是誰獵殺了紅色四月?
是誰獵殺了紅色四月?
2000.05.01 | 科技

雲淡風清的四月天,在矽谷的街道上,人們相遇的第一句話卻是:「這一切結束了嗎?」
持續多年多頭行情的美國那斯達克股市,卻在短短一個月內下跌超過三成。「新經濟概念股」,被認為是這一波股市下挫的元兇,雅虎跌幅超過三成,和信超媒體超過五成,EToys更高達九成以上。影響所及,告別「新經濟」的聲音,逐漸蔓延。

**什麼是新經濟,anyway?

**
要了解股市下挫對「新經濟」的影響,必須先釐清什麼是「新經濟」?媒體、經濟學家、未來學家、和華爾街分析師眼中的「新經濟」,其實是包含了一組既相關、卻又不盡然相同的概念的名詞:
◆新經濟指的是90年代美國持續的經濟擴張,同時又能夠維持低通貨膨脹率、低失業率的總體經濟現象;
◆新經濟指的資訊科技和網際網路所帶動的經濟成長;
◆新經濟指的是網際網路的發明,和網路所帶動的經濟和社會轉型。也就是說,新經濟就是網路經濟;
◆新經濟指的是網路和資訊科技類股所帶動的美國股市榮景。
美國「官方」觀點下的新經濟,可以用美國聯邦儲備理事會主席葛林斯潘的看法為代表。葛林斯潘認為,美國企業自從1980年代末期以來持續在資訊和通訊設備上的投資,是層面更廣的技術與經濟轉型的重要關鍵。葛林斯潘相信,美國是處於整個二十世紀絕無僅有的時光,科技的創新與發明從根地改變了經濟架構。資訊科技的普及,讓不斷更新的資訊變得垂手可得,從而改進了企業的經營效率;生產的規劃變得更加容易;庫存得以降低;運送的時間縮短了;通路的本質則全然被改寫。基於這樣的信念,美國的聯邦儲備理事會在整個90 末期都採取了較為寬鬆的貨幣政策。

**真有新經濟嗎?

**
但是經濟學家克魯曼則認為,「生產力」才是經濟領域中,唯一重要的事情。只有生產力顯著地提昇,才有所謂的「新經濟」。從統計數字上來看,美國非農業部門的生產力提昇,的確讓人耳目一新。自從1996年以來,美國的生產力每年有2.2%的平均成長率,過去25%年來的平均成長率則只有1%左右。生產力的增長在1998年下半年更跳升到3.4%,1999年第一季則是3.5%。經濟學人指出,除非這樣的生產力增長能夠持續,「新經濟」之說才能成立。
然而,西北大學的經濟學教授高登(Robert Gordon)指出,從1995年第四季到1999年第一季這段期間,電腦製造部門的生產力大幅提昇了將近42%,所以儘管電腦製造部門僅佔美國總體經濟產出的1.2%,這樣的成長幅度仍足以推升總體經濟的生產力。換句話說,資訊科技部門本身的成長有著無與倫比的力量,但是對其他經濟部門生產力的影響,「要不是小到無法察覺,就是根本是負面的,」高登說。
生產力提昇有限,為何先前股市能夠大漲?為何又能維持低通貨膨脹率?《經濟學人》雜誌指出,低通貨膨脹率和低失業率之間的關係,本來就不需要靠一套「新經濟」理論來解釋,一些小小的舊理論的結合,就足以說明過去幾年來美國股市為何得以持續上漲,卻又有著低通貨膨脹率:強勢美元、低物價、華爾街的力量、美國以外地區(例如97'~99的亞洲)的循環性經濟低潮、和非薪資的勞動成本壓力減輕等等。

**哪個「新經濟」完蛋了?

**
美國過去幾年來因高經濟成長率、低通貨膨脹率和低失業率「同時」存在而浮現的「新經濟」奇景,很可能也就是資訊科技部門的生產力驟然大幅翻揚的「偶然」結果,而不是全新的總體經濟結構轉變。美國股市的漲漲跌跌,既不是因這樣的「新經濟」而浮現,當然也就不是因為這樣的「新經濟」破滅而下跌。
資訊科技部門的成長,是美國90年代經濟發展的主要動力,則是無庸置疑的事實。根據美國商務部的統計,數位經濟-包括電腦軟硬體和電訊產業約佔美國國民生產毛額的8%,卻佔有自1994年以來實質國民生產毛額增長率的35%。就連一向對「新經濟」的概念多所保留的《經濟學人》都為文表示:「如果新經濟指的是更多的科技公司和工作者,這是毫無爭議的」。

