影片解析|台灣連續26個月生不如死!少子化正掏空人才庫,揭密年輕人「集體拒生」3大真相
影片解析|台灣連續26個月生不如死!少子化正掏空人才庫,揭密年輕人「集體拒生」3大真相

重點一:台灣2月新生兒僅6,523人,全國人口連續26個月負成長,國發會估2070年人口剩1,500萬。
重點二:台北房價所得比16.4倍,月薪中位數不到5萬,高齡化財政壓力持續墊高年輕人撫養負擔。
重點三:現金補貼效果有限,南韓2024年轉向以企業義務化分擔育兒責任,台灣政策思維尚待跟進。

今年2月,台灣新生兒數量首次跌破7,000人,僅剩6,523人。全國人口已連續26個月負成長;國發會推估,到2070年,台灣人口將萎縮至1,500萬人,相當於蒸發掉現在三分之一的人口。

這場危機並非突然發生,而是是薪資與房價長期失衡、職場文化持續敵視育兒者、以及社群媒體放大對孩童不友善氛圍,三股力量長期共同作用的結果。那麼政府加碼補貼真的有效嗎?當人消失了,我們的社會又將面臨哪些危機呢?

少子化會帶來什麼影響?

台灣目前享有全球數一數二高效的公共行政、醫療體系與各項服務,但這個優勢正在被人口結構緩慢侵蝕。基礎勞動力的缺口將最先浮現。水電修繕、建築維護等工種,高度仰賴長期從業的中壯年人口;當這個族群陸續退休,而新一代又因少子化而人數不足,即便手邊有錢,要在合理時間內找到師傅處理家中問題,在不遠的將來可能成為奢侈。

醫療與長照體系的壓力同樣已在累積。護理人力短缺導致部分病房縮減運作,長照機構床位供不應求。過去由多名子女分擔的老年照護責任,正逐漸轉移至政府身上,形成財政上的結構性壓力。這筆帳由在職的年輕世代承擔:老年人口愈龐大、稅賦負擔愈重,而能支撐生育意願的剩餘資源也就愈少。

另一個不得不提及的,便是台灣以半導體產業作為護國支柱,但這個優勢高度仰賴本土緊密的人才鏈。Google 台灣前董事總經理、AI 趨勢專家簡立峰對此直接提出警告:「台積電的人才來自台灣,當每年出生人口只剩10萬人,台灣的半導體產業要維持第一名是有難度的。」

台積電的高精密製程無法像軟體公司那樣轉移至海外遠端協作,它仰賴的是長期積累、即時協作的本土人才鏈。按照目前的人口軌跡,五年內產業將面臨研發人才斷層;十年內,內需市場的消費力也會同步萎縮。一旦本土人才庫持續縮小,這個競爭優勢的基礎就會被緩慢抽空。

那麼話又說回來,是什麼原因,讓台灣人不敢生小孩?

真相一:房價壓死薪資,年輕人買不起未來

根據主計總處統計,2024年全體受雇員工全年總薪資中位數54.6萬,換算月均約4.55萬,也就是不到5萬元。不僅如此,台北的房價所得比為16.4,比倫敦的9.1、紐約的7.4還要高,意味著以家庭全年可支配所得計算,需超過16年才能購入台北一間平均房價的住宅。

更嚴峻的是財政壓力的累積邏輯,老年人口持續增加,健保與長照的財政缺口不斷擴大,政府遲早須提高稅率與保費,而這筆帳最終由在職的年輕人承擔。當每月薪資扣除房租與各項保費後所剩有限,生育對多數人而言早已不是優先考量,而是根本沒有餘裕列入計畫的事。

真相二:職場對育兒者的隱形懲罰

即便經濟條件允許,台灣的勞動環境對育嬰家庭依然充斥不友善。雖然法規明訂了育嬰假與津貼,但在廣大的中小企業中,「隱形歧視」仍是無處不在。在許多職場,申請育嬰假意味著隱形的考績壓力、被邊緣化的晉升機會,以及來自同事或主管的異樣眼光。

不僅如此,對多數女性來說,生產後的代價是多重且漫長的。生理上的疲累尚未完全修復,下班後緊接而來的,卻是另一場無縫接軌的「第二輪班」——獨自處理家事、照看孩子,而職涯停滯的風險也在這過程中悄悄累積。在各種現實壓力的考量下,許多人發現,不生小孩是維持職涯與生活平衡的唯一出路。

真相三:社群媒體放大了對孩童的不友善

除了經濟與職場,社會心理層面的轉變同樣是許多人「不敢生」的原因。在社群媒體的推波助瀾下,公共空間對孩童行為的容忍度大幅降低。

調查顯示,只有16.1%的民眾有強烈的厭童傾向,但社群媒體上的負面公審,如帶小孩搭飛機、搭高鐵時的哭鬧,讓許多年輕父母在出門前就已充滿焦慮,擔心孩子的一舉一動會被標籤化為「不會教」。這種無形的社會監視形成了一種充滿敵意的氛圍,讓潛在的生育者光是看到社群討論就感到壓力。

為何補貼無效?參考南韓2024年的政策轉向

目前台灣的補貼政策集中在一次性現金發放,相對於長達20年的育兒支出,誘因效果有限。

南韓在2024年的政策轉向,可以作為參考的方向。南韓生育率的回升並非靠發錢,而是將生育支持轉化為「企業的獎勵與義務」。

  1. 資本分擔責任: 企業發放的生育金全額免稅。
  2. 資訊透明化: 強制上市企業申報員工育兒統計資料,將育兒友善度納入企業社會責任評價。
  3. 給予父母彈性工時: 台北市試辦的「育兒減少工時」也是同樣邏輯——政策重點不應只是發錢,而是給予父母彈性的時間。對新手父母來說,能陪孩子成長且不被職場排擠,遠比一次性的金錢補貼更具誘因。

人力稀缺時代,企業的兩條出路

在生育率短期內難以回升的前提下,企業必須同步啟動應對策略。當人成為最稀缺的資源,產業思維也需要隨之改變:

  • AI優先的人力策略: 奉行「凡是 AI 能做的就絕不用人」的原則,將珍貴的人力資源從重複性勞動中釋放,轉向具備創造力與同理心的高附加價值崗位。
  • 擁抱國際與「出海」: 台灣企業不能再依賴封閉的本土人才庫,必須學會擁抱外籍人才,並積極將營運版圖擴展至國際市場,以化解本土勞動力消失帶來的系統性風險。
少子化
圖/ ChatGPT

生育率反映的是人民對未來是否仍有期待。當薪資追不上房價、職場懲罰育兒者、公共空間對孩童不友善,選擇不生就成為一種理性的個人決策。

在現金補貼效果有限的情況下,更根本的問題是:台灣能否建立一個讓年輕人對未來重新產生信任的環境?這需要的不是更多一次性補貼,而是職場文化、財政分配與公共空間氛圍的同步轉變。

延伸閱讀:
精緻窮是什麼?Z世代為何寧願出國、分期買精品,也不想存頭期款?
台灣要出海,合理佔領別國資源與大腦!簡立峰:如果不改變,我們將會「窮得只剩錢」

本文初稿為AI編撰,整理.編輯/黃若彤

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