2025資通訊十大趨勢解析：本地AI算力、主權AI狂掃全球、台灣供應鏈或將脫穎而出！|數位時代 BusinessNext

資策會產業情報研究所（MIC）在《2025 資通訊產業趨勢前瞻暨川普 2.0 對臺資通訊影響解析》活動中，正式發布 2025 年資通訊產業十大趨勢預測。

MIC 指出，2025 年全球資通訊生態將出現「主權 AI」與「本地 AI 算力」迅速抬頭的現象，多國積極打造屬於自己的 AI 基礎設施和雲端生態；同時，AI 應用也將從雲端延伸至邊緣，帶動異質整合與先進封裝技術的蓬勃發展。

值得留意的是，在終端產品方面，2025 年 AI PC 滲透率可望達 15%，AI 手機滲透率預期升至 31%，代表具備強大 AI 算力的終端裝置將逐步普及。此外，從 AI Agent、生成式 AI 到節能方案與綠色金融，整體資通訊產業價值鏈在 2025 年將因地緣政治、技術創新及社會信任等多重因素深度重塑。

趨勢一：本地 AI 算力成形，臺灣供應鏈有機會脫穎而出

2025 年起，各國政府與政策制定者將更加重視「主權 AI」的打造。歐盟、日本、東南亞地區積極建立本土 AI 算力中心，除了透過政策補助吸引國際供應商落地，也發展自有雲端基礎設施。全球 AI 資料中心的急速佈建，使本地 GPU 運算服務商迅速增加，透過租借AI算力為政府機關、研究機構、企業客戶提供在地化運算服務。

臺灣產業供應鏈深耕 AI 硬體已久，在提供客製化、高整合度的全套 AI 建置方案上具有獨特優勢。資策會 MIC 副所長楊中傑指出，臺灣產業具有在 AI 基礎架構建置上的豐富經驗，透過整合硬體、軟體與生態夥伴，可以協助各國本土 AI 發展。

趨勢二：地緣政治持續延燒，電動車供應鏈兩極分化

地緣政治因素持續影響科技與交通產業，如美國、土耳其、歐盟、加拿大相繼針對中國進口電動車祭出關稅措施，將使 2025 年的電動車供應鏈呈現「美系」與「非美系」分化局面。

資策會 MIC 分析，臺灣業者需靈活因應：貼近系統整合端者可能跟隨車廠產地布局；基礎零組件供應商則在可接受範圍內進行生產調整；另有業者可望因應東南亞新興市場的優惠政策而移轉布局。未來，當中國車廠出海需採購「非中」供應項目，或歐美車廠建立「非中」供應鏈時，臺灣將有機會爭取新興商機。

趨勢三：先進模型驅動研發自動化，新知識爆炸時代來臨

國際大廠將持續投資具備思考與規劃能力的先進AI模型，驅動新一波知識爆炸。以 DeepMind 的 AlphaFold 為例，其對蛋白質結構的預測已突破 2 億種，遠遠超越人類 60 年研究的 17 萬種結構紀錄。

資策會 MIC 表示，先進模型將快速提升自動化能力，國際大廠將持續投資，發展更具備思考與規劃能力的先進模型。隨著在學術與實用上進一步落實，先進模型將與不同領域的知識組合，人類與 AI 模型的合作將探詢更多領域新知識，進入新一波知識爆炸時代。

趨勢四：AI Agent 落地，走向「全民創新」的自動化時代

相較於傳統 No-Code/Low-Code 可視化平台的被動性，AI Agent 能根據目標自主規劃並執行決策，從設計到測試的每個環節皆得以優化，大幅提升工作效率，並依照用戶目標拆解任務並制定計畫；透過搜尋與計算補足知識，並動態處理環境資訊。此外，AI Agent 可記錄與分析過往互動，持續學習並改進表現，展現智慧化的自我學習能力，為開發者提供全方位支援。

資策會 MIC 副所長楊中傑表示，AI Agent 將成為提升企業競爭力的關鍵工具，其技術的演進已改寫傳統開發模式，透過 AI Agent 的動態學習能力與智慧化能力，將可降低全民程式開發與創新的門檻。同時 AI Agent 自動化的普及，將使得「架構師」的角色愈發更重要，企業的解決方案架構師需要具備全局視野，協調多種工具與平台，確保自動化流程的穩定性與創新性。

趨勢五：AI 應用邁向「邊緣」，異質整合與先進封裝成關鍵

2025 年 AI 應用將不再局限於雲端，加速往邊緣（Edge）拓展。此趨勢將推動半導體技術革新，異質整合結合先進封裝成為關鍵。透過異質整合，可縮小設備體積、提升效能密度，滿足邊緣裝置高效能、微型化需求；再加上先進封裝的垂直堆疊設計，訊號傳輸距離縮短、功耗降低、運算效率提升，使 AI 裝置更適應多元場景。

