微星科技壓寶機器人產業
微星科技壓寶機器人產業
2005.08.15 | 科技

打太極拳、三連環踢、空手道、踢球……。
這不是電腦展上漂亮美眉為了吸引買家的新招數,而是微星科技二○○五年Computex電腦展上E2R-H3機器人的定時表演項目。E2R-H3雖然個頭僅有三十四公分高,體重也只有兩公斤,卻是個「樣樣俱全」的小機器人。小巧可愛的頭可以一百八十度旋轉,頭上的「眼睛」可以「看」到周遭的影像,胸膛就是一款小小的螢幕,可以呈現眼睛所看到的景物,也可以播放影片和音樂。具有人臉辨識功能,能認出十個人的臉,當然也具備語音辨識功能。
E2R-H3是Education and Entertainment Robot-Humanoid 3的縮寫,表明了這台機器人的主要研發目的,就是以教育和娛樂為主,同時也強調了這是微星第三代的「人型」機器人。和第二代最大的不同,就是第三代機器人不但可以走路,又可平衡得很好,不會跌倒。
微星科技負責機器人硬體的工程師吳奕龍表示,行走對於機器人的研發技術來說,是屬於相當高難度的,因為舉凡走路、關節彎曲、換腳、單腳站立,都牽涉到機構、力學、控制、電機等不同的學問與技術,只要設計不良,重心就會不穩,機器人走沒兩下即會摔倒,也難怪吳奕龍說:「雖然是機器人的一小步,卻是微星科技的一大步,也是台灣產業的一大步。」

從愛寶狗激起轉型念頭

創立於一九八六年的微星科技,是國內數一數二的板卡(主機板、顯示卡)廠商,以代工起家,但隨著代工產業毛利率降低,為了提高產品的附加價值,近年來開始擴充產品線,加強品牌發展,推出自有品牌MEGA(MSI Entertain-ment and Gam-ing Appliance)系列,主攻消費性電子產品。經過這兩年多角化經營下來,總經理徐祥樂觀表示,今年主機板(含準系統)出貨應可達一千七百萬片、繪圖卡八百萬片;MEGA系列的MP3隨身聽機種可達到一百五十萬台,筆記型電腦也可賣到三、四十萬台。 雖然微星這幾年的營收和產值都往上提高,毛利率不斷下降卻也是不爭的事實。在市場上每一家產品的差異性不大,只能不斷削價競爭的惡質環境下,微星轉而思考藉由研發非標準化的系統產品,以另闢新天地的可能性。在這股亟欲擺脫代工業微利宿命的迫切感下,激起了資深研發副總黃金請成立創新前瞻研究中心的念頭。 三年多前,黃金請替唸國小三年級的小孩買了一隻新力愛寶狗(AIBO),發現小孩非常喜歡。人與機器狗的互動,引起了黃金請興趣,於是他開始到各機器人玩具賣場和家長聊天,了解其他家長和小孩對機器人的看法,同時也向學校教授詢問技術上的問題。就如尼葛洛龐帝(Nicholas Negroponte)在一九九五年的(數位革命)一書中所提到:「機器人這個價值百億美元的大市場,不會被忽視太久。」黃金請認為,開發機器人也許是微星一條可行的轉型之路,於是便以教育和娛樂的需求為主,組成機器人研發團隊。

基礎研究與系統整合是最大瓶頸

幾代機器人研發下來,團隊成員發現基礎研究和系統整合是目前最大的瓶頸。為了要做出視覺、觸覺、語音輸入與辨識的機制,舉凡軟體、機電、人工智慧、語言行為、人機互動等各項基礎研究都要先徹底做好。接下來的系統整合更是關鍵,有時候,調整好的單一模組組合在一起時,效能反而可能完全降下來,必須設法找出問題,重新再做調整。
雖然經過一次又一次失敗,每一次拆組等於是對前一次的技術破壞,但團隊成員卻不以為苦,個個都對機器人產業的未來信心十足。工程師顏睿余表示,雖然目前微星還沒有開規格制訂自己的IC,但是買來的IC幾乎完全重新定義,徹底改變IC原有的使用方式,並將其功能發揮到極致。遇到問題時,尋求原廠協助,也往往得不到滿意的答覆,只好自己解決問題,到後來竟演變到原廠反過來向微星請教問題。
由於機器人的開發所需技術甚多,整合的過程相當重要,使得微星在專案管理上花費了不少心力。針對每一代機器人,整個團隊先訂出想要達成的技術目標和開發時程,統整成一個大專案,每一個開發時程進度由各組組員和組長共同訂定,各組組長隨時進行討論協商,訂出合理的進度並進行功能整合。專案經理負責掌控所有的進度,跟緊重要查核點(critical path),以免各組互相耽誤,延宕進度。

