「這個睡姿影響10年壽命」「連喝40天可治腦部疾病」⋯AI醫師侵入長輩群組,別被騙!4招教你破解
「這個睡姿影響10年壽命」「連喝40天可治腦部疾病」⋯AI醫師侵入長輩群組,別被騙!4招教你破解
##### AI生成的假醫師狂掃YT,別被騙! 你是否在各個社群平台、YouTube上,看見各種醫師介紹長壽秘訣、養生秘方的影片,並且有著相當高的觀看數或分享,然而影片中出鏡卻往往不是本人,甚至不是真人──而是AI生成的影片,這些影片的製作者通常沒有醫學專業背景,可能導致民眾誤信不實的治療方法,這樣的情況存在於台灣、日本等世界各國,已經成為AI時代下的新興陷阱。

「三個妙招教你補陽氣」、「這個睡姿可能影響10年壽命」、「這樣連續喝40天,就能治癒腦部疾病」……諸如此類的醫學及養生分享影片在網路上大量增加,然而這些所謂的醫療知識分享,卻可能根本不是出自真正的醫生。

##### AI生成「假醫師」全世界湧現!不實醫療資訊恐釀禍 而且這不是中文社群獨有的問題,日本《NHK》近日就在報導中指出,YouTube上同樣出現大量看用AI製作的醫療養生影片,許多影片自稱是「心臟病專家」、「前大學醫院院長」,然而利用醫師執照核對系統對點閱超過1萬次的50人進行檢索,其中31人都是捏造的。

儘管在台灣及日本,這些影片大多是分享沒有重大影響的養生訣竅,並且不牽涉藥物推銷,仍有部分不準確的醫療內容,可能導致用戶病情加重。

《NHK》提到,一位聲稱是「81歲現任心臟病醫生」就在其中一段影片中建議,當出現胸痛狀況時,要立即服用抗凝血藥物,但東邦大學醫療教授中村正人則指出,假如是心肌梗塞以外疾病的患者,貿然使用抗凝血藥物反而可能加重症狀。

ai假醫師.jpg
日本近年也竄出大量AI假醫師影片,成為AI時代的新興問題。
圖/ YouTube

「有些影片誇大了疾病危險性,引發觀眾恐慌。不準確的訊息只會導致人們焦慮不安,如果出現胸腔疼痛的症狀,盡速就醫才是上策。」中村正人表示。

甚至在其他國家也有同樣的影片滋生。《德國之聲》早在2023年便有AI影片在Facebook聲稱,奇亞籽可以幫助控制糖尿病,該影片獲得超過4萬次按讚、210萬點擊;還有一部Instagram上的影片聲稱,只要「將七顆杏仁、10公克冰糖和10公克茴香磨碎,每晚加入熱牛奶一起服用連續超過40天,就能治癒任何類型的腦部疾病。」該影片當時也獲得逾8萬次觀看。

這樣的問題到現在仍然存在。根據《CBS》上個月的報導,他們在社群平台上發現數十個帳號、涉及上百個AI生成影片提供醫療建議或推銷保健產品,主要牽涉美容、減肥、和健康領域,並且可能運用真實存在的醫療領域名人形象。

喬爾.貝維爾(Joel Bervell)是一位擁有數十萬粉絲,時常在社群平台上揭穿虛假的醫療傳言,譽為醫學領域「流言終結者」。他今年前些時候被粉絲提醒,網路上出現了一些推銷產品的影片,影片中的人長得跟他一模一樣,才驚覺自己的長相已經遭到冒用,淪為AI詐財的工具。

延伸閱讀:一則貼文的壽命有多長?YT平均9.7天即達「半衰期」、臉書只剩81分鐘可活

##### AI假醫師瞄準兩目的:賺流量、賣產品! 製作這些AI生成的醫療知識影片,又是為了什麼目的?日本資訊學研究所越前功教授認為,這些AI生成的醫療保健影片「很可能是為了增加點擊流量賺取廣告收入。AI能低成本、短時間製作各種影片、內容,但觀眾可能誤以為醫生是真人,由於涉及醫療資訊,這些內容問題很大,非常危險。」

另外,也有一部分AI生成醫療影片是為了推銷保健產品,例如推銷沒有通過審查的減肥藥、用草藥偏方代替處方藥,或者鼓勵觀眾嘗試沒有科學根據的排毒療法,瞄準正在尋求治療方案的弱勢族群。

