謝至恩Vibe Coding 降低了應用開發門檻，但當 AI 代理開始執行任務，企業面對的問題也從「能不能做出應用」，轉向如何安全部署、控制成本與管理後續運作。 HPE 台灣暨香港董事長王嘉昇指出，客戶關注的已不只是 GPU 使用效率，還包括 AI 代理管理平台，以及資料外洩、 AI 失控等風險。
HPE 於 10 月 15 日在台北舉辦 HPE Discover More Taipei 2026，以網路、 AI 與混合雲為三大主軸，探討企業如何邁向能推理、決策並採取行動的 Agentic Enterprise 。相較於擴充算力，王嘉昇更關注另一項考驗：企業在加速導入 AI 的同時，能否維持對基礎架構、使用成本與營運風險的掌控。
做出 AI 代理之後，安全部署與管理工作才是真考驗
王嘉昇以自身經驗說明，借助 AI，即使不是程式開發專家，也能為擔任健身教練的朋友製作課程註冊與學生通知應用，或每天追蹤旅美大聯盟台灣選手的 OPS 等進階數據，再通知朋友。這類工具能讓想法快速成形，也帶來成就感；然而應用完成後，管理 AI 代理仍需投入時間，部署過程更牽涉安全風險。
他舉例，某個 YouTube 透過 Vibe codeing 開發 SaaS 服務時，因 API 金鑰遭盜用而被盜刷用量。這顯示 AI 能產生程式、完成介面，不代表已解決正式上線所需的安全與管理問題。如何快速部署，同時防止資源遭不當使用，是企業在開發之後必須持續處理的課題。
王嘉昇表示，HPE 正與金融業客戶推進相關工作，提供架構、服務與 AI 代理管理平台。客戶討論的重點，也從如何更有效率地使用 GPU，延伸到如何管理 AI 代理，以及如何因應資料外洩與 AI 失控的疑慮。
從 GPU 效率到 Token 成本，企業重新衡量 AI 效益
衡量 AI 應用的效率，不能只看任務完成得多快。王嘉昇指出，若完成任務的同時耗用大量 Token，企業仍須檢視模型選擇是否合適。他強調，模型必須具備任務所需的推理能力，也要兼顧執行效率。
因此，AI 投資評估不再只是購買多少算力。模型是否符合實際需求、使用過程耗用多少 Token，以及能否建立標準化的管理流程，都會影響成本與投資效益。王嘉昇認為，企業需要以流程化方式管理，讓各部門的 AI 使用不只是各自導入工具，而能形成可持續管理的運作模式。
不過，增加預算與確認投資回報仍是兩回事。他指出，部分台灣客戶已在規劃增加 AI 預算與部署 AI 代理，但對投入後能帶來多少收益，仍持觀望態度。這也讓企業必須回到自身應用需求，而非一味追求更大的模型或更多硬體。
整合網路、 AI 與混合雲，支援企業自主運作
HPE 提出的方向，是將支援 AI 運作的網路、算力與混合雲環境整體規劃。王嘉昇表示，AI 正從回答問題，進一步走向推理、決策，並直接在企業營運中採取行動；當工作負載愈趨動態，IT 基礎架構也必須即時回應，同時落實資安防護、政策執行與治理。
本次大會的網路議程，涵蓋以 AI 簡化網路設計、部署與營運，以及透過 SASE 建構零信任架構；AI 議程則探討從推論到 AI 代理工作負載的基礎架構需求，以及可信賴資料管線對 AI 準備度的重要性。 HPE ProLiant Compute 也是重點之一，兼顧速度、安全與掌控度，支援 AI 、雲端原生與邊緣工作負載。
混合雲方面，HPE 聚焦將雲端的敏捷性導入混合 IT 環境、簡化多雲管理，並透過 HPE Private Cloud 最佳化虛擬化成本。這些議題都指向同一項需求：當 AI 代理開始參與企業流程，支撐其運作的環境也必須具備相應的管理與調整能力。
主權 AI 不只保管資料，也要保有模型選擇權
談到主權 AI，王嘉昇的看法不只停留在資料存放位置。他指出，當模型費用上漲時，企業能否快速轉換模型、擴展應用，同樣是自主掌控的關鍵。若只是把資料保存起來，並不足以因應 AI 應用運作時面臨的各種選擇。
這也呼應 HPE 對規模化部署的主張：企業除了掌握資料主權，還必須維持合理、可持續的經濟效益。隨著應用增加，模型選擇、部署方式與成本管理需要一併考量，不能將主權與效益視為彼此無關的議題。
王嘉昇表示，HPE 的平台可協助管理雲端環境，也能讓地端平台與設備以類似雲端的方式管理，並將 AI 需求納入考量。對無法將所有工作負載移往雲端的企業而言，如何在既有環境中保有管理與調整能力，也是導入 AI 時必須面對的課題。
自主維運仍須保留人工介入與持續治理
雖然 HPE 以自主運作為發展方向，王嘉昇仍強調，不同應用場景對信任程度的要求並不相同。一般應用可透過 AI 加快開發與改善，但涉及機房管理或關鍵服務時，就必須更審慎看待 Self-driving 的可靠性與限制。
他認為，並非所有工作都需要全面自主運作，部分流程仍須保留人工介入。模型能力會持續演進，系統也能不斷改善，但企業不能因此認定 AI 已可完全信任，或能百分之百防範風險。
在王嘉昇看來，治理與預防必須同步進行、持續調整；當模型出現超出既有規範的行為，管理方式也要隨之更新。對企業而言，邁向自主運作不只是讓 AI 代理做得更多、更快，更要在擴大使用的過程中，持續釐清哪些工作可以交由系統執行，哪些環節仍需要人的判斷。
