全球最大知識社群 年度聚會直擊
全球最大知識社群 年度聚會直擊
2007.09.01 | 科技

它是由全球無數志願學者、玩家、學生等有知識的人共同建築的。這些參與者被稱為維基百科社群。這種分享的精神傳遞,是靠著一年一度的維基媒體國際大會(Wikimania),在社群間持續不斷地被強化。而今年,這個盛會不在別的地方,正是在台灣、台北。此次台灣拿下維基媒體年會主辦權,不僅是台灣維基社群力量的展現,也讓全球看到活躍的亞洲新勢力。

今年8月3日至5日,全球98國、數百名維基人、網路高手及媒體,齊聚台北市劍潭活動中心,一連3天的維基媒體年會,熱鬧展開。連維基百科創辦人吉米.威爾斯(Jimmy Wales)都盛讚,這是他所參加過最為有秩序、準備最為充分的一次年會。

促成這個國際盛會在台灣發生的主要幕後推手包括:活動總籌鄧傑、志工總召許瑜真、議程總管理劉自強。他們帶領著數十個社群及百名志工,歷經了一年準備,終於讓這次的年會圓滿完成。各自懷抱著理想的他們,為台灣年輕人的國際之路寫下了歷史。現在,也讓我們追隨他們的足跡眼光,記錄這屬於亞洲,更屬於台灣的記憶及榮耀…… 

散布在世界各地的維基社群,就是建構維基百科的幕後功臣,藉著各地區的聚會,社群們自動自發訂定各種目標及規範。而其中最盛大、最鼓舞人心的,莫過於一年一度的維基媒體國際大會了。 

**DAY 1 
3   AUG. 2007  **

統籌總舵手  鄧傑 
年齡:30歲
正職工作:《聯合報》法務專員
籌備年會職務:中華民國維基媒體協會理事長,負責進度總籌     

09:00
忙碌的一天,2007國際維基年會在台北劍潭青年活動中心展開。活動總籌鄧傑(虎兒),在維基媒體基金會理事長德伍阿爾介紹下,起身接受與會者掌聲,這是全球維基人認識台灣的一刻。開幕演說結束後,虎兒開始巡迴整個會場,追蹤議場情況、確認講者位置,以及待命處理任何緊急事件。

12:30
今天重頭戲是中午的記者會,世界各地的媒體齊聚一堂,虎兒坐在維基百科創辦人吉米‧威爾斯(Jimmy Wales)身旁受訪。虎兒很有耐心地面對大小媒體蜂擁而至的連珠炮般提問,連午餐都沒時間吃,他臉上始終掛著微笑,分享維基年會首次在亞洲城市舉辦的甘苦談。   

17:00
年會第一天大致上很順利,除了一位引言人臨時找不到,讓虎兒緊急地聯絡志工找講者,有驚無險地找到他(後來發現他在另一場會議中聽講)。下午5點,所有人重新在演講廳集合,虎兒宣布隔天行程的異動,感謝所有與會者出席維基年會,關上大門後,第一天行程正式結束。

來自世界各地的維基人陸續報到,大廳掛上大型議程表,同一時段有四、五個議程進行中。此外,自由區的茶點源源不絕,成為交誼好地方。裝置藝術區也引起大家的興趣,有藝術家試圖捕捉傳送封包影像當中的遺漏,有人用數位的方式表現植物生長。   

**DAY 2 
4   AUG. 2007  **

志工輔導長  許瑜真
年齡:27歲
正職工作:Wikia網路社群專員
籌備年會職務:整合贊助資源及志工招募 

08:15
由許瑜真帶領的志工群,每天早上準時集合,小至會場布置,大至處理緊急事件,全都仰賴志工們的動員。而事前一次次的教育訓練,就是讓一切得以順利進行的重要準備。除了政府認證的志工基礎認知訓練課程之外,對維基的基礎認識也是教育重點,無形間也讓維基社群的影響力,向外擴張了不少。 

11:30
  一年一度的維基媒體國際大會,除了是維基社群的大事之外,更是全球媒體關注的焦點。會議進行過程中,籌辦團隊接受不少國際媒體的採訪,其中還包括《紐約時報》(The New York Times)及國際紀錄片公司,台灣年輕人的聲音也藉此傳送全球。

16:30
大會除了是維基社群的重要聚會,也讓不少仰賴維基軟體平台而衍生的商業公司,有了更多的交流互動機會,像許瑜真工作的Wikia就是其中之一。這些公司多半以「廣告」為主要獲利來源,也同樣信仰「開放內容」的維基精神。 

大會交誼廳就像個小型聯合國,可以看到來自世界各地的社群成員,還能夠接觸各種國際科技計畫,包括全球之聲(Global Voice Online)負責人麥金諾(Rebecca MacKinnon,左四)與百元電腦計畫(左一、右二)都是重要周邊參與者。     

**DAY 3 
5   AUG. 2007  **

議程指揮官  劉自強
年齡:32歲
正職工作:中央研究院資訊科學研究所專案經理
籌備年會職務:與議程委員會成員溝通,共同進行議程規劃 

09:15
負責2007維基年會議程的劉自強指出,本次議程主軸有三個:維基百科社群、開放內容、技術基礎,並且在他的努力下,才讓委員們接觸其中許多的中文論文。在活動當天,劉自強每天9點會向與會朋友簡介今日議程,接下來就是緊盯各講堂內議程情況。因此劉自強認識所有講師、了解所有議程特色,這些來自世界各地的講師只要遇到他,就會抓著他討論大小事。 

10:15
  伊藤穰一是閉幕日的重要嘉賓,劉自強負責他到場之後的演講事宜,敬業的伊藤到會場後隨即詢問劉自強,聽眾的國籍、年齡、有多少是維基客,以調整他接下來的演講內容。有趣的是,伊藤表示,他只吃沙拉和全麥麵包,雖然他很善意地說,他可到餐廳自己挑著吃,但其實大會餐飲沒什麼蔬菜可吃,讓劉自強和服務的志工傷了不少腦筋。 

16:30
一整天都沒坐下來的劉自強,到最後維基基金會的運作報告時,終於可以坐下。本次年會的核心人物除了虎兒、瑜真、自強之外,還有負責公關的筱如、接待與報名的多多,完成這次活動,他們都很興奮。劉自強表示,年會結束收到許多與會人士的回應,「基金會主席Florence就說,這次年會隨時隨地都有精采的議程,她很喜歡。」

2007維基年會動員相當多志工,且訓練有素,讓國外來的參與者印象深刻。創辦人吉米在最後的閉幕大會上說,希望今年到明年可在全球舉辦50個CC party(由維基百科與Creative Commons協力舉辦),繼續推廣開放內容。

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