地端 AI 誰先卡位？資料成企業 AI 落地關鍵：醫療、金融法規優先，製造業人力密集墊後
大家都在談 AI 模型、算力與 GPU，但真正決定企業 AI 能否落地的關鍵是資料。當資料因法規、隱私或營運需求無法上雲，AI 就必須靠近資料運算，地端 AI 因此成為近年企業關注的新方向。
以下 Q 為《數位時代》總編輯王志仁提問，A 為 QNAP 總經理劉文義回答。劉總經理將從企業實務出發，解析地端 AI 的真正門檻，以及企業是否具備足夠的導入條件。
Q1：NAS 是什麼？
A： 所謂 NAS（Network Attached Storage），它是一台類似 PC 的機器，但可以插很多顆硬碟，並用 RAID 技術把多顆硬碟組合起來、讓資料同時分散備份在不同硬碟上，防止任何一顆硬碟壞掉時造成資料毀損（視 RAID 等級而定）。
一台機器可能有 4 顆、8 顆，甚至 16、24 顆硬碟，當其中 1、2 顆壞掉時，只要把壞硬碟拔掉、換上新硬碟，資料就會從其他硬碟寫回新硬碟，確保機器內的資料不會損毀，而且是熱插拔、不需要停機。
這裡談的 Network，指的是企業內部的區域網路（LAN），資料在受控環境下使用，通常在區域網路中運行。不過隨著技術演進，現在也有遠端備份與遠端應用技術，使用者甚至可以透過手機從外部連到公司內的區域網路 NAS 來存取資料。
Q2：AI 浪潮下，儲存架構的地端與雲端邏輯有什麼轉變？
A： 儲存產業分成兩大區塊，一個是雲端儲存，一個是地端儲存。QNAP 這類 NAS 廠商主要做的是地端儲存裝置，當資料因為法規或營運需求無法上雲、需要落地時，就必須透過這類產品把資料存在最靠近使用端的地方。
隨著 AI 運算量增加，Edge AI（地端 AI）落地的需求也帶動所有 NAS 裝置商開始往 AI Agent 應用發展，QNAP 也是其中一環，因此必須導入很多新技術來面對接下來 Edge AI 蓬勃發展的市場。
威聯通科技（QNAP）小檔案
- 董事長： 張明智
- 成立年： 2004 年
- 定位： NAS 儲存與網通設備廠商，近年聚焦 Edge AI 應用
- 核心產品／服務： NAS 網路儲存裝置、AI NAS、網路影像監控（NVR）等
- 市場布局： 主要分布於歐洲（泛歐體系）、美洲、亞太（含日本、澳洲、台灣、香港、東南亞）三大區域；劉文義說明，其中歐洲約占近半數業務比重，主要因當地企業對資料安全與資料主權要求較高。
- 官方網站
Q3：客戶的儲存需求跟過去相比有何不同？企業選擇地端儲存而非雲端的判斷標準是什麼？
A： 以現在這個階段來看，差別並沒有很大，大家考慮的重點還是成本。資料上傳到雲端可能是免費的，但要把資料拉下來時是按流量收費，費用相當可觀；換算一家公司一整年、兩三年在雲端處理資料量所需花費，很可能回推發現，買一台一樣容量的 NAS 還可以用 7 年、10 年，所以以資料量來看，成本考量仍居多。
進入 AI 環境普及後，成本仍是最重要的一環，但第二個關鍵是「應用」。如果公司內部資料需要經過雲端 AI 運算才能更有效率地使用，企業可能會覺得這筆錢值得花。不過以現在技術發展來看，地端裝置的 CPU 運算量還非常有限（不含外接 GPU），短時間內不太可能取代雲端的大量、高速運算，因此模型訓練或程式開發這類功能可能還是得留在雲端。所以主要關鍵有兩個：一個是成本，一個是技術面還沒到位。
至於選擇地端而非雲端的判斷標準，主要來自客戶本身的合規性問題，或是資料敏感度不允許上雲。例如醫療業因病患個資敏感度高，上雲需符合個資法與衛福部相關規範；金融業、保險業受主管機關委外規範約束，部分業務資料上雲須事前核准；甚至一些大學院校、設計類別公司，也不希望資料被雲端存取，這些情況下就會找 NAS 裝置商來擴充儲存需求。
延伸閱讀｜雲端、地端成本差多少？導入 AI 流程怎麼安排？企業避坑指南一次看
Q4：QNAP 的客戶類型、產品價格範圍與銷售通路是什麼樣貌？
A： QNAP 的產品範圍非常廣，從大約新台幣六、八千元的入門款，到部分高階產品可達新台幣三十萬元，不同等級面對的客戶完全不同。比較便宜的是消費級，面向一般家用使用者；一大半是 SMB（中小企業）客戶；還有面向大型企業的入門級企業產品。以上都是空機價格，加上硬碟後價格可能還要再翻倍。