楊中傑表示，AI 應用走向邊緣將推動電子設計與製造技術的升級，加速從晶片架構到製造生態的革新。隨著邊緣設備對體積、重量與散熱性能的要求持續突破，AI 設備的穩定性與壽命需求也隨之提升，預期製造流程將變得更嚴格，新材料與製造技術的應用也將成為產業應對散熱與功耗挑戰的核心。

趨勢六：2025 年 AI PC 滲透率達 15%，AI 手機滲透率達 31%

2025 年 AI 終端滲透率將有明顯提升。首先針對 AI PC，預期處理器中 NPU 算力達 40 TOPS 的 AI PC 滲透率將從 2024 年 1.3% 成長至 2025 年 15%，系統品牌廠將陸續推出多元價格帶產品，使得 AI PC 走向高低價格共存，同時，Win10 停止服務將驅動換機潮，加上 AI 應用逐漸擴大導入，AI PC 商用市場將先行發酵。

針對 AI 手機，預期 AI 手機滲透率將從 2024 年的 18% 提升至 2025 年的 31%，先前 Samsung、Apple 等大廠陸續推出具備 GAI 功能的 AI 手機，然而仍以旗艦型、高階機種為主。若 Qualcomm 推出瞄準中階市場的處理器晶片，且預期 Apple 將在 2025 年下放 AI 功能至中階手機 iPhone SE4，有機會帶動其他品牌業者跟進，加速中階手機加入 AI 功能，有利於 AI 手機滲透率提升。

趨勢七：AI 結合 RAN 大勢所趨，助力電信營運商節流與開源

2025 年 AI 將與 RAN（Radio Access Network）結合，將為電信業帶來新的開源與節流方式。首先為節流，AI 將持續優化 RAN 系統效能，如提升頻譜資源效率、提高整體網絡吞吐量，並透過降低能源消耗、強化系統維運等作法，降低通訊營運成本，為電信商帶來節流效益。

針對開源，資策會 MIC 表示，電信商透過結合 AI 與邊緣運算，推動創新應用的發展來開拓更多市場機會，長期則透過 AI 應用與 RAN 基礎設施的整合，持續優化網路資源分配與效能，將 RAN 端搭載的 AI 算力分配部分作為第三方企業推動智慧應用所需的 AI 運算平台，將有機會使電信商突破既有 ARPU 困境，從企業客戶市場斬獲營收。

趨勢八：大型業者加速導入深度節能，驅動綠色金融商機

預期 2025 年「節能改善對象」將擴散至 2,500 家以上民營企業，繼而驅動「能源管理服務產業（ESCO）」商機，與節能相關的空調、照明、空壓、電力能源管理與製程系統等領域的製造與服務業者將有機會受惠。

資策會 MIC 表示，目前國內 ESCO 業者多屬中小企業，不易運用財務槓桿工具擴大業務規模，隨著政策引導，有機會出現「集團式」節能專案，透過擴大節能專案的經濟規模，促進 ESCO 產業發展。此新興模式將擴大吸引民間資金投入，刺激節能保險商品需求，不僅擴大 ESCO 籌資能力與服務量能，更可開創綠色金融新商機，打造產業能源管理生態系。

趨勢九：數位雙生與模擬生成熱潮，開創多元應用新局

生成式 AI（GAI）深刻影響數位雙生與模擬生成的技術演進，驅動 2025 年多元虛擬應用的蓬勃發展。隨著深度融合 GAI，數位雙生與模擬生成的部署不僅能降低開發與操作門檻，還可提升內容創造的效率與表現力。

長期來看，將推動製造、遊戲、媒體、教育、健康、零售、文旅等領域的虛擬應用邁向規模化與高精度，進一步提升用戶體驗與作業效率，同時為多元產業的虛擬發展注入新動能，催生更多具創新性的虛擬應用。

趨勢十：GAI 深化公共服務，社會信任成落地關鍵

2024 年已有許多 GAI 技術與政府公共服務結合的案例，主要由政府攜手大廠與新創業者，試行生成 AI 應用來解決社會問題，預期 2025 年將在數據總量與品質更為完善。加上 AI 技術發展更成熟，將有更多國家的城市導入解決方案，應用在智慧治理、災防與交通等領域，推動更多服務從小範圍試驗走向實際商用。除此，大語言模型推理能力的升級將有助公務員提升業務處理效率，並協助市民更快取得所需服務。

資策會 MIC 副所長楊中傑提醒，社會信任是這些智慧化服務落地的基礎，因此臺灣廠商與政府皆需留意在資料處理、運用的風險治理議題，如在地資料訓練與儲存、回溯驗證機制等，除此，政府也需要擬定更完善的規範、治理體系與問責評估制度。

本文授權轉載自：FC未來商務

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。

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。

「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