台電新Logo設計邏輯解密:聶永真如何用一次小改版,替80歲老品牌重啟企業識別?
台電新Logo設計邏輯解密:聶永真如何用一次小改版,替80歲老品牌重啟企業識別?

台灣電力公司(以下簡稱:台電)於近日釋出了全新 Logo、品牌標準字,這套識別系統,由曾打造臺中綠美圖識別設計、「2025 台灣設計展在彰化」主視覺等作的永真急制操刀。

那麼,台電的企業識別系統為何需要更新?本文將回顧 80 年前台電 Logo 的誕生,並介紹從先前「草聖」于右任字帖,到如今的數位黑體標準字,其背後的設計思考與規劃。

#1 台電logo
圖/ 圖片來源/aaron nieh 聶永真

回顧近 80 年前,台電 Logo 的誕生

台電的圓形閃電 Logo,最早可追溯到 1947 年(民國 36 年),在典藏的內部公文中,記錄了經數次嚴謹調整的設計版本,以及針對 Logo 角度、長寬、筆畫等細節的明確數值規範。在彼時的時空背景下,這套企業識別系統,可以說是具備了相對前瞻的設計意識。

台電 logo
1947 年 2 月 27 日發布的修正草案中可見到清晰的台電 LOGO。
圖/ 圖片來源 / 國家檔案資訊網

此外,台電 Logo 中的多個元素,也反映了時代色彩,乘載著某段歷史軌跡,例如:台、電二字字體與閃電紋路的設計,都受到日治時期部分電力事業社徽的影響。而最外圍的 3 層藍色環線,則象徵當時出資成立台電的「行政院資源委員會」。

台電 logo
「修正公司徽圖」的說明文字裡,各個圖像細節都有精準的數值規範。
圖/ 圖片來源 / 國家檔案資訊網

聶永真親解:台電為什麼需要一套全新識別系統?

從台電 Logo 的誕生,到如今時隔近 80 年後的更新,永真急制創辦人聶永真提到,這次的設計起點,是為了解決原 Logo 在功能上所遭遇的困境。

他進一步指出,「因早期製圖與當代應用之間落差巨大,長年存在識別不一的問題,舉凡鑄鐵維修孔蓋、變電箱噴漆、極小印刷品、立體刻字招牌等,常常為了不同媒介需要有所調整,這也是為什麼,人們可以在路上找到許多不同版本的鑄鐵維修孔蓋。」

#6 台電logo
圖/ 圖片來源/aaron nieh 聶永真

然而,由於現代製圖工具的發展,如今已有機會產出更精準的數位製圖檔案,以便於多元媒介的廣泛應用。

另一方面,從企業角度出發,隨著能源議題與公共溝通方式改變,台電也需要更貼近日常與大眾。因此,聶永真指出,「此次調整非『重新設計』,而是在既有的認知基礎上,以更輕盈、清晰的線條語彙,讓台電識別更符合當代使用情境。」

#5 台電logo
圖/ 圖片來源/aaron nieh 聶永真

為台電建立一組專有、更通用的「企業標準字」

此外,置於圓形閃電旁的「台灣電力公司」6 個書法字,其實是分別取自于右任字帖,再進行排列、縮放、調整角度而成,並以電腦描圖邊緣處理,並非由于右任專為台電客製書寫而成。

因此,這也是此次永真急制在為台電進行識別更新時,由企業內部所提出的另一轉型契機——為了因應數位媒介需求、紙媒變遷,除了針對圓形閃電 logo的清晰辨識度進行調整外,也為台電建立一組真正專有,且於識別上更通用的「企業標準字」,進而自信地走向下一個時代。

#8 台電logo
圖/ 圖片來源/aaron nieh 聶永真

不過,面對一枚問世近 80 年的 Logo,聶永真不諱言,「當然企業本身有一定結構性與認同包袱,這也是為什麼新修版的標準字,仍在中宮、端點等特性上,加入了與于右任原帖字體的連結。」而在此過程中,永真急制也委託了專業字體設計師協助修調,在現有條件下,使標準字的細節、灰度與結構取得適切平衡。

逐字設計解析!從「草聖」于右任字帖,到數位黑體的標準字更新

針對台電的品牌標準字更新,永真急制在最初于右任版本的行書、楷體書法,以及數位字型的無機感黑體間,逐字尋找平衡點,並分享了修調背後的設計思考:

#01「台」

于右任版本的「台」字輪廓,其「菱形」架構十分強烈。為了模擬于右任版本的有機結構,永真急制選擇將新版「台」字中的「口」,調整為倒梯形,並將此規則作為整套字的邏輯之一。

#02「灣」

于右任版本中的「灣」字,其中的「弓」明顯窄於上方部件。這是書法常見的寫法,藉由這樣的對比度營造結構張力,雖然在數位字體上無法完全模仿,但可以從中汲取一點「味道」,加入新版的黑體骨架中。

#03 「電」

出自于右任之手的「電」字,上方橫筆極短,下方「电」中的「口」也是倒梯形,尾部轉折處有曲線感,在規劃數位字體時,也參考了上述特徵加以設計。另外,「雨」部件則改採對稱結構,為整個字增加視覺上的穩定感。

#04 「力」

于右任所寫的「力」字,其左側的大撇寬度是由細到粗,第二筆橫彎勾的結尾處則明顯高於撇筆,此舉形成一種視覺上的躍動感。為求黑體結構穩定、風格統一和諧,在更新標準字時,都只擷取些許特徵加入。

#05 「公」

于右任版本的「公」字,撇筆由細向外逐漸增粗,更新後的標準字也參考了這個特徵,微調黑體細節。

#06「司」

拆解「司」字中的 3 個筆畫部件,可以觀察到「階梯式」的佈局,這同為書法中常見的寫法,但並非一般黑體的架構,因此,設計團隊也將此特徵挪用至新版標準字上,並延續先前提及的,「口」部件的倒梯形邏輯。

是更新,而非重新設計:迎接下一個 50 年的台電企業識別

最後,聶永真表示,這件品牌識別更新案,早在 2025 年初便已結案,識別標誌與應用則以較趨緩的方式陸續上線及更新。

他回顧,永真急制之所以決定投標,乃至於最後接下更新台電企業識別的任務,「除了情懷,更覺得若能讓它往現代化邁進一點,會是件很榮幸的事。」而他也不諱言,原本當然期待有更大幅度的改變與發揮,「但案標說明得很清楚,是更新、優化,而非『重新設計』。我們有責任也想把這個案子做好,希望藉此為台電開啟下一個 50 年全新的企業識別。」

(本文授權轉載自Shopping Design

延伸閱讀:台電Logo在吵什麼?96萬換標爭議背後,解析Gap、英航也曾踩過的「設計紅線」

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