家用使用者的需求通常是照片、影片儲存，希望透過手機等裝置很方便地存取日常資料；中小企業客戶則需要協同工作工具，可能是 3 到 20 人共用同一台 NAS 做共編或存放開發資料；到了大型企業，例如連鎖店或跨國銷售企業，可能需要在每個分據點放一台 NAS 做本地儲存，總部再放一台大型企業級裝置彙整全球各地資料，應用面與軟體需求都是完全不同的等級。
中大型企業除了會找 Dell EMC（戴爾）、NetApp 這類大型企業儲存公司之外，也很樂意嘗試像 QNAP 這樣的入門級企業產品，因為台灣廠商做出來的產品，成本與 CP 值通常都比歐美廠商高出許多。
銷售通路方面，一般電商通路主要銷售消費級與 Prosumer（進階／專業級使用者）產品；部分交由系統整合商（SI）拿產品搭配客戶需求做 POC（概念驗證），再導入客戶環境；另外還有政府標案等專案業務，會有前期技術面對談或客製化開發，這類案子有時是由 QNAP 總公司出動研發人員直接處理。
Q5：企業想用自己的資料訓練 RAG、小語言模型、掌握資料主權，這股需求如何帶動 AI NAS 發展？導入時該考量哪些因素？
A： 過去企業想做的 AI 應用，大多只能推去雲端，但要在企業內部自建大型模型並做微調，成本、時間都相當可觀。對一般中小企業來說，最理想的狀況是既有 NAS 本來就已經在儲存專屬資料，如果能在上面加一些 AI 應用來滿足需求，會是更好的選擇。
但目前 NAS 硬體的 AI 運算能力還很有限，一般企業希望達到的應用等級，大概需要 300～800 TOPS，甚至到 1000 TOPS 的運算量，所以大部分人會拿 NVIDIA 的顯示卡來做這樣的應用，1 張卡可能要新台幣 10～12 萬元，若算力不夠要用 2 張、4 張卡，整體成本可能是傳統 1 台 NAS 的 5～10 倍，並不是大部分中小企業能負擔，還需要一定的程式背景與 AI 應用知識。
因為有這樣的需求，QNAP 今年在 Computex 發布了不同等級的 AI NAS：一類維持在傳統 CPU、幾十 TOPs 等級，供基礎應用程式開發；另一類機種可以加裝 1 張或 2 張 NVIDIA 顯示卡，運算量更大，QNAP 也同步開發配套軟體，讓 NAS 能有效率地透過 AI 工具應用機器上儲存的資料。
這會是一個快速成長的市場。傳統儲存當資料量累積到一定程度，例如 10 萬、20 萬張照片，要從中找出幾張特定內容的照片，不可能靠人工一張一張找，勢必要用強化過的 AI 工具，因此在 NAS 裡放上 AI Agent 會越來越必要，一般家用使用者、Prosumer 甚至 SMB 客戶對這類需求都會越來越急迫。
企業評估導入地端 AI 架構時，成本永遠是企業主最優先的考量，其次是資訊安全，因為資料放在地端之後，企業自己必須有能力維護資料安全性。像 QNAP 產品基本上都導入了大量資安措施，也通過多項 ISO 認證，並搭配防駭客應用軟體，這些對中小企業主來說，會是比較優先考量的作法。
王志仁： 企業自建 RAG（檢索增強生成）、訓練屬於自己的小語言模型，呼應了現在越來越受重視的「資料主權」概念——資料最好是由產生資料的企業自己擁有，避免外流或遭竊取，這也需要相應更多的儲存裝置與基礎設施配合。這正是地端 AI 除了市場成長預期之外，還有很基本的剛性需求在支撐：每家公司都需要用自己的資料做訓練、產生 RAG、產生自己的小語言模型，並掌握資料主權。
A： 理想狀況下，QNAP 希望能把開源大型語言模型做微調（fine-tuning）或蒸餾（distillation），縮小模型規模後，用較低價位的硬體在地端執行，這是最完美的狀況，只是需要一段不短的時間，短期內 QNAP 會很專注在這類產品的開發上。
延伸閱讀｜企業部署 AI，500 萬搞定！專屬 AI 是什麼？雲端、地端有什麼差異？
Q6：哪些工作或產業最容易看見地端 AI 的投資效益？哪些情境其實還不適合？
