「那時我太相信美國經驗了。」LiTV創辦人錢大衛的創業反思
「那時我太相信美國經驗了。」LiTV創辦人錢大衛的創業反思
2017.02.13 | 人物

隨著國際串流影音龍頭Netflix進軍台灣,過去一整年,OTT都是熱門討論焦點。不過,早在這之前,一位技術/媒體混血人早已默默在台紮根多年。他,就是LiTV創辦人暨董事長錢大衛。

台大電機系、UCLA電機碩士,若論專業背景,錢大衛和影視根本扯不上一點關係。然而,現在的他,卻帶領台、美兩地團隊,打造出線上影音王國。根據最新數據,LiTV每月有600萬不重複使用者、App下載量超過250萬次,平台上除了有將近100個國內外電視頻道,隨選影片總時長也突破2.5萬小時。美商矽成創辦人韓光宇、聯電榮譽副董事長宣明智、龍笛服飾家族、台灣文創一號等都看好錢大衛的能力,投資LiTV。

但有趣的是,錢大衛說,自己會踏入媒體產業,其實在意料之外。

錢大衛很