[2014創新企業]研華科技:服務模組化,切入物聯網新領域
[2014創新企業]研華科技:服務模組化,切入物聯網新領域
2014.11.08 | 科技

由於智慧城市或物聯網的應用,都以工業電腦為核心,因此讓以生產工業電腦為主的研華,有許多先行優勢,商業模式也轉變成提供垂直市場智慧解決方案。

台北市的智慧公車、板橋亞東醫院新院區的智慧門診、阿里山高山百合的遠端監控系統、以及全年無休四季皆可採收的水耕蔬菜監控系統,看似不相關的科技應用,背後都有一個共同點,就是這些應用都回應了目前正熱門的物聯網(IOT)趨勢,同時研華也都在其中扮演了關鍵的角色。

強調跨界整合的物聯網應用,是近年來IT產業創新的動力。據IDC調查,2016年物聯網市場規模將達2.9兆美元。美國研究機構Forrester也預測,物聯網所帶來的產業價值,要比網路大30倍,將形成下一個兆元級別的業務,從各國政府到企業都積極備戰。

在台灣,研華可說是將這種跨界創新落實得最淋漓盡致的一家企業。「物聯網是下一個產業典範轉移。」研華董事長劉克振在今年8月一場論壇中指出,物聯網產業有垂直整合特性,專業度高,且軟硬體必須整合,跟電腦產業水平分工不同。

因應這樣的變化,研華一改過去純硬體銷售的商業模式,轉變為SRP(Solution-Ready Package)營運新模式,提供垂直市場智慧解決方案。「不管是智慧城市或物聯網的應用,幾乎都以工業電腦為核心。」研華技術長楊瑞祥指出,研華切入物聯網有近水樓台先得月的優勢,包含資料的採集、通訊、運算等都必須透過工業電腦來運作。

服務要到位

然而,智慧城市應用面非常廣,各產業的專業度非常高,擅長智慧交通領域者,並無法複製該服務到智慧醫療,「沒有一家公司可以囊括所有服務,因此必須要與外部夥伴協同創新。」

因應SRP模式,研華調整組織架構,如嵌入式設計服務事業群,設有客戶專屬服務團隊,分別服務電信、醫療、網路、POS、工業設備製造等領域,以滿足客戶的需求。另外,也新增智能生活事業群,透過策略聯盟方式,藉由研華提供的智慧服務平台,針對智慧醫療、工業自動化和工廠自動化、智慧交通、車載電腦、智慧生活應用、新能源和智能電網等六大垂直領域提供解決方案。

enter image description here (圖:研華科技技術長楊瑞祥)

楊瑞祥解釋,研華的客戶為系統整合商(System Integration,SI),研華以往只要專注研發技術產品提供給SI即可,讓SI再針對客戶所需做進一步的軟硬體整合服務。但SRP模式強調的是服務到位,透過研華建構的智慧應用整合平台裡的模組化配套應用,讓各產業垂直領域的SI夥伴可在這個統一的平台上,依照客戶需求搭配軟體應用及操作介面,建立模組化服務,用更智慧與快速的方式服務客戶。

與外部夥伴合作創新,是研華驅動創新的方式之一。楊瑞祥表示,研華有一套「IMAX」(Incubation、Merger、Alliance、X product四個字的縮寫)的創新制度,透過內部育成、購併、策略聯盟、以及產學合作,進行創新產品研發,來開創新事業並發掘新商機。像研華廣邀系統整合商夥伴加入「WebAccess+物聯應用聯盟」,推動植物工廠,針對溫室大棚與LED植物工廠建置,進行評估規劃與設廠配置,也在各大專院校成立物聯網實驗室。

借外力創新

除了技術與產品外,研華也相當強調行銷服務與商業模式。以其所舉辦的創新商業模式競賽TiC100來說,從規則的設計開始,要求學生團隊除了理工科外,一定要有商科學生,從技術產品研發到目標市場的銷售等,規劃出可行的行銷模式。

在SRP模式以及與夥伴協同創新下,研華在智慧城市應用創下不少佳績,如台北市的e-Bus裡內建研華工業電腦,透過GPS連結到交通局的行控中心,行控中心隨時可以掌握公車的地點,讓乘客可以透過手機,在站牌等候時即可知道下一部公車何時到站。e-Bus智慧公車系統也已輸出至國外市場。在智慧醫療部分,研華設計一款App,與醫院內部的電腦和後台病歷系統做連結,讓候診病患隨時可掌握候診區的等候狀況,減少病人的不便。

針對物流倉儲應用,基於貨物必須從頭到尾全程監控,物流倉儲中負責搬運貨物的各種車體,所使用的系統就必須擁有高度的穩定性,研華研發一款強固型車載系統,並比照航空用戰鬥機等級的規格,做為產品強健度的檢驗標準,以強化產品震動衝擊耐受度。除此之外,也採用RFID與Wi-Fi熱點結合物流導航應用,透過精準定位讓物流取貨更順暢。

在智慧農漁業部分,屏東農業生物科技園區內,生技業者採用研華遠端監控解決方案,建置可漁菜共生的生態養殖陸地溫室,透過對引進室內養殖池的海水進行溶氧、氨氮、pH值、水溫等監測,管理者能以電腦、手機、平板等裝置來隨時監看養殖場狀況,並取得重要資料。而當數據出現異常時,系統也會自動發送簡訊通知負責人,以便讓養殖室溫始終處於最適狀態。

除了積極與上下游產業夥伴策略合作外,研華在今年也正式成立「研華投資」,鎖定包含製造、機器人、醫療、零售、車載、智能建築等六大產業目標。以機器人為例,研華除了購併寶元數控公司,也與上銀策略聯盟,研華提供工業電腦和控制器,上銀則是提供機器手臂本體、自動化元件、伺服馬達及驅動器等。它們並計畫共同育成一家應用系統整合公司,邀請包括鴻海、日月光、友達、群創、金屬加工業及食品飲料業參與投資入股,補強人才與資金,加速打造機器人產業鏈。

enter image description here

成立至今30年沒虧過一毛錢,董事長劉克振曾說,沒有人可以真正地預知未來,研華一路上也是摸著石子過河,但遇到機會,一定會好好把握,「只有那些瘋狂相信自己可以改變世界的人,才會真正改變世界。」

研華 成立時間:1983年 董事長:劉克振 營業額:2億1千萬美元 市值:45億美元 業務範圍:遍布全球21個國家、92個城市 大事記:1999年於台灣證券交易所上市/2003年成立中國昆山製造中心/2005年與華碩策略聯盟成立研碩/2007年於德國慕尼黑成立歐洲總部/2013年崑山協同創新研發中心落成/2014年林口園區正式營運

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