觀點|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」
觀點|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」

台電近期更新企業識別Logo與標準字,由聶永真團隊操刀,標案名稱為「台電識別系統優化設計」,金額約96萬8940元,引發社群與媒體大量討論。台電方面說明,這次不是單純「畫一張圖」,而是因應數位媒介、應用一致性與品牌現代化需求的基礎工程,並採取新舊並存、逐步汰換方式以降低成本。

社會討論之所以劇烈,是因為台電是國營事業,也是電價、能源轉型的共同符號,因此當它的視覺被改動,民眾感受到的不是單一企業的品牌換裝,而是某種「公共記憶被重新編碼」。

這次爭議呈現了幾個典型主題:

1.美感之爭:新設計是現代化,還是去特色化?

支持者認為新版較簡潔,也更符合數位時代的應用需求;反對者則認為新版過於一般化,失去原本書法標準字的歷史感、手感與文化識別。媒體報導中也整理出類似的兩極反應:一方認為新形象更專業、年輕;另一方認為原字體更有辨識度與文化厚度。

這裡所爭議的核心不只是「好不好看」,而是兩種美學秩序的衝突:一種是現代品牌系統所重視的可讀性、一致性、跨媒介應用;另一種是公共機構長期累積出的歷史性、偶然性、地方感與記憶痕跡。

2. 歷史之爭:于右任題字究竟是書法資產,還是可被系統化重繪的素材?

這次爭議很快延伸到原標準字的來源。聶永真主張,原六字是取自于右任字帖集字排列而成,並非客製題寫;但有學者援引《台電月刊》提出反駁,雙方說法迄今仍有爭議。

這一點非常關鍵。因為對設計專業而言,原標準字也許是一組需要被整理、向量化、標準化的視覺元素;但對文化記憶而言,它可能是一件「公共書法資產」。兩者的衝突點在於前者重點在於是否能穩定應用,後者強調「這段歷史是否被尊重」。

3.設計價值之爭:真的只是「花錢換六個字」嗎?

另一個焦點是標案金額。報導指出此案金額約96萬多元,引發批評者質疑台電在虧損、電價壓力與政府補貼背景下,是否仍應花錢更新識別;支持者則認為,如果這是一套企業識別系統、字體修調、跨媒介應用規範與品牌策略工程,近百萬元並不算高。

這裡其實暴露出台灣社會對「設計價值」的長期矛盾:大家期待公共服務要專業、清楚、有品質,但一旦設計被標出價格,又容易被簡化成「花錢換六個字」。這些年我們在振興設計產業的努力當中,設計這種軟實力的過程助攻效益,缺乏創意的跨界公共計價,一直是台灣設計產業長期面對的市場失靈。

設計專業最常被誤解的地方,正在於成果看起來越簡潔,背後的研究、測試、修正、規範、溝通與導入成本越容易被看不見。

4.政治之爭:設計被捲入身分政治與政黨攻防

部分討論將此案連結到「去中國化」、政治酬庸、特定設計師立場與國營事業標案,引發更強烈的政治攻防;台電則回應,希望外界不要過度政治聯想,並強調這是品牌轉型與應用性的基礎工程。

這代表公共設計在今天已經不可能只是「中性技術」。尤其當設計對象是國營事業,其符號會自然進入國族敘事、政黨競爭、文化身分與公共財務的討論。

5.專業之爭:設計師的判斷,如何與公共審議相遇?