將創意與執行分階段管理

從第三代機器人開始,研發團隊開始導入「新產品開發流程」(New Product Development & Launch Process, NPDLP)。機器人團隊的專案經理趙平峽表示,NPDLP將機器人的開發分成「創新管理」和「專案管理」兩個階段。在「創新管理」的時期,容許大家有各種天花亂墜的想法,可以前後來回討論,等到通過可行性分析之後,篩選出真正要執行的構想,就進入設計開發流程,真正的專案管理才開始。趙平峽說,導入NPDLP後,各組組長在創新管理階段就先解決了一些爭議,經過充分溝通後所定義出的技術以及未來所需要的專利,各組組長和組員都開始全力以赴,於是機器人的研發逐漸上了軌道。
目前整個機器人研發團隊共有十七人,分別來自不同領域。趙平峽表示,十七個人其實不算太多,各領域分一分,人還是不太夠。整個前瞻研究中心預計今年增加到三十六人,兩年後擴編成六十人的研發團隊。
機器人研發團隊的內部溝通很順暢,大家也很有向心力,但微星畢竟是個製造大廠,研發計畫的進行需要遵循既有的ISO流程,其中就包括失效模式(Failure Mode Effect Analysis, FMEA)的管理。趙平峽說,「FMEA其實是一種風險管理,其他部門的人會以量產的眼光來challenge機器人產品。」「能通過墜落測試嗎?」、「機器人產品線會增加工站,增加製造成本!」這些來自不同部門的聲音,讓機器人研發團隊承受了不少壓力。

平台概念具備開發彈性

目前對於機器人的研發,微星科技並不以單一產品為主,而是以開發機器人的「功能平台」為主,目標是要累積更多的智財(IP)。功能平台指的是機器人完全模組化,而且是一個開放式的架構,隨時因應不同的市場需求,經由不同的工業設計,包裝成不同的機器人產品。 簡單來說,機器人功能平台可以依不同的設計,包裝成陽剛型的機器怪獸、可愛型的娃娃、卡通型的Hello Kitty;也可以依價位的不同來增減功能,例如辨識語音命令數的多寡,或是依家裡成員數而調整人臉辨識數,甚至是加入不同的互動、遊戲、歌唱等功能。硬體是功能平台,軟體則決定機器人的擬人化程度。機器人團隊中負責軟體的工程師林長洲特別強調,「軟體介面做得愈好,機器人愈親切,愈容易使用,麻省理工學院的活氧計畫就特別強調要減少人和機器間的隔閡。」
除了人型機器人外,機器人團隊也已經著手開發輪式機器人平台(沒有雙足,有輪子,可在平面上滾動的機器)。相較於人型機器人是以教育和娛樂功能為主要目的,輪式機器人則主要鎖定家用市場,例如開發出更省電、更聰明,且具有保全能力的輪式吸塵器機器人。
研發的腳步永不停歇,和日本的機器人技術相比,微星還有好長的一段路要走。微星已經開始著手開發第四代機器人,希望能做到像真人般左轉、右轉、後退走、爬樓梯、甚至和人一起搬東西。然而從微星創新前瞻研究中心的另一個小組——醫療電子小組,更可看出微星的野心不僅止於此。醫療電子小組目前以開發醫療相關的電子產品為主,未來與進一步機器人團隊兩相結合,將可推出照顧醫療型機器人,以因應未來廣大的銀髮族照顧市場需求。

台灣機器人產業開跑

微星科技從製造主機板開始,延伸核心競爭力到繪圖卡,再推出自有品牌的消費性電子產品和筆記型電腦,接著又成立工業設計中心,連續獲得日本G-mark設計大賞與德國iF設計獎的肯定。如今微星更積極投入機器人和電子醫療的技術研發,即使這兩三年公司的獲利偏低,仍堅持投入人力蓄積研發能量。三年下來,機器人研發團隊花費了八千萬新台幣經費,但截至去年年底,機器人團隊也提出了二十件專利申請,並已獲得七項專利。
主持「人與機器實驗室」的交大電機與控制系教授楊谷洋表示,台灣產業目前在影像、馬達、無線通訊、電力、運算等個別技術上水準並不差,但是微星能成功地將這些技術整合在一起,的確值得鼓勵。機器人的市場,是目前大家可預見的潛力市場,微星先人一步,確實有其先見之明。
一路走來兢兢業業的微星科技,逐步轉型成研發自主、掌控技術、握有設計能力公司的過程,十足是台灣IT廠商奮力掙脫代工低利市場的最佳寫照,足以做為後進業者借鏡。

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