「承認與討論失敗是ok的,因為這就是創業的歷程。」專訪Fab創辦人哥德柏
「承認與討論失敗是ok的,因為這就是創業的歷程。」專訪Fab創辦人哥德柏

現在市面上通訊軟體的功能,都傾向串連使用者生活圈中本來就認識的朋友,現在有一款app的創辦人,想要讓陌生人透過相同話題產生連結。

社群聊天軟體「Pepo」的創辦人Jason Goldberg表示,他想要將大家每天使用的智慧型手機連結在一起,將有相同聊天話題的使用者串聯起來。雖然Pepo仍然會提供使用者在既有朋友圈中傳訊息的服務,但這對於剛進入競爭激烈通訊軟體市場的後繼者來說,仍是相當大膽的嘗試。

哥德柏過去也曾經在創業過程中冒過險,失敗的經驗也成為他創業故事的開端,這些經驗將成為哥德柏在2016 Meet Taipei演說著重的主題。今年十月底,當哥德柏與他的團隊要推出Pepo時,透過Skype告訴Meet團隊,他將會在11月17日舉辦的Meet Taipei中發表演說。在哥德柏處理開發者傳來的緊急訊息同時,也一邊向我們透露他演說的重點,同時介紹他的新產品Pepo。

不太美好的那些年

哥德柏曾經因創辦Fab.com——在新創圈歷史中,以瞬間如流星般成功到失敗的設計品電商網站而出名。Fab在2011年上線,銷售上千種私人設計師所設計的平價家居用品,在剛開始的前六個月銷售額達2,000萬美元(約新台幣6.3億元),隔年銷售額就達1.2億美元(約新台幣38.1億元),並向投資者募集了3.3億美元(約新台幣105億元)的資金。

2013年第三季,Fab面臨資金大失血,當時哥德柏擔任執行長,他告訴董事會,大部分的員工都將失去他們的工作。Fab當時除了收購歐洲的競爭對手,也花費太多資金投注在像是倉庫空間等不易規模化的資產上,同時回購客戶數量也在減少。

最終在2015年,Fab以大約1,500萬美元(約新台幣4.8億元),拋售給專門製作訂製產品的公司PCH。這個履歷上的污點,讓哥德柏為那些面臨公司規模迅速擴張的創業家們提供諮詢。哥德柏告訴我們,「要隨時保持謙虛,別讓自己變成被炒作的對象,要本著自己的初心,保持初心跟大膽冒險一樣的重要。」

哥德柏接著談到,「你需要一定程度的自信與行動力去建立正在擴張的服務,這是一項挑戰,但你不可能魚與熊掌兼得。」期待從Fab上學到的失敗經驗,能在Meet Taipei上讓創業者與投資者引起共鳴。

「我被邀請在Meet Taipei演說的其中一項原因,是因為活動創辦人還有許多我在新創圈認識的人都告訴我,在台灣理解、承認與在失敗中復原的文化還沒有完全被大家接受。」哥德柏這樣告訴我們。

「我因為Fab經歷了一場巨大的挫敗,我想其中一件事是⋯⋯在亞洲的文化中承認失敗,會是ㄧ件相對困難的事情。」讓失敗這件事坦蕩蕩的公開,創業家應該「理解並且公開擁抱它,這麼做之後懼怕就會隨之消退。」新創公司面對失敗過於拘束的態度,在台灣早已不是新鮮事。

音樂串流平台KKBox共同創辦人林冠群,在2014年告訴科技媒體Tech In Asia,(創業)失敗就像對履歷宣判死刑一樣。這樣的說法,與曾經在矽谷廣為流傳的「快速失敗,經常失敗」形成強烈對比,這句話傳遞了風險是成功的主要組成要素,但並不是每個風險都有辦法彰顯出它背後的效果。

Jason Goldberg 3.jpg
Pepo 創辦人 Jason Goldberg
圖/ Jason Goldberg
承認與討論失敗是ok的,因為這就是創業的歷程。

「並不是說我們應該都去慶祝每個失敗,我並不喜歡這種因為失敗就要大肆慶祝的概念。」哥德柏說,「這比較像是:承認與討論失敗是ok的,因為這就是創業的歷程。」

「在新創中的投資者,他們某種程度上似乎比創業家更了解這個道理。」哥德柏補充,「投資新創公司的投資人,他們本來就不會期待每個新創公司都會成功。」

投資者比較傾向大膽下賭注,並承認到不是每個新創都會成功。典型的投資者會期待其中幾個目標新創最後能有不對稱的成功,投資出去的錢最終可以涵蓋整個投資組合。「失敗並不是名聲上的缺陷,只要你保持自身的誠信。」前任Fab的執行長表示。「如果你周圍的人覺得你很誠實,你就是正在學習如何保持謙虛。」他說。「這是我想傳遞的其中ㄧ課。」

哥德柏描繪了典型新創創辦人努力消化競爭過程中的衝動,以及找出成功公式的景象,特別是在自信與謙卑中的平衡。他也告誡,過程中也別忘了持續創造出有用的產品。

「我會這樣說我的願景,新創最後的產品能夠成功,都是因為有團隊的熱情。」 哥德柏表示。「你沒有辦法彌補不成功的產品。」

「所以,我都會跟創辦者強調,在創業早期必須專注在目標上,排除其他干擾的事務,專注於產品。」他這樣建議。

「理想的創辦人就向產品經理,對於使用者經驗,以及科技與理解用戶行為要有熱情。」他說。「大部分新創的成功,都是奠基於創始團隊,亦或不是。」這並不是難理解的部分,而是創辦團隊去執行產品概念的能力。」

哥德柏現在四十幾歲,曾經在白宮的內閣事務辦公室工作過,後來他進入科技領域,在時代華納以及T-Mobile工作。並在2004年,創立了搜尋引擎Jobster。

與PEPO的新開始

哥德柏在推出Pepo的時候,希望能夠秉持上述的那些建議,這些都是他在Fab經驗後下意識的反應。根據Google Play的資料,Pepo下載數目前還只介於5,000至10,000。

哥德柏表示他現在想要「回到最根本,提供給用戶產品。」以及「ㄧ步一步來。」而不是盡可能的快速拓展商業規模。哥德柏自己也投資了Pepo百萬美元,以及一年有80%的時間都待在印度與工程師們建立默契。哥德柏同時也找了很多外部的投資者,其中兩位就是在Fab時期認識的,但他拒絕透露相關細節。

Pepo提供了包括了一對一的聊天,及以使用者所在地點與有興趣的話題為基礎去拓展的群眾聊天的功能。哥德柏也承認,Fab當初應該可以自然沒有束縛的發展,「藉由Pepo,目標是要創造出一個有一定規模,及能夠有效運用遍及全球的服務。」他表示,「專注管理眼前這家公司,而不是你想像中五年後的那家公司。」

哥德柏將擔任2016 Meet Taipei講者,於11月17日以〈連續創業的成功與失敗〉為題發表演講。

本文原文為Taipei event speaker to broach the squeamish topic of startup failure – he should know,作者為Michael Garber,譯者:高敬原。

關鍵字: #新創
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