隨著智慧製造持續推進，工廠資料架構正面臨前所未有的壓力。QNAP儲存系統產品部產品經理胡大緯表示，現階段智慧工廠與人工智慧（AI）應用，真正需要先處理的課題，往往不是模型能力，而是資料能否被穩定蒐集、有效過濾、即時傳遞，並在可控成本下完成治理。
從設備層、製程層到決策層，自動化設備、感測器、自動光學檢測（AOI）與製造執行系統（MES）持續推高資料量，也同步拉高解析度、保存時間與追溯要求，讓資料本身成為工廠營運中的核心基礎設施。
胡大緯以AOI場景為例指出，在追求高良率與零瑕疵的精密製造環境中，產線影像解析度持續上升，一張原始影像甚至可接近500MB。若為了節省頻寬與儲存空間而壓縮至約36MB，雖可暫時緩解基礎架構壓力，卻可能犧牲細節，增加微小瑕疵漏檢風險。當企業又同時要求全履歷追溯、即時生產監控、資料安全與稽核合規時，問題便不再只是檔案太大，而是既有集中式架構若把所有資料都直接送回雲端或中央系統，將使頻寬壅塞、核心系統承壓，甚至因網路波動與延遲影響產線運作。
針對這些痛點，胡大緯介紹了在產線與中央平台之間加入資料中繼層的作法，關鍵包括資料緩衝層（Data Buffer）與邊緣過濾器（Edge Filter）。資料緩衝層用於承接網路不穩時的資料暫存，待連線恢復後再自動同步。邊緣過濾器則在資料源頭先篩出真正具決策價值的內容，避免大量正常影像與低價值資料占滿雲端與網路資源。他表示，QBoat-300的角色就在於扮演邊緣節點，協助企業把每日100GB以上的原始資料逐步收斂，只將關鍵資訊送往雲端或MES，讓資料治理先行落地，後續AI分析與管理決策才有穩固基礎。
QNAP儲存系統產品部產品經理胡大緯表示，智慧製造導入AI之前，企業更應優先處理資料治理、邊緣過濾與緩衝機制，才能兼顧傳輸效率、追溯需求與整體架構穩定性。
在硬體設計上，胡大緯強調，工廠現場對設備穩定性的要求遠高於辦公環境，因此QBoat-300採用工業級設計，具備無風扇架構與3個NVMe SSD插槽，可因應高溫、粉塵與持續震動環境，並支援35mm工業導軌（DIN-Rail）安裝、雙Gigabit網路埠與USB 3.2介面，便於直接部署在機台旁或工控箱內。至於軟體層，系統內建QTS作業系統，並提供容器工作站，可支援Docker與LXD，讓IT部門透過Node-RED等工具，以較低門檻完成協定轉換與邊緣微服務部署，例如將Modbus訊號轉為MQTT，再串接上層應用。
面對工廠最敏感的資安議題，胡大緯也提到，QBoat-300內建快照（Snapshot）與QuFirewall，可強化勒索軟體防護、縮短異常後復原時間，並以視覺化介面降低防火牆白名單設定難度。他認為，智慧製造若要真正推進AI，前提仍是先建立一套能在邊緣端完成過濾、緩衝、保護與中繼的資料治理架構，讓資料先流得動，後續分析與決策才能真正發揮價值。