**沒趕上新經濟熱潮嗎?很正常!

**
網路股大跌,網路公司的營運面臨空前未有的風聲鶴唳。道瓊集團旗下的媒體公司Barron's和網路評量公司Pegasus Research所提出的研究報告指出,207家的網路公司當中,將會有51家因現金流量不足,而在一年內以倒閉收場;花旗/旅行家集團的共同執行長威爾(Standford Weill)預言,八成的網路公司會在五年內消失;專業網路研究機構Forrester Research則預測,大部分的網路零售商將在2001年以前結束營運。
美國「投資之神」華倫巴菲特(Warren Buffett)說:「想從社會轉型中獲利,風險從來就沒有低過。」從來不投資科技股巴菲特在一次演講中提到,他其實由衷地相信,徹底改變人類生活的資訊革命早已到來。只是巴菲特也提醒我們,多少人從過去的產業大變革中致富呢?少得可憐!巴菲特舉世紀初兩個同樣對社會轉型造成重大影響的產業為例:汽車和飛機工業。
汽車工業草創之際,全美國至少有兩千家以上的製造商,如果你在汽車工業的初期階段就知道這個產業大有可為,你或許會說,「正這是通往財富之路」。歷史證明,二十世紀的確可以說是汽車的世紀,但是到了二十世紀的九○年代末期,當初的兩千家汽車製造商經過慘烈地廝殺,只剩下對投資人沒有特別吸引力的三家主要汽車廠。飛機工業的狀況也很類似,在1919到1939年這段期間,美國大概有三百家飛機製造商,到了現在,碩果僅存的則不到五家。汽車和飛機工業對美國社會與經濟產生重大的影響,但是對多數的投資人而言,沒有。 
巴菲特感慨地說,「就算你了解汽車的重要性,要選擇可以讓你賺錢的公司,仍舊很困難。」
社會大轉型的年代,計算輸家可能還來得比較容易一些。
時代的浪潮終究要淘汰多數的網路公司,要比股市的震盪更為嚴苛。

**網路新經濟與股市

**
事實上,管理學大師彼得杜拉克對此早有洞見。杜拉克指出,工業革命初期的一些產業,像是布料、鋼鐵和鐵路等等,也曾經在一夜之間,創造出許多的產業鉅子、百萬富翁,像是作家巴爾札克筆下的銀行家,或是文豪狄更生所描寫的鋼鐵大亨。工業革命以後所浮現的新產業,同樣創造了許多的百萬富翁,只是他們不再能光靠時機和運氣而一夜致富,而是二十年的苦幹實幹、越挫越勇才獲得的成就。
杜拉克的真知灼見在於告訴我們,光靠股市狂熱,不可能撐起一個新時代的榮光。
荷蘭在十七世紀所引爆的鬱金香狂熱,在1636年達到最高峰,當時一顆鬱金香球莖的價格,可以換得二十七公噸小麥、五十公噸裸麥、四頭牛、八條豬、十二隻羊、外加成堆的酒類和布料。如今,金融投機早已為人所淡忘,但是荷蘭,三百多年來,卻是全球色彩最繽紛的花卉王國。
杜拉克認為,網路及網路所帶動的電子商務,終將會成為全球傳遞與流通商品、服務、甚至是管理與專業性工作的最主要方式,從根改變經濟、市場、與產業結構,更重要的是,我們看待這世界,和我們身處這新世界的方式。
楊致遠、貝佐斯的一夜致富,只是證明了我們正處在一個新時代的開端。「新經濟」的實質影響力仍舊那樣有限,我們如果期待資訊科技和網際網路所帶來的經濟和社會轉型,所當要求的,理應是二十年以上的胼手胝足打造,而不僅只是仰望股市的短期漲跌。
楊致遠雖然身價非凡,但他仍是一個努力無比的工作者,每天工作12個小時以上,他的創業夥伴菲羅(David Filo),仍然常在公司打地舖,以解決突如其來的技術問題,「我們一心作的事,是把Yahoo!打造成一個服務顧客的公司,」坐在矽谷的速食店裡,楊致遠對慣常於摩天大樓頂層CEO辦公室採訪的Fortune主編說道。
如果「新經濟」指的是網路和資訊科技,及其所帶來經濟活動和人類生活的變革,是沒有太大的疑問的。但是經濟學家的統計數字也告訴我們,網際網路和資訊科技產業的發展本身沸沸揚揚,對總體經濟生產力的提昇,卻像是黎明的曙光,耀眼卻不炙熱,還有很長的路要走。
至於股市的起伏對網路新經濟的影響,則如同舊時代來來去去的金融遊戲一般,是一場無害的嘉年華會,它至少告訴了多數的旁觀者,新時代的新方向。

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