[周末書介]《用LINE貼圖月入30萬!》:角色經濟發酵 插畫家出頭天
[周末書介]《用LINE貼圖月入30萬!》:角色經濟發酵 插畫家出頭天
2015.01.31 | 科技

是否曾經為了收集 LINE 貼圖裡的熊大、兔兔、饅頭人的週邊商品,跑遍大街小巷?還是曾經搭上Hello kitty專機而興奮不已?你知道 Hello Kitty 已經40歲了,但是她每年仍為麗鷗公司創造出日幣700億至1000億左右的營業額,霍夫曼的黃色小鴨在高雄展出一個月期間,帶來了10億的觀光收益,連LINE貼圖都可以月入30萬!

從紅了 40 年的 Hello Kitty,再到霍夫曼的黃色小鴨、空軍基地的玉兔、或是迪士尼筆下已近百歲的卡通人物的米老鼠、唐老鴨等,這些都是透過角色所衍生的市場經濟效應,也就是我們所稱的「角色經濟」。漫畫、卡通等產業,開啟了角色經濟的時代,近來更因網路、智慧型手機的發展,讓角色經濟躍上即時通訊軟體裡,尤其是像LINE貼圖所產生的各種虛擬角色,最讓消費者瘋狂,也為許多插畫家、設計師帶來可觀的收益。

《用LINE貼圖月入30萬!》作者,就是靠 LINE 貼圖創業,從1人起家至今團隊也只有4個人,沒有固定辦公室、上班也不打卡,所創造出的虛擬角色「香蕉人」在第一天上架就超過1300人次下載量,日淨利超過2萬元。

作者楊劍雄(香焦爸爸)原本只是一位工程師,放棄了優渥的工作環境,只因在每次產品開發過程裡,腦中總是不斷湧現許多奇特的點子與想法,因此在某個機緣下,他就選擇熱血創業去。

這本書,除了介紹角色經濟產業之外,作者也觀察到台灣角色經濟市場雖然蓬勃,卻顯少走上國際舞台,甚至廣泛流行,目前台灣各種產品、活動代言也大多以國際知名的角色為主,例如小丸子、海賊王、拉拉熊等。他希望透過自己在角色經濟市場裡創業的例子,寫出如何從創造角色、經營角色、到授權等各種歷程的經驗,讓更多對角色設計有興趣的插畫家或設計家,更了解如何進入角色設計的市場。

為角色分類 不同平台不同定位

角色經濟最重要的就是角色設計,那麼要創造什麼角色才能受到歡迎?楊劍雄就提醒,「很難設計一個角色通吃所有市場,與其絞盡腦汁去想怎麼讓角色歡迎,還不如去找出角色能活躍的舞台在哪裡。」

大致上角色類型可分成:商品授權專門角色(如,Hello Kitty)、故事型角色(如,哆拉A夢、小丸子)、議題型角色(如,馬來貘、Duncan)、LINE 世代角色(如,熊大、兔兔)。

例如,通訊軟體App貼圖的角色就是針對使用情境來設計,議題型的角色造型也許不一定需要特別漂亮可愛,但是故事內容要有「梗」,且每日更新特點、快速創作。設計師在發想角色時,可依據角色在哪個平台活動,根據該平台的特色去發揮角色的特質,吸引該平台族群的喜愛。

但是當角色在設定上,遇到市場反應不佳時,是否要一直調整造型?楊劍熊認為,初期在粉絲數不夠多的情況下,適時修改損失有限,但若一直不斷修改造型,市場接受度仍低,寧可去創作新角色。否則很容易讓角色失去原味,沒有魅力,而被消費者遺忘。

書中除了詳細的介紹如何進行角色設定、如何運用各種平台把角色行銷出去,也談論有關角色授權的問題。 授權是為角色獲利很重要的商機,但是作者也提醒,授權物品的不同,將決定你的角色日後的形象與質感。基本上授權就是把角色印製在相關的物品上,成為商品販售或者是贈品推廣,因此可簡單區分為商品、贈品。

角色本質先於推廣 授權商品、贈品大不同

作者發現,角色授權製作成商品的毛利高、出貨量小、可見度低;授權製作成為禮品贈品時,毛利低、出貨量大、可見度高。以上兩種皆有優劣,設計師一定要小心拿捏,千萬別為了要拓展能見度,而影響了角色本身的質感。

楊劍熊就舉例,曾經聽過一個案例是角色授權到贈品上,雖然很快讓角色知名度提昇,但後來卻在使用者心中留下這款角色總是百貨禮品上的贈品,價格與定位就不容易提昇。

那麼角色的本質與角色的推廣,哪件事情優先比較好呢?作者認為,基本上是角色本質優先比較好,因為角色設計最吸引人的就是角色本身的特質,重點在角色的特色與獨特性,知名度低可透過日後各種行銷方式的推廣來打開,但是若天生體質不佳,日後推廣行銷也很難有更大的吸引力。

本書最後,作者也以自身創業的「香蕉人」LINE 貼圖為例,從頭剖析這一路的過程。包括,如何申請上架到 LINE 平台、需設計多少款角色貼圖、上架後如何曝光行銷、貼圖在哪個時間需要升級、使用者喜愛的字型、貼圖的語言設計、LINE 平台與設計者的拆帳比例等。

過去,台灣的插畫家長時間都靠自行摸索的方式在經營自己所設計的產品,近年來有越來越多台灣的插畫家,隨著網路、社群的盛行,透過部落格、Facebook 等平台來創作,知名度不斷打開。雖然台灣本土原創角色的市場經濟規模較小,但透過異業結合來行銷「角色」,的確可為設計師帶入來更多收入,並邁向國際舞台。在這個網路、社群的年代裡,如果你有想法,那就畫出來吧!為自己創造屬於自己的角色!

(作者Jasmine,曾擔任科技媒體記者,現為Readmoo特約作者。)

<iframe src="https://readmoo.com/mooreader/reader.html?cid=210027317000101&preview#embed" style="position:absolute;top:0;left:0;width:100%;height:100%;box-shadow:1px 2px 0px #ddd,2px 3px 0px #fff,3px 4px 0px #ccc; border-left:1px solid #eee; border-top:1px solid #eee"></iframe>
關鍵字: #LINE
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