邊緣運算促資料架構升級　企業主權AI一站打造

威聯通（QNAP）智慧儲存產品處產品經理林子軒表示，過去企業多半透過索引機制處理檔案，多數資料其實長期處於靜態保存狀態，儲存設備扮演的主要是穩定保管者角色。AI導入後，情況開始改變。當企業要求系統自動整理年度營運資料、歸納歷史文件內容、搜尋模糊條件的知識片段，甚至由AI進一步執行檔案調整時，儲存系統承受的，就不再只是保存需求，而是直接參與資料存取與處理流程。

林子軒指出，這也是許多企業初期最容易低估的環節。多數使用者初期注意力集中在模型夠不夠聰明、顯示卡（GPU）運算能力、應用是否能快速上線，卻往往忽略後端資料平台是否足以支撐AI的連續讀寫、高頻吞吐與權限控管。尤其當AI開始接觸原始檔案，風險型態也跟著改變。

以往員工誤刪或誤改，通常影響範圍有限，頂多是少量檔案出錯；若交由AI自動處理，一旦流程判斷錯誤或權限配置失當，衝擊可能擴大到整個共享空間，甚至波及整台設備中的大量資料，使得企業須重新看待可復原性、快照、備份與權限隔離的戰略地位。

同時，AI不只改變資料被存取的方式，也改變資料被生成與保留的節奏。林子軒強調，AI帶來的另一個明顯現象，是資料生成速度遠高於以往。過去被視為次級資料、可能定期刪除的系統日誌（Syslog），現在都可能成為AI分析異常、追查流程、建構知識庫的重要素材。資料量因此不是線性增加，而是伴隨生成頻率與保留策略同步擴張。

AI驅動儲存管理走向資料治理

市場目前最常誤判的風險，在於把AI專案理解成單一算力採購案。企業覺得加上顯示卡、配幾台工作站（Workstation），模型能運行就算完成第一階段，後續才逐步發現原有儲存空間不夠、頻寬不足、資料搬移太慢、舊設備CPU負載過高，甚至連跨節點資料交換都跟不上推論與查詢速度。AI工作負載的特性在於，一旦顯示卡處理速度提高，後端儲存與網路若沒有同步升級，瓶頸就會立刻浮現。企業原本認為儲存只是附屬元件，最後卻往往卡在資料供應速度，導致整體效能無法釋放。

林子軒表示，這類問題目前仍處於剛開始被看見的階段。許多企業還在沿用原本的儲存架構，搭配額外添購的GPU設備來做地端AI部署，短期內看似可行，但隨資料量與查詢頻率上升，問題就會逐步浮現。反映在威聯通自身的產品規劃上，便是開始更積極加強傳輸優化與資源調校。例如已公開官方支援NFS over RDMA，可藉由遠端直接記憶體存取（RDMA）降低I/O延遲與CPU使用率，改善高速資料存取情境下的整體效率。這原本在企業端感受不深，進入AI情境後，價值就變得具體許多。

這種變化，也讓NAS的角色開始轉變。林子軒直言，若仍把NAS視為單純檔案櫃，已經無法對應企業下一階段需求。儲存平台正在被重新定義為兼具資料保存、地端運算、應用整合與治理控制的邊緣節點。威聯通近年公開的QAI系列，即反映這個方向。QAI-h1290FX定位為GPU Ready的邊緣AI儲存伺服器，可選配專業級GPU，結合U.2 NVMe SSD、25GbE與QuTS hero作業系統，適用於地端AI、檢索增強生成（RAG）搜尋與高算力負載情境。

邊緣AI帶動軟硬整合需求看漲

談到產品定位轉變，林子軒提及，過去NAS設備主要強調硬碟容量、SSD快取、網路速度與資料保護能力，如今則必須把AI運算資源納入平台設計。因此，威聯通發展理念不僅是「替AI提供儲存」，還進一步把AI功能納入設備，讓資料與模型在同一平台上交換，降低傳輸耗損與部署複雜度。對於中小型企業、部門級應用、知識助理、文件查詢、日誌分析、內部RAG與特定流程自動化等場景，邊緣AI（Edge AI）確實可能形成更實際的落地模式。

林子軒舉例，若企業希望把員工手冊、請假制度、內部標準作業程序、部門文件集中起來，由AI回答重複性查詢，這類任務很適合建立在地端設備上。畢竟企業內部核心資料未必適合上雲，且多數企業真正需要的，並非龐大而通用的大模型，而是能處理特定部門知識、可控、可維護的小型應用節點。這種情境下，一台兼具儲存、GPU支援與容器部署能力的平台，就有機會扮演部門級AI助理的底座。威聯通目前也將開放原始碼模型與應用的部署能力，放進Container Station容器平台中，降低導入門檻。

值得注意的是，林子軒認為，這並非意味著單一設備可包辦所有事情，關鍵在於軟硬整合生態系已逐漸成熟。當前多數企業即便要發展AI，往往也說不清楚具體需求，只知道不能缺席。這種情況下，單獨銷售儲存設備很難完成價值閉環，必須搭配軟體、系統整合商（SI）與通路夥伴，把特定情境包裝成可直接採用的方案。換言之，平台供應商提供穩定的硬體、作業系統、資料保護與基本AI能力，合作夥伴則補上垂直場域知識、流程串接、模型選型與導入服務，才能真正讓部門級AI、地端知識助理或邊緣AI專案順利落地。