[專訪] 富士康前總裁程天縱:我為什麼重視創客生態圈?
[專訪] 富士康前總裁程天縱:我為什麼重視創客生態圈?
2014.12.05 | 物聯網

Maker中文譯作「創客」或「自造者」,意指利用網路的社群分享資源,自己動手DIY做出硬體小玩意。雖然創客的出發點多為好玩,滿足DIY欲望,但也有少數充滿創業潛力,如被Facebook 購併的虛擬實境團隊Oculus Rift創辦人拉奇(Palmer Luckey)就是一名創客,從小就喜歡修理手機,把玩各種頭戴式裝置。而前富士康總裁程天縱從富士康退休後,花了半年時間辦訪創客空間,特別關切創客生態圈的發展,他認為在物聯網時代,重要的創新動能其實就來自創客。《數位時代》特別專訪程天縱,請他談談在物聯網時代,創客扮演什麼樣的角色?

enter image description here
圖說:富士康前總裁程天縱

一:網路滲透到所有的「物」品,物聯網大爆發!

物聯網為什麼會起來?在雲裡面都是數位的,都是0與1怎麼體驗?要有端落地才能體驗,把虛擬的變成現實才能體驗。因此這個「端」永遠是需要的。互聯網影響最大的是第三產業(服務業)。產業分成三種,第一產業是農業,第二產業是工業,第三產業是服務業,影響目前影響最大的是服務業,像中國BAT(百度,騰訊與阿里巴巴)滲透到服務業很深,阿里巴巴、百度與騰訊社群搜索,這些都是服務業,像互聯網滲透到傳統渠道就變成電商。後來互聯網也會影響工業與農業,先從業務與行銷滲透,然後滲透到工廠製造,終極目標是物聯網成每個產品的一部份,這個產品就是「物」。

二:中國互聯網很強,但物聯網產業並不一定有優勢!

我2012年和郭台銘董事長一起到日本夏普。我到日本的時候,SONY、東芝、松下與夏普等日本大企業每年大虧二千億到八千億日幣左右,因此我就在想,日本的電子產品曾經叱吒全,但近年為什麼不行了?我認為當一個國家在某產業有非常大的壟斷地位,很成功的時候,也就是死期的開始。因此未來的失敗都來自於現在高度的成功,當某產業非常成功的時候,就會吸收大量資金與人才等資源,而且成功讓人滿足於現狀。日本在家電與電子時代很強,但日本就跨不進ICT個世代,因為他以前的所有投都圍繞面板與電視,歐洲幾個國家也是,以芬蘭為代表,芬蘭的產業走到ICT後就走不下去了,諾基亞就是最好的例子。而中國目前最成功的產業是互聯網,因此按照歷史規律來看,未來中國在物聯網產業的發展也不一定有優勢。

三:台灣互聯網是搞不起來,台灣物聯網時代有機會,但前提兩個世代要合作!

互聯網創業在台灣玩不起來,因為台灣人就是就比別人(指美國與中國等市場)少,台灣市場就是比較小,互聯網最後看流量,沒有流量就是玩不起來,但現在很多台灣年輕人還是在搞互聯網創業,這在台灣是一條錯誤的路,沒有人引導這些創業家走向正確的路。歐洲很多小國家,如瑞士做錶,玩硬件都是可以做起來的。而互聯網就是美國、中國與印度這些國家的天下,這些國家人多用戶流量多,用互聯網思維一切免費,然後賣廣告。台灣走網路走很早,但像EZtable和大眾點評也沒得比,台灣連第三方支付都搞成這個樣子,我認為台灣互聯網創業走不下去了。

而台灣的硬件最強,但很可惜的,年輕人這一代沒有人搞硬件創業,都在做互聯網創業,其實硬體創業的門檻已經低很多了。《Maker》這本書就提到硬件創業已經容易多了,有很多Open Source的資源,利用3D列印機也容易做出原型,在網路賣東西也容易,硬件創業門檻已經低很多了。台灣一樣以代工製造最強。硬件強是老一輩的強,新一輩的人不強,老一輩握有資源,但不曉得新的機會在哪裡?而且兩邊有代溝無法溝通,這也是一個問題,因此我有兩年的時間,潛水到很多聊天室去,理解年輕人的價值和在想什麼?如果我不懂年輕人的語言,我的經驗就成為負債不是資產,但台灣像我這樣的人不多,台灣老一輩的人把資源握在手裡,但卻不想分享出來。台灣的教育為大企業培養奴才,不教你怎麼創業。而台灣年輕創業家也要更努力,中國年輕人創業大多為了博翻身脫貧,是會跟你拼命的,台灣年輕人缺乏這種態度。

四:物聯網產品的創新不是來自大企業,而是來自Maker與小企業

大企業瞄準大市場,大市場都是小眾與分中市場結合起來,舉例來說運動市場細分為爬山、攀岩、跑步與三鐵等等,若你要找運動者的大市場,那就要找這些四種運動者的運動習性重疊交集處,那其實很小。因此越大的市場重疊的部分越少,重疊部分越少,創新的機會也就越少。但國家卻把最大的資金與人才都投入在這個最小的市場,搞創新是搞不出來的。大企業搞不出創新死定了,只會拼規格、價格與外觀,像手機就是拼雙核、拼四核、拼待機時間,像HP從1985推出鐳射印表機之後沒有創新,SONY從隨身聽之後沒有創新,Acer與HTC也沒有創新。因此小企業和Maker一定要扶植起來,他們是重要的創新動能。

五:創客的存在非常重要!

我去年開始接花了半年時間理解創客生態。創客生態分為幾個層次。首先要有人,喜歡動手DIY嘗試硬體製造,這個人就叫Maker,這是第一層。而第二層是「創客空間」(MakerSpace),這是產生創意與認識創業夥伴的地方,智能硬件創業要有Hacker、Maker、PM與業務員等四種人,一起產生跨界創意在TechShop做產品。全世界目前有三千個,其中最知名的就是美國TechShop。而產品出來後就進入第三層群眾募資階段,第四層是小批量生產。以上這些階段都不算創業,比較像一種嗜好。因為這些東西不一定能順利進入市場,像KickStarter上面的產品,有80%都無法交貨,你去Maker Fair(創客博覽會)看,大部份的東西很酷很炫的東西,但是像玩具不能大量生產與製造。

接下來才進入創業階段,進入加速器階段與孵化器,這個部分很俱挑戰性,因為創業團隊的產要品重新設計,找供應鏈找代工廠。在深圳的矽遞(Seed Studio)等創客空間,團隊用開放式硬體,如Arduino開發板的模塊和天線、電池、外殼等模塊,做出產品原型,但這些東西只適合做原型不能量產,因此我們要幫這些創客成功創業。我說服北京富士康,把原來做Nokia的廠房拿出來做「高科技服務業」。現在智能硬件一窩蜂但中國的加速器是搞投資的,不懂後面的製造,那就來富士康,我們有很多專家很多設備,做製造做機構件。

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