聶永真回應時強調,更新是為了解決原標誌在不同媒介上的功能困境,例如維修孔蓋、變電箱噴漆、小尺寸印刷、立體招牌等應用中長期存在版本不一的問題;新版也保留與于右任版本在中宮、端點等特徵上的連結。

從設計專業角度看,這是一個合理的企業識別優化邏輯。然而公共設計的難度在於,專業邏輯若沒有被轉譯成公共語言,就容易被社會誤讀為「傲慢的專業決定」。

具體而言,這種公共審議的設計應體現於開放式導入流程(Open Design Implementation)。公共機構不應採突擊式發布,而應在初期進行「視覺資產社會價值調查」,並在中期公開「設計基準書」,向大眾轉譯專業邏輯:為何而改?解決了哪些應用困境?唯有將設計的演進脈絡置於陽光下,讓大眾從被告知者轉為理解者,參與者,專業判斷才能轉化為公共信任。

#8 台電logo
圖/ 圖片來源/aaron nieh 聶永真

一般而言,品牌Logo作為物件設計會牽涉到三個層面:從物本設計(Artifact-Centered Design)到人本設計(Human-Centered Design),再到系統設計(Design in Systems)。

LOGO的線條、比例、辨識度、風格⋯⋯這是視覺面所構成的第一層面,第二層是使用者導向:民眾在帳單、網站、工程車等上如何辨識台電?不同年齡、視力、媒介、距離與使用情境下,是否更清楚?這是企業識別系統的功能問題。第三層才是這次真正重要的地方:Logo是台電與社會之間的公共介面,包括能源政策、公共信任、歷史記憶、國家現代性與社會溝通的交會點。

因此,台電案的價值在於它暴露出:當代設計已經不能只以「造形品質」自我辯護,也不能只以「使用者需求」作為終點。它必須進一步處理制度、記憶、權力、公共性與治理。

公共與大型品牌Logo更新為何常常引爆爭議?

台電案其實不是唯一一個引發社群爭議的品牌更新案例,以下幾個案例作法也許可以作為參考:

1.British Airways:當「熟悉身分被移除」的反作用力

英國航空1997年推出「World Tails」機尾設計,以全球多元文化圖像取代較傳統的英國形象,希望呈現更國際化、友善、多元的品牌。然而這個設計引發強烈爭議,許多英國民眾與商務旅客認為BA失去了英國身分;柴契爾夫人甚至公開批評。後來BA逐步回到以英國旗幟為核心的Chatham Dockyard設計。

193ac_-_British_Airways_Boeing_747-436,_G-BNLZ@LHR
British Airways
圖/ 維基百科
British Airways.jpg
British Airways
圖/ British Airways

這個案例非常接近台電爭議中的身分問題:設計團隊可能想表達「現代化」或「全球化」,但使用者可能感受到的是「熟悉身分被移除」。公共品牌尤其如此,因為它不只是服務標誌,也是共同體想像的一部分。

2.Gap:缺乏敘事與導入過程的快速失敗

Gap在2010年突然推出新Logo,移除原本具有高度辨識度的藍色方塊標誌,遭到消費者與設計界猛烈批評,最後短短約一週便撤回。許多評論認為,問題不只是新Logo本身,而是缺乏清楚的策略說明、導入脈絡與品牌轉型支撐。

GAP
圖/ GAP

Gap的教訓是:品牌識別更新若沒有足夠的敘事鋪陳,很容易被社會解讀為任意、突兀、沒有必要。台電這次的問題,也部分出在「先被發現改了,再被迫說明」,而不是先建立公共溝通脈絡。

3.London 2012 Olympics:公共符號必然承受高強度審美與政治審查

倫敦2012奧運Logo發表後,引發英國媒體與公眾強烈批評,甚至有數萬人連署要求撤回;爭議包含美感、可讀性、費用與動畫版本的健康疑慮。

這說明越是公共、越是國家級、越是象徵性強的識別,越會被放大檢驗。台電雖非奧運,但它作為國營基礎設施,承受的公共審查邏輯其實相似。

倫敦2012奧運Logo
圖/ olympics.com

真正成熟的公共設計,不只是交出一個好看的成果,而是讓改變的過程本身也能被社會所理解。台電Logo爭議的提醒在此:臉換了,但對話還沒開始。在更換品牌識別的同時也重建社會信任,才是最大難題。

延伸閱讀: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?

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