有Open,才有AI!簡立峰:AI打到中國的「阿基里斯腱」
有Open,才有AI!簡立峰:AI打到中國的「阿基里斯腱」

生成式AI捲起浪潮,企業營運與產業發展都意識到AI的力量。國科會因此在3月13日舉辦「2024 GenAI產業高峰論壇-AI生成‧無限可能」,做為「晶創台灣」方案首波活動,並邀請產官學界分享AI未來的可能。
  

20240313GenAI晶創台灣合影.JPG
GenAI晶創台灣產業高峰論壇,邀請臺灣產學研各界專家共襄盛舉,一起探索臺灣如何運用生成式AI驅動百工百業的科技創新與產業轉型。
圖/ 廠商提供

簡立峰:AI時代,真正的「石油」是數據

Google台灣前總經理簡立峰表示,台灣的問題是高度集中單一產業(半導體),「我們需要思考半導體的優勢,如何在AI上有更多的應用。百工百業的創新邏輯,不是再去發明工具,而是如何善用現有的AI模型,創造出一個屬於台灣的應用模式。」

簡立峰表示,「台灣生產最多的GPU,但我們使用的GPU也是少數很低的國家,台積電一年的市值等同於台灣一年的GDP,這是列為世界最危險國家的因素之一,不是兩岸關係,而是台灣高度依賴單一產業。」

簡立峰說:需要思考,在產業循環的下一步,台灣要怎麼做?

「過去的金融危機,美國印鈔票印出了一個中國,但現在這個時代的金融危機,印出了七個數據公司,這七個數據公司的市值加起來剛好是一個中國。」這個數據說明了未來的AI發展,簡立峰說。

簡立峰表示,台積電現在在前十大市值企業,但前十大有一家是阿拉伯石油,其他另外七家是數據公司,「AI時代,真正的『石油』是數據,半導體是過程,這個過程中,如何把半導體銜接數據?就是這個計劃的重要性!」

台灣領先中國排名,AI打到中國的「阿基里斯腱」

彭博在2月份的報告指出AI時代的受惠國,台灣的排名在中國之前,簡立峰表示,是因為生成式AI的世界打中了中國的「阿基里斯腱」,並不是因為中國的AI不強,而是因為生成式AI的運作就是「問與答」,而在網路的時代,屏蔽一個網頁很容易,但若在AI運作中需要屏蔽「維尼熊」等關鍵字,AI的運作將受到影響,簡立峰表示,中國政府過度的介入選擇會成功的公司,使得中國AI發展受限,「有Open,才有AI」。

彭博報告當中,台灣在應用力和創新力的數值很低,簡立峰表示,台灣在這個AI時代的機會,很幸運的是有半導體的基礎,但在創新跟應用將是未來重要的發展項目。

國科會吳政忠主委致詞.JPG
國科會吳政忠主委致詞。
圖/ 廠商提供

國科會、數發部、台大都動起來,找尋台灣AI機會

在這個過程中,需要公私協力的合作。

數位發展部數位產業署署長呂正華表示,數發部今年將先以生成式AI應用於機械製造業為案例,逐步朝向推動生成式AI應用與普及方向發展,其中有4大作法強化台灣生成式AI的推廣與發展:「培育生成式AI應用與開發人才」、「產業應用與擴散」、「開發生成式AI應用平台與工具」、「與國際大廠鏈結合作」。

臺大智活中心主任劉佩玲分享,為了加速生成式AI產業的落地應用,將透過「創新創業」與「創意創客」四創競賽,推動生成式AI創新,從高中生到大專社會人士,讓業界與民眾更認識生成式AI,以競賽的方式產出更多AI應用新點子,而產業的技術團隊也可以透過競賽的管道,提出更多市場競爭力的產品,「團結力量大,這樣才能把這件事情做成」,劉佩玲表示,期望能夠加快生成式AI的成效。

吳政忠補充說道,國科會一直密切關注AI科技最新的發展趨勢,像是歷時4年的「臺灣AI行動計畫」,共培育超過3.3萬名AI應用人才、成就48.7%企業部署AI。如今「晶創臺灣方案」及「推動各產業導入生成式AI先期計畫」將進一步集結政府跨部會資源、產學公私部門能量,促進百工百業導入生成式AI。

生成式AI先期計畫預計投入執行1年、經費為新台幣1億元,「但這只是起頭,後續會擴大延續創新賦能,幫助台灣掌握AI應用發展的機會。」

Appier執行長游直翰:AI協助行銷決策,甚至產出行銷計畫

除了官學界,業界本身又是怎麼看?

針對AI在行銷領域當中的應用,Appier執行長暨共同創辦人游直翰提到,行銷有很多領域可以被優化,透過AI,能夠協助行銷人員將產品快速有效地接觸到受眾。利用AI來協助行銷決策,生成受眾想要看到的內容,甚至能夠協助把行銷計劃產出,簡化行銷人員來回測試和溝通的成本,並協助行銷數據的解讀,解決行銷報告目前的面臨的解讀差異,讓結果可以更精準,並且標準化行銷分析報告。

聯發科AI輔助平台「達哥」,讓每個員工都有AI助理

聯發科人工智慧暨數據工程協理葉家順則提出生成式AI服務框架(GAISF),如同企業生成式AI的發電機,目的是改善公司的運作模式,用來提升企業生產力。其中,以企業來說有3個重要的原則。

第一點是「資安規範」 ,AI應用讓企業最敏感的問題就是資訊安全,IC設計產業在AI應用上需要設計出資安規範,讓員工可以安心使用。

第二點,員工做事的方法可以傳承。 聯發科或是任何產業,都會遇到有經驗的老師傅愈來愈稀缺,如果可以把經驗、know-how數位化,就可以更加保證持續傳承與學習。

第三,讓這些模型可以持續擴充,新增更多的資訊,跟上AI模型更新的速率。

葉家順表示,聯發科與微軟合作研發出一個AI輔助平台DaVinci「達哥」,符合上述3個重要的規範,讓聯發科內部可以透過AI助理輔助,把公司各項系統整合,可以減少開發人員在技術文件的閱讀時間,甚至讓每位員工都有自己一個AI助理,協助安排會議和發送信件。

延伸閱讀:【圖解】近8成人資用ChatGPT徵才!怎麼寫出好JD?三步驟教你下指令

責任編輯:林美欣

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