不倒,但每題他都點到為止,左右逢源,不違背歷史,也不得罪老師,要他創新,也就弄出一點點不會錯的小東西,做做科展得獎就好。

(只向字裡行間說再見,讓我們重新迎向肢體交疊)

除了想像、模擬,AI能做到原創嗎?

後來,有很多人說,AI 再怎麼聰明,也總要有「人」來「使用」 AI 與之協作,才能產出成果吧?然而,用過 ChatGPT 的人都知道,它有想像、模擬的能力,甚至「模擬一個人來使用它自己」,當然也能模擬一萬個人在與它協作。如果人可以輕易被想像,那麼 AI 就可以自己想像自己被使用並且產出結果,唯一能逃離這個結局的,只有人類自己,人類必須更加跳脫框架,不再容易被想像!

另外,還有很多人辯駁說—AI 不懂原創,它的創作都是學習自亞里斯多德時代以來至 2021 年以前的所有數位資料,還沒出現過的新創意它根本沒有,也不會有。然而,我想說首先是最新的 AI 已經可以不透過歷史資料來創見知識,按下一個按鈕創造一個(假想的)文明早已不是想像,而這個假想文明尚且可在系統中「瞬間一萬年」,藉由這個想像的一萬年,它當然也能有原創。

更不用說,在可以想見的未來,人類可能會派出無數 AI 搭載在各種太空設備上,發射至太陽系或整個宇宙,進行無邊探索,到了那麼一天,科幻電影《銀翼殺手》裡最經典的一幕,魯格豪爾飾演的仿生人羅伊,死前站在大雨中說出最後遺言:「我見過人類無法置信的事,我見過攻擊艦在獵戶座旁熊熊燃燒,也看過C射線在天國之門的黑暗裡閃耀。所有那些時刻都將消逝在時光中,一如淚水消失在雨中。」或許正描述了未來電腦能夠具備的事也與想像力,超乎你我。

(Time to die? 只是這回死的不是仿生,而是人?)

當然,讀者們也不必擔心,所有「XX 已死」的句型,都預示著「XX 不會死」,不要悲觀,而是信賴,就必有突破,有死就有生!

責任編輯:傅珮晴、蘇柔瑋

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