Facebook上冒充澳洲知名醫師諾曼.斯萬(Norman Swan)的AI影片,便抨擊了科學的研究結果,聲稱一款營養劑能幫助治療糖尿病,並且在影片推銷聲稱可治療心臟病、糖尿病、肥胖的營養劑及減肥產品。

這些影片可能導致民眾放棄原先的治療,轉而選擇沒有科學根據的替代療法。

##### AI假醫師怎麼分辨?四個地方要留意 ### 注意YouTube、Facebook是否標示AI內容

一般民眾又該如何辨別這些可能是AI生成的醫療資訊影片?最基本的方式便是注意平台本身的AI標籤。AI生成內容猖獗已經令YouTube、Facebook、Instagram等平台加入了AI標籤功能,當系統檢測到後便會強制為影片加上標籤,註明為AI生成內容。

AI辨別02
YouTube會要求創造者,或偵測到後強制在說明欄內註明影片內容為AI生成。
圖/ YouTube

YouTube會在影片說明欄內,加入「變造或合成的內容」,這可能是創造者主動註明,或者被YouTube偵測到強制標示;而Facebook和Instagram則是標示在用戶名稱下方,提醒當前觀看的內容可能是AI資訊。儘管只有一部分AI生成內容會有標示,仍是幫助用戶辨別影片是否為AI生成的簡單方式。

AI辨別01.jpg
Meta旗下社群平台則會在左上角註明「AI資訊」。
圖/ Instagram

注意畫面細節,AI影片常有詭異錯誤

與辨別一般AI生成影像的訣竅相同:注意影片細節。儘管AI影片乍看之下以假亂真,許多小細節依舊存在破綻,例如過去用來甄別AI圖像的幾個元素, 如手指腳趾、各種花紋紋路、文字、衣服鈕扣以及各種連接處等 ,都是AI時常犯錯的地方。

例如下方這張照片便是一個YouTube頻道AI生成的養生影片,乍看之下確實與真人YouTube影片無異,但仔細觀看會發現,影片中人物的右手只有4根手指,同時背後書櫃上的燈也放置在不合常理的位置。

AI破綻02.jpg
影片中人物右手手指數量只有4根,並且背後檯燈位置不合常理。
圖/ YouTube

接著看另外一個範例,這是一個聲稱旅美退休中醫師的頻道,不過實際上也是AI生成養生影片。同樣可以注意到右手手指只有4根,靠近脖子處的釦子明顯沒有對齊,只剩下半邊。另外,髮際線處變得特別模糊,頭髮本身與這種連接部分都是AI難以處理的地方。

AI破綻03.jpg
同樣右手手指只有4根,靠近脖子處鈕扣只有半邊,髮際線處也特別模糊。
圖/ YouTube

再看一個Instagram上的海外案例,這部短影音2023年推出時便獲得超過8萬次觀看,不過可以從鈕扣、聽診器等部分發覺問題。鈕扣間距有著顯著的差異,甚至顏色、造型都不一致,而聽診器造型也存在破綻。

AI破綻04.jpg
鈕扣顏色、間距有種很大差異,聽診器造型細看也有問題。
圖/ Instagram

AI生成影片動作單調,畫質不穩定

且通常為了避免穿幫,AI生成影像的動作都較為單調,除了臉部表情的變化外,通常只有簡單的手部動作,只要仔細觀看就能看出差別。如果影片畫質粗糙或不穩定,也可能是AI影片的局限或為了掩蓋破綻。

信誓旦旦談療效、賣商品,可能就是AI騙局

另外,除了這種單純獲取流量的頻道外,有些AI生成醫療影片是以推銷保健產品為目的,當民眾看到影片對某些療法信誓旦旦,或者開始推銷起營養品、藥物時,便必須提起警覺。即使影片中看見熟悉或知名的醫師,也可能是被有心人士AI換臉或生成的內容。

不過最重要的是,人們應該對任何網路上的醫療資訊抱持懷疑,隨時有著這可能不是真實資訊的防備,並對所有在網路上看到的醫療資訊進行查驗、核實消息來源。

延伸閱讀:
普發1萬不設「不領取」選項!何時發?誰能領?領取資格、方式一次看
AI害你沒工作是真的!研究揭2年追蹤數字:Z世代員工占比腰斬,管理職也精簡再精簡

資料來源:NHKCBS德國之聲

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