企業資料不能上雲，AI 還能怎麼導入？

資料不能出公司，AI 仍然可以導入：把模型部署在企業自己的機房（地端），或把敏感資料留在地端、只讓非機密運算使用雲端（混合雲）。該選哪一種，取決於資料敏感度、預算型態與維運人力。

資料不能出公司，AI 真的還能用嗎？

可以，這正是私有 AI 存在的理由。多數人以為「用 AI」等於「把資料貼進 ChatGPT」，但那只是資料外流風險最高的一種用法。生成式 AI 的模型可以安裝在企業自己的伺服器上，資料從頭到尾不離開公司網路，使用體驗與線上服務相近。

差別只在三件事：模型放在哪裡、資料經過哪裡、誰負責維運。把這三件事都留在企業掌控之內，就是私有 AI；企業對資料的存放、使用與流向握有決定權，就是資料主權。模型會越來越像，資料不會。

「不能上雲」是哪一種不能？

先分清楚是法規禁止、合約約束，還是公司自己的要求，因為三種情況能走的路不同。實際盤點後常發現，真正受限的只有一部分資料。

不能上雲的原因	常見情況	導入空間
法規或主管機關要求	金融、醫療、政府機關、受個資法高度規範的業務	敏感資料只能留在地端；非敏感流程可考慮混合雲
客戶合約或保密協議	代工、研發、法律事務所、受託處理客戶資料的服務業	依合約判斷資料能否經過第三方，通常走地端或混合雲
公司內部政策	營業秘密、未公開的研發與財務資料	可以重新定義分級，只把真正機密的資料鎖在地端

個人資料保護法（個資法）對 AI 導入的影響主要有兩點。第一，個資的蒐集、處理與利用必須在原本告知的目的範圍內，把客戶資料拿去訓練模型或送進外部 AI 服務，可能超出原本的蒐集目的。第二，個資法 2023 年修正後提高罰鍰並可按次處罰，並設立專責的個人資料保護委員會。個資在哪裡被處理、由誰處理，都要說得清楚。

地端、混合雲、雲端三種部署怎麼比？

三種部署差在資料位置與責任歸屬，不是功能多寡。混合雲是指敏感資料與核心模型留在企業地端，非敏感的運算或流量尖峰交給雲端，兩邊透過受控連線互通。

比較項目	地端部署	混合雲部署	雲端專屬環境
資料位置	全部在企業機房或自有設備	敏感資料在地端，其餘在雲端	在雲端服務商的專屬區域
初期成本型態	一次性硬體投資為主	硬體投資加上雲端月費	以月費或用量計費為主
維運責任	企業自己或委託廠商	地端自己管，雲端由服務商管	大部分由服務商負責
擴充彈性	受限於已購硬體	尖峰可借用雲端算力	隨用量調整
適合的企業	資料完全不能離開公司、資安要求最高	有部分敏感資料的多數中小企業	沒有法規限制、想快速啟動、不自建機房

多數中小企業不是「全部不能上雲」，而是「某幾類資料不能」，所以混合雲往往是務實的起點。但這不是標準答案；地端還是雲端怎麼選這篇把它拆成資料敏感度、預算、人力、擴充四個前提，建議決定前先逐一對照。

地端 AI 和雲端 AI 的成本差在哪？

差在成本的型態與時間分布，不在總額高低。地端部署的錢大多花在前面：伺服器、顯示卡、儲存與備份設備，以及機房電力與空調；之後每月主要是電費與維運人力。雲端部署的錢是持續性的：每月依用量或訂閱付費，用得越多付得越多，但不需要一次拿出大筆預算。

判斷時問自己三個問題：

1. 預算偏好一次性投資，還是逐月分攤？財務偏好常比技術考量更早決定答案。
2. 使用量穩不穩定？使用量穩定且長期，地端的單位成本通常隨時間下降；忽高忽低，雲端比較不會養閒置設備。
3. 有沒有人管機器？地端省下的月費，有一部分會變成維運人力或委外費用。

