Google台灣董事總經理簡立峰×游直翰沛星互動創辦人:技術型創業,就要做到全球最頂尖(上)
Google台灣董事總經理簡立峰×游直翰沛星互動創辦人:技術型創業,就要做到全球最頂尖(上)
2014.08.04 | 創業

[2014年8月號雜誌精選]

全球知名創投矽谷紅杉資本首度投資台灣新創公司,游直翰與友人所創辦的沛星互動科技(Appier),獲得紅杉資本約1.8億元台幣的A輪資金,在台灣創業史上寫下一筆紀錄。

沛星所提供的解決方案是當使用者瀏覽App時,即釋出廣告曝光機會,透過Appier引擎特有的AI人工智慧演算法和大數據分析,評估、挑選有價值的廣告曝光對象,再讓各個品牌參與競賽,得標者可在使用者的各種裝置如手機、平板、筆電、PC等曝光精準的廣告。從使用者瀏覽App或網頁的當下,到廣告主競價完成,使用者進而看到自己有興趣的廣告,整個過程只要「0.1秒」的時間。目前該公司的客戶包括蘭蔻、萊雅集團、台灣大哥大、海尼根及IKEA等公司。

從社群遊戲開發轉型到廣告競價領域,像游直翰這樣具有技術力的創業家,如何將技術轉化為服務?又如何吸引到國際資本市場的注意?游直翰與創業導師簡立峰針對台灣技術型創業的機會與挑戰,分享他們個人經驗與觀察。

=簡立峰
=游直翰

**簡:**你們公司的英文名字是Appier,所以創業之初應該是想做App相關應用?

**游:**我念書的研究主題一直是跟人工智慧(AI)有關,在實驗室時做的是四腳機器人,我對這條路線一直很有熱情,一開始在想創業題材的時候,也都是從AI這角度。

正好我另外兩個一起創業的夥伴很喜歡玩遊戲,那時行動遊戲App很紅,所以我們決定從遊戲切入。在遊戲中我們想的是,利用AI把遊戲中的虛擬角色變得更像朋友、變成代理人,後來發現這不是玩家在意的重點。

**簡:**為什麼會做到廣告這一端?

**游:**這跟做遊戲還是有關聯,在遊戲開發後面的四分之一,就要開始找發行商,但團隊沒有什麼名氣,就透過參展時認識的一些人,帶著產品去簡介。一般介紹都會說明自己做過什麼什麼,但是我們真的什麼都沒有,所以只好寫我們做過一些AI相關的專案。那些發行商就覺得很納悶,這樣的人怎麼會來做遊戲,就開始聊起懂不懂資料探勘(Data Mining)、AI怎麼用來協助廣告的分析等。

**簡:**所以是技術太強,遊戲沒做好囉!

課題一:把技術用在對的領域

**游:**那時什麼都沒有,但因為都見面了,總是要得到一些什麼吧。他們就問我內部廣告系統可以有哪些演算方法,後來發現原來我們的技術可以這樣應用,有些不錯的結果,然後就開始發展第四個產品。

轉到做廣告,一開始只是做顧問的型態,漸漸地發現某些廣告主的思維,於是決定開始開發平台。

**簡:**你們的經驗很有意思,最近很多產業都在談大數據,但裡面有很大一塊是AI的探勘與學習,AI這些技術都不是新的,但資料選對了,領域選對了,價值就很高。我以前是被AI騙了,大家可能都想成是機器人那種,但其實可以不用那麼難,簡單也可以賺錢,沒那麼偉大卻很管用。

透過使用者來告訴你市場,是個聰明的方法,這個在台灣比較少用,當你要做全球性的事,人的介入要越少越好。傳統做生意是在店裡的店員與顧客的關係,小商店老闆很厲害,察言觀色,從顧客行為知道東西對不對,或是東西該怎麼賣,自己學習。

再來是像7-Eleven,透過每天的報表,知道經營怎麼調整。同樣的道理,如果一個廣告主要市場是在全球,它就需要更自動化的工具來協助判斷。我們在Google裡面一直強調的就是「Data、Data、Data」,我們都不相信人了,因為真的量太大了。

廣告是Connection Business,但是現在連結的方式一直在變,上網的裝置在變、上網行為在變、上網的企業也變多,從這樣的角度來看,一定很多地方沒有被優化到或照顧不到,這是新時代的方法,這也在改造整個商業模式與企業,你們的技術是反映到廣告產業。

**游:**像我們這樣沒經驗的創業者,最難的真的是怎麼跟市場對話。我們一開始也會不好意思,覺得做這個產品不知道好不好啊,沒什麼信心,但市場的回饋的確讓經營者走到對的地方。有時候靈感會比一個房間的腦力激盪多蠻多的。

我們曾經有個B2B市集的App產品,開發商可以在上面找到需要的行銷資源,比如義大利的開發商找到《數位時代》做報導,大家很喜歡,也會創造流量。可是我們很快就會被跳過,顯不出我們存在的價值,而且我們也沒有多餘人力可以維運,所以3個月就砍掉了,這還算是久的,有些一、兩個月就砍了。

enter image description here

(圖片來源:蔡仁譯攝影)

游直翰(左)
68年次,台大資工畢業後,先於史丹佛取得電腦科學碩士,再赴哈佛大學念電腦科學,主修人工智慧,並取得博士學位。2010年與好友創辦沛星互動,原先開發遊戲App,後轉向廣告領域。他也是AAMA台北搖籃計畫第一期創業家。

簡立峰(右)
台灣Google第一位員工,專研中文資訊檢索,被譽為中文搜尋第一人。加入Google之前,曾任職中央研究院、台灣大學資訊管理系,並曾擔任微軟亞洲研究院技術顧問。

Google台灣董事總經理簡立峰×游直翰沛星互動創辦人:技術型創業,就要做到全球最頂尖(下)

(更多精彩內容請見2014年8月號《數位時代》「開放!科技新倫敦」,全國7-Eleven、誠品等各大書店熱賣中。尊重智慧財產權,如需轉載請註明資料來源:《數位時代》第243期)

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