超越Alexa聲控盲點!MIT教授:打造無縫感智慧住宅,關鍵在「看得見」的定位感知
超越Alexa聲控盲點!MIT教授:打造無縫感智慧住宅,關鍵在「看得見」的定位感知

卡塔比是全球頂尖科技專家,專長是研究無線電波如何與彼此以及周遭世界互動。她曾在白宮這樣告訴歐巴馬總統:「如果你足夠了解無線電波,就會明白這是一種神奇的生物。」

卡塔比在辦公室努力向我解釋無線電波能做的各種五花八門的事,顯然她能「看見」無線電波,如同我們能看見狗兒與貓咪。我們談話的同時,米卡無聊的窩在角落,那些話牠以前都聽過了。

我和卡塔比教授討論到, 「智慧型住宅系統」有可能具備跨世代的吸引力,成為一種卓越產品,在協助年長者的同時,「順便」提升所有年齡族群的生活。

我認為最終能夠連結家中所有裝置的中央介面中,目前首屈一指的原型是亞馬遜的Echo。Echo 是配備智慧型個人助理Alexa 的聲控電腦,已經能執行眾多功能,例如播放音樂、讀出維基百科文章、預測通勤時間、控制燈光與暖氣設備。或許最重要的是Alexa 能做的事不斷增加。其他擁有類似功能的智慧型個人助理,包括微軟的Cortana,蘋果的Siri,和Google 的Google Assistant。

卡塔比教授讓我說出天馬行空的想法,接著用溫和的微笑打斷我。她說人們的確能叫Alexa 做各種各樣的事,它的功能每一天都在增加。

然而,Alexa 做不到一些表面上很簡單的事,例如我們要是設定鬧鐘,Alexa 知道該讓鬧鐘響起的時間,卻不曉得地點。卡塔比說:「你告訴Alexa:『早上八點叫醒我。』Alexa 會在早上八點響起鬧鈴,但不會知道你究竟下床沒,或是你還在賴床。」這番話令我目瞪口呆,後來想想的確如此:鬧鐘與時間和人互動,以Alexa 來講,還與網路互動。然而,鬧鐘不知道自己在屋裡的哪一個位置,也不知道你人在哪裡。 真正的無縫智慧型住宅技術成熟時,必須能夠辨識屋內物體與人的所在位置。

無線電波科技,如何實現智慧住宅的「無縫感」?

說到所在地,我和卡塔比教授談話的地點是全MIT最令人感到驚奇的建築物。發明家兼科幻小說家亞瑟.C.克拉克(Arthur C. Clarke)曾說過,任何最先進的技術就和魔法沒兩樣,而支撐著史塔特科技中心的力量,的確就像魔法一樣。

史塔特科技中心由「普立茲克建築獎」(Pritzker)得主法蘭克.蓋瑞(Frank Gehry)設計,MIT著名的「電腦科學與人工智慧實驗室」便是位於這棟大樓。史塔特科技中心是整個校園中最怪模怪樣的建築物,有人甚至以「一團混亂」來形容。要不是該建築的建材是混凝土和鉻合金,而不是木材與茅草屋頂,你會以為看到放大版的「洞穴屋」(The Burrow),也就是哈利.波特的好友榮恩.衛斯理住的魔法屋。史塔特科技中心的外形就和洞穴屋一樣,一間間形狀不正的房間歪七扭八的相疊著,靠著無形的力量結合在一起,神奇的不會倒塌。

卡塔比研發的科技便是誕生於這樣的一棟魔法大樓,也難怪她最初以哈利波特小說中的魔法物品替那項技術命名。小說中富有魔法的「劫盜地圖」(Marauder’s Map)讓哈利得以晚上在學校悄悄走動,魔法會告訴他教授們在走廊上移動的位置。卡塔比研發的科技也差不多:她的追蹤器有辦法在複雜的空間環境裡偵測人們的所在地,甚至完全不需要發射X光,也有辦法穿牆而過。

卡塔比生於敘利亞大馬士革的醫生世家,原本不該成為無線電波巫師,理應跟隨父親、祖父、叔伯阿姨的腳步成為醫生。她中學畢業時聯考拿到高分,排名全敘利亞第六,最初進入大馬士革大學,就讀人人稱羨的醫科,接著又一下子成為全班第一,這也是她突然不念醫科、改念電子工程時令人感到錯愕的緣故。卡塔比說自己的人生需要更多數學,我問她,父母是否被女兒的決定嚇到。

「他們氣壞了。」卡塔比說。父母不高興的部分原因在於,相較於醫學工作,敘利亞政府嚴格控管工程工作。「基本上,唯一能掌控自己人生的職業,就只有醫學。」

卡塔比選擇了第三條路,一畢業就到MIT念電腦科學碩士,接著又念博士,她的論文所探討的控制理論,平日被應用在發電廠的效率設計與電腦網路問題,她提出使資訊能更有效的在網路間流動的新理論。卡塔比的指導教授是電腦科學與人工智慧實驗室的資深科學家,他告訴《麻省理工科技評論》(MIT Technology Review),卡塔比的研究「改變了在這個領域發表論文的標準」。卡塔比自己很快就成為MIT教授,專精研究使資訊在有線與無線網路間流動的新方法。

卡塔比在資訊轉換方面的成就,深深影響著「傅立葉轉換」(Fourier Transform)。

傅立葉轉換是現代電子學不可或缺的數學工具,可以拆解複雜訊號,分析個別組成波的模式,用途包括找出哪些特定音調構成了每個人的讀特聲紋。傅立葉轉換的功能包羅萬象,應用範圍包括通訊訊號處理、股票選擇權定價、磁共振影像,但需要高度密集的運算。

卡塔比與一群MIT電腦科學系同事合作,找到方法讓傅立葉轉換在某些情況下不需要那麼大量的運算――這是自一九六五年以來,這個領域首次出現重大突破。卡塔比很快就開始好奇,如何運用藏在複雜無線電波訊號中的大量數據?她想,如果把這項技術拿來找出人們在家中的位置,不曉得會如何?

當然,透過發射出波至物體上來判斷距離,已是行之有年的技術。然而,不論觀測者希望透過雷達或原理類似的聲納來偵測物體,那項物體必須是在一片寬闊區域中唯一的物體,例如廣闊天空中的一架飛機,或藍色深海中的一艘潛水艇。「透地雷達」(ground penetrating radar)在一九八○年代中期成為商用技術,但是可以穿透擁擠公寓的雷達似乎是不可能的事——直到卡塔比進入這個領域。

延伸閱讀:[影片|護病比超標有解了!前台大教授追夢創業,特訓AI小幫手讓醫護專心幹大事][1]
[靠VR裝置、桌遊同理失智難處!盤古銀髮創6大賦能機制,反轉老齡負面標籤][2]

本文授權轉載自[《銀光經濟:55個案例,開拓銀髮產業新藍海》][3],Joseph F. Coughlin著,天下文化出版

責任編輯:蘇柔瑋
[1]: https://www.bnext.com.tw/article/80729/jubo-health-ai
[2]: https://www.bnext.com.tw/article/80807/lapangu
[3]: https://www.books.com.tw/exep/assp.php/bnextbook/products/0011021383?srsltid=AfmBOoo639Y1VxmoV5ITyr8TKXkdrpTvI3aBGlZYdUS-DEpPhqeScBWf&utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-202511

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