A： 前面提到醫療、金融保險這類產業因為法規限制，比較需要導入地端 AI；再往下看，一些科技行業使用落地 AI 環境，可以加速工作效率或處理資料的速度；像會計、律師這類行業，裡面有很多重複性的文書工作，這樣的公司都很容易馬上導入落地 AI 應用。
工廠生產線也是很容易想見的應用場景。一條生產線可能有十台、二十台機器，每台機器處理資料的方式或儲存資料的協定（protocol）都不一樣，可能都要對應一台類似的 NAS 裝置去儲存資料。
再往機器人與實體 AI（Physical AI）的方向看，這類環境會產生大量影像資料，甚至一些生產過程中的資訊需要記錄，只要持續生產，資料量就會不斷累積，甚至可能需要儲存三到五年；而且因為資料儲存量大，要呼叫使用時，就需要透過 AI Agent 這樣的技術才能達到需求。
零售賣場、餐飲現場，以及家用服務型機器人這些場景，隨著影像技術演進、解析度提高，影像或照片的資料量也會越來越龐大，想從中找到特定片段，都會越來越需要 AI 工具幫忙快速達成目的。
反之，需要靠大量人工處理的製造業，會比較沒那麼快能夠馬上導入落地 AI。
Q7：AI Agent 生態布局上，權限管理、資料安全和使用者控制上有什麼設計思考？
A： 最好的做法，是 QNAP 開發一套 Agent 軟體並放在自己的 NAS 上執行，這樣可以同時兼顧資安與資料儲存性，連帶原本該有的備份服務、資料安全也都能一併兼顧。如果客戶已經在使用其他家的 Agent，也可以相容並存，兩者是平行架構，使用者可以自行選擇要用哪一個。
我們甚至發布白皮書，教導使用者如何把其他家的 Agent 掛載到我們的 NAS 上，但使用時必須服從 NAS 本身的資安管理規則，否則很容易遭到駭客攻擊。
Q8：未來三年 NAS 在 AI 基礎設施中的角色會如何發展？能否舉一個客戶實際導入地端 AI 的案例？
A： 地端 NAS 現在最大的問題還是基礎運算硬體能力不足，要達到能普遍使用的條件，CP 值必須到一定程度，就像過去筆電賣 3～5 萬元時買的人最多，一旦漲到 20、30 萬元，買的人就會變少，普及與成本息息相關。以目前來看，地端應用要能順暢運作，運算量至少要到 300～600 TOPS，甚至 800 TOPS 這個等級，價格最好落在新台幣 5～8 萬元的區間，但現在的硬體方案還非常有限。
接下來 2～3 年，硬體技術會持續演進，QNAP 這類公司也會跟著技術演進的步調，盡快把對應的實體產品與軟體應用做出來，預期應該可以看到符合一般大眾期待 CP 值的產品，那個時間點就會是 Edge AI 落地最蓬勃發展的時候。
以 QNAP 曾協助一家約 50 多人規模的能源公司為例，這家公司原本用桌上型 NAS 搭配雲端 AI 做內部資料庫，但員工查詢時效能經常卡頓，加上公司的專利、技術資料、合約等內容敏感度很高，高層不願意把這些資料上傳到公有雲。後來他們找到 QNAP 的旗艦機種 QAI-h1290FX，搭配顯示卡與全快閃儲存架構，在地端部署私有 LLM，把過去封存多年的靜態檔案全部放上 NAS 讓 AI 呼叫，進行跨檔案摘要與精準搜尋，讓員工省下大量查資料、翻找合約的時間，也確保核心機密不外洩，進而加速決策速度。
這類地端應用不一定需要雲端大型模型的參與，靠地端機器的基礎運算量就可以達成需求，但仍需要一段時間的 POC，由技術人員協助客戶評估如何達成目標。
未來這類案子會越來越多，但因為很少有通用軟體能讓沒有 AI 知識的客戶快速上手，若沒有像 QNAP 這樣的技術公司協助進行 POC，這樣的推廣並不容易，這也凸顯出專業 AI NAS 公司存在的必要性。
收聽完整 Podcast｜《數位時代》EP302. AI 時代下的地端儲存、Edge AI 與 AI NAS
（本文初稿為 AI 編撰）
延伸閱讀
Nvidia 官方養蝦場 NemoClaw 登場！讓 AI 代理替你寫程式、查資料、管信件，敏感數據不出防火牆
製造業不再「黑箱」！邁特電子靠地端 AI 揪出產線死角，作業時間狂減 7 成
1 張圖成本從 10 萬變 2 元！夢想動畫砸千萬自建地端 AI，1 分鐘速出百張圖