Google雲端開放60+堂免費線上課！教你Vertex AI、如何用Gemini開發AI應用程式，完成還能拿獎勵|數位時代 BusinessNext

為順應 AI 技術浪潮，Google 雲端近期宣布推出專為開發者與初學者設計的「Google 雲端生成式 AI 培訓計畫」（Cloud Al Study Jam 2025）。這項線上學習計畫完全免費，透過線上課程與實作練習，協助學習者掌握 Google 雲端及生成式 AI 的相關技術。

計畫的學習期間訂於 2025 年 10 月 1 日至 10 月 31 日。參與者可獲取免費的學習點數，自由選擇實作課程。完成指定的學習里程數，即可獲取 Google 雲端的獨家好禮，此外獲得最多「技能徽章」（Skill Badge）的前 150 名台灣學習者，更有機會角逐價值 100 美元的 Google 雲端認證考試券。

逾 60 堂課開放學習！從 Gemini 到 Vertex AI 涵蓋初階至進階課程

培訓計畫提供豐富多元的指定學習教材，所有參與者皆可自由選擇想優先進行的課程，無須按照官方列表順序學習。無論是剛接觸雲端技術的新手，或希望深化 AI 技能的開發者，都能找到適合的學習路徑。課程涵蓋基礎到進階的各層面，主要分為以下幾類：

-雲端基礎 (Cloud Foundations)
為初學者打下基礎，內容包含建立網站、管理雲端資源等。

-生成式 AI (Generative AI)
作為計畫核心，內容包括大型語言模型介紹、在 Vertex AI 中進行提示詞設計 (Prompt Design)，以及負責任 AI 等主題。

-開發者進階課程
針對已有基礎的開發者，提供如 Transformer 模型與 BERT 模型、編碼器 - 解碼器架構，及機器學習操作 (MLOps) 等進階技術主題。

其中，多門課程緊扣 Google 最新的 AI 技術，例如「在 Vertex AI 中使用 Gemini API 探索生成式 AI」、「使用 Gemini 和 Streamlit 開發生成式 AI 應用程式」，以及「Gemini 程式碼協助」等，讓學習者能透過實作，深化對 Google AI 技術的掌握。

3 步驟獲 209 點學習點數，開啟 AI 學習之旅

1.註冊報名
至活動頁面點選「Register」或「Join」按鈕並完成報名。成功後，將在一至兩日內收到學習點數啟用信。

2.啟用點數：
登入 Google Cloud Skills Boost 平台後，帳戶中會先有 9 點學習點數。完成任何一個實作課程（Lab）後約 5 分鐘，系統將自動發放額外 200 點，總計 209 點。根據官方說明，這些點數已足夠完成最高等級的 Level 3 學習里程碑。

3.提交成果：
於 2025 年 11 月 1 日　23 點 59 分以前，填寫「學習進度回報表單」，並將個人學習頁面設為公開（Make profile public），以利主辦方進行獎勵資格審核。

此外主辦單位也提供多種管道協助學員解決問題。學習者可加入 Discord 群組中的 #cloud-study-jam 頻道進行交流討論；若遇平台操作問題，則可直接聯繫 support@qwiklabs.com 尋求協助。

學習可獲 3 大好禮，台灣限定 150 張百元考試券開放角逐

為鼓勵學習，Google 雲端也設有實體獎勵機制。在活動期間內完成指定的課程與技能徽章數量，即可解鎖不同等級的獎勵（獎品寄送僅限台灣及香港地區）：

-Level 1：取得超過 10 個課程徽章含至少 4 個技能徽章，可獲得 Google Cloud 便條紙乙份。

-Level 2：取得超過 20 個課程徽章含至少 8 個技能徽章，可獲得 Google Cloud 便條紙及杯墊。

-Level 3：取得超過 30 個課程徽章含至少 12 個 Skill Badge，可獲得 Google Cloud 便條紙、杯墊及獨家手提電腦包。

針對台灣的學習者，官方還提供加碼的獨家獎勵。活動期間獲得最多技能徽章的前 150 名台灣學習者，將可額外獲得 1 張價值 100 美元的 Google 雲端認證考試券，憑此券可免費報名 1 場 Google 雲端認證考試，將技術實力轉化為國際認可的專業資格。

這份獎勵將統計學習者在 Google Cloud Skills Boost 平台上所有類型的技能徽章，不限於本次活動的指定教材。

延伸閱讀：AI瀏覽器Comet開放免費下載！Comet教學：6大好用功能+小技巧，快學起來

Google 雲端生成式 AI 培訓計畫 5 大 QA 一次看

這項培訓計畫適合 AI 新手嗎？

是的。官方表示，計畫非常適合初學者。計畫提供了多種學習課程與資源，無論是初學者或開發者，皆可依自身興趣和程度，選擇適合的課程自主學習。

去（2024）年曾參加過，今年是否能再次參加？

可以。官方歡迎之前參加過的學習者再次參加。但需注意，只有在今年計畫的學習期間（2025 年 10 月 1 日至 10 月 31 日）獲得的學習徽章，才會被計入本次的學習成果評估。

這項培訓計畫提供結業證書嗎？

不提供。計畫本身不提供參與證書，但台灣地區學員若能成為獲得最多技能徽章的前 150 名，即有機會獲得價值 100 美元的 Google 雲端認證考試券，讓學習成果獲得專業認證。

如果學習點數不夠用該怎麼辦？

官方發放的 209 點學習點數已足夠完成 Level 3 的學習里程碑。若學習者熱情不減，想繼續探索更多課程，可填寫官方提供的表單申請額外點數。主辦方將於 10 月 10 日後，依點數剩餘狀況，視情況寄送新的點數。

一定要參加線下的社群活動嗎？

並非必要。雖然 Google 開發者社群（GDG）為協助學員，會在各地舉辦實體線下活動，但參加與否並非完成培訓的必要條件。不過官方仍鼓勵學習者多參與所在地區的社群活動，與當地開發者互動交流。

本文授權轉載自《經理人月刊》，作者為支琬清

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