[Internet20]林友琴:一定要去實驗,才能產生下一步的變革
[Internet20]林友琴:一定要去實驗,才能產生下一步的變革

林友琴(安索帕全球首席執行長)
1999年成立知世網絡,台灣數位行銷先鋒。2004年知世加入全球最大的數位行銷公司安索帕集團,先後建立安索帕台灣、中國與亞太區團隊,更出任安索帕首席策略長。2014年榮升安索帕全球執行長一職,管理全球44國家、70個辦公室,同年也出任坎城廣告獎評審團主席,是該組織第一位擔任主席的華人女性。

圖說明

我原本在奧美廣告工作,我那時候想要找一些新的東西,開始找一些數位的東西,我覺得網路會對廣告造成影響,所以我收集相關資料整理了一段時間,正好我剛生完第二胎,在家坐月子,那時候在家裡無聊,就會在網路上亂逛啊,那時候很著迷targeting的技術,覺得以後一定會有很多變化,那時候覺得很興奮。當未來變成一個透明沒有疆界的世界以後,這個東西影響力一定會很大。

廣告這行業已經50年,很多東西在學理上有一些改變,但改變的本質是蠻有限的, 比如CRM這個事情已經在這個世界上發生很久了,其實從直效行銷開始,他做的就是CRM啊,郵寄廣告背後驅動的也都是客戶數據,我覺得這個概念不是一個新的概念,已經好幾年了,只是他的方法不讓人興奮,但原則已經在那裡很久了。

不久前我在台北在整理過去箱子的時候,發現我過去的文件,看到當時寫的營運計劃書,那時候就看到網路的本質,將會影響建造社群的方式,以及改變商業的過程,還有交易的行為,所以未來的公司要做的就是內容〈Content〉、社群〈Community〉跟商務(Commerce)。

那時候我比較疑惑的是,那時候.com的公司都很賺錢,辦公室都好華麗喔,但很多的營運計劃,我看不懂它怎麼賺錢,對我而言,我有興趣的東西是怎樣去幫助一個品牌利用這些工具去賺錢,我們一直鼓舞都是實質的品牌,我怎麼用網路跟科技去改變品牌跟使用者之間的關係。

我從來都沒有只想要做台灣的市場,我從開始的第一天就想,說中文的人口那麼多,那時候所有的論述跟實驗都是在說英文的地方,其實到最後在網路上說中文的人口一定多於會說英文的人口,難道說中文的人口就不會有新的東西嗎?不會創造嗎?但我感覺這個東西你要去參與才會知道,會對你的策略有什麼影響,所以我決定出來創業試試看。

這樣的公司很難靠一個人的力量,一定要有一個比較大的平台,讓不同的人才、不同的文化生活的經驗碰撞。**我們2002年開始進入中國,去了之後我發現,任何人的力量在這樣的環境裡頭,就像一滴水滴到大海,找不到那滴水在哪裡,所以2004年決定加入安吉斯集團。**當時很多人跟我說,應該要晚點賣,讓公司的原始利益擴大,這都對,但我在乎的是怎麼讓這件事情更快的方法,我不在乎自己可以獲得多少,當對象都對的時候,當然想怎麼讓這些人聚在一起做一些好玩的事啊!

在網路這個歷程裡頭,我學到的一件事情就是:你要忘記你自己。網路是個好有趣的東西,他把很多東西聯結在一起,你泥中有我我泥中有你,很多東西的融合,如果有太強的我執、「我認為這件是應該是怎樣」事實上很難往前跳躍,因為你到最後事實上也要跟別人和在一起。

你一定要很開放跟透明地去看外面的環境,讓你覺得該怎麼樣做就要很勇敢地去做,太理性的去思考timing是很困難的,因為太多事情你不知道的。很多東西一直在改變,你沒辦法去執著於你自己過去成功的經驗,覺得必須等各種時機都成熟了才跳上去做,反而因此沒有抓住好的時間點。但往往當你跳上去後會發現,有些東西你可能不需要的,也可以做出來。

我今年去坎城評審,我很大的感觸是,很多的數位行銷公司已經變成傳統的數位行銷公司,現在的數位行銷要思考的東西非常多非常廣,沒有說一定要執著於哪一個模式。任何一個新創的產業,很多新創公司都有可能變成這個新創產業裡頭的傳統公司,因為這些人就是活在過去的成功經驗。

**我一直跟客戶講說,你一定要去實驗,你才能建立benchmark,才能產生下一步的變革。當這個東西其實有數據在支持你的時候,客戶其實不會有太大的質疑。**創意其實不是拍腦袋就可以想出一個有創意解決問題的方法,一定是有一個正面影響力在裡面,很多創意的人很討厭數據,覺得限制了他的想法,但我覺得不會,數據事實上是可以刺激你想到更多的角度。

再來看我女兒他們這個世代,他們不需要去理解網路是什麼,因為這就是他們的生活,要了解他們,其實就是跟他們做一樣的事情,不然你們只在實體人生有交集,但是在精神世界、虛擬世界都沒有交集,這其實是很可怕的事情。

小時候家家戶戶都在播楚留香的時代,但現在完全不一樣,在同樣文化裡頭生長的人,因為接觸的訊息管道很多元,他可能有完全不同的生長經驗,這對我們做行銷傳播的人來說是要去學習的。現在社交網路的興起,是給了我們機會去傾聽消費者在社交網路裡面做了什麼事情。你在批判他們之前,你可能要有新的角度,否則可能就變成無解。

像我跟我女兒就是網友,因為我女兒生下來的時候我就創業了,後來開始去中國發展我就沒辦法說故事給他們聽,從那時候開始我就寫部落格,編寫故事,我出差的時候他們就打開來看,再回信給我,他們有些不敢跟我說的事也會在上面寫給我。網路上是幫助我了解我小孩更多的面向,只要你不去批判他,它就會開放給你。

回想起來,如果我當年理性一點其實我是不會開這家公司,因為真的很困難,中間有很多很多時候我都會想「奇怪我幹嘛要開這家公司?」我可以找到一個不錯的工作,然後每天領薪水,然後其實我也會很努力,我也會做得蠻開心的,為什麼我要開一個公司?但現真的要很感謝20年前的我,因為如果沒有這個好奇心,我這20年的經驗跟生活會沒有這麼豐富。

@@ACTIVITYID:356@@

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