本文不列具體金額，因為硬體規格、模型大小與使用人數會讓數字差很多，確切成本以評估後的報價為準。

地端部署大型語言模型需要什麼硬體？

硬體需求由模型大小與同時使用人數決定，不是越貴越好。大型語言模型（LLM）推論時主要消耗顯示卡記憶體，模型越大、同時提問的人越多，需要的記憶體就越多。多數中小企業的內部問答需求，用中小型模型搭配一台有獨立顯示卡的伺服器就能起步，再依使用量擴充。

除了算力，還有三樣常被忽略：

• 儲存空間：企業知識庫要先把文件轉成模型可以檢索的格式，這些索引資料需要穩定的儲存。
• 備份：地端的好處是資料在自己手上，壞處也是；NAS 勒索事件應變清單整理了 2026 年 10 月 Synology 事件後該檢查的事，重點是備份能不能還原。
• 監控：伺服器的溫度、磁碟健康與服務狀態要有人看，或交給代管服務。

私有部署的 AI 可以接 ERP 嗎？

可以，而且接內部系統正是私有部署比公有雲 AI 更有優勢的地方。企業資源規劃系統（ERP）與內部資料庫本來就在公司網路內，私有 AI 與它們在同一個環境，不需要把資料往外送。

介接方式常見兩種：一是透過系統原有的應用程式介面（API），讓 AI Agent 依權限查詢或寫入；二是給 AI 一份唯讀的資料副本，只做查詢與摘要，不碰原始資料。選哪一種看兩件事：ERP 廠商有沒有開放介面，以及企業願不願意讓 AI 有寫入權限。多數企業會從唯讀查詢開始，確認品質與權限沒問題，再談自動寫入。

決定前，企業要先做哪三件事？

先盤點、再對照法規、最後評估硬體，順序不要反過來。常見的卡關是先買了機器，才發現真正不能出去的資料只有一小部分，或是沒人能管。

1. 盤點資料並分級：列出 AI 會用到的資料來源，標出哪些含個資、營業秘密或客戶機密，哪些是可以公開的內部文件。分級結果決定哪些工作可以走雲端。
2. 確認法規與合約：對照主管機關的規範與客戶合約，確定「不能上雲」的範圍是法規要求，還是可以重新定義的內部習慣。
3. 評估現有硬體與人力：盤點現有伺服器、儲存與備份設備能不能沿用，以及公司有沒有人能承接維運，沒有的話要把代管費用算進去。

這三件事做完，地端、混合雲或雲端通常就只剩一個合理答案。影響視覺科技自 2018 年成立以來累積 100+ 交付專案，提供地端、雲端與混合雲三種私有 AI 建置方式，涵蓋備份與系統管理、AI 監控整合、RAG 知識庫問答與 AI Agent。如果你想找人一起盤點，歡迎預約諮詢，我們會依你的資料分級與現有設備討論可行的部署方式。

常見問題

什麼是資料主權？

資料主權指企業對自己資料的存放位置、使用方式與流向擁有決定權與控制權。在 AI 導入的脈絡裡，它決定資料能否留在公司內部、能否用來訓練專屬模型，以及出了問題時責任在誰。資料留在地端是落實資料主權最直接的做法，但不是唯一做法。

混合雲是什麼？適合哪些企業？

混合雲是把敏感資料與核心模型留在企業地端，非敏感的運算、流量尖峰或對外服務交給雲端，兩邊透過受控連線互通的部署方式。適合有部分資料不能外流、但又不想全部自建的企業，也是多數中小企業較容易起步的架構。

個資法對 AI 導入有什麼影響？

個資的蒐集、處理與利用必須符合原本告知的目的，把客戶個資用於訓練模型或送交外部 AI 服務，可能超出原目的。個資法 2023 年修正後罰則加重並可按次處罰，因此導入前要先確認個資在哪裡被處理、由誰處理，並留下紀錄。

中小企業沒有 IT 人員，可以做地端 AI 嗎？

可以，但要把維運納入規劃。地端設備需要有人處理備份、更新、監控與故障排除，沒有內部人員時通常委託建置廠商代管。評估時把代管費用與硬體成本一起算，再與雲端的月費比較，才是完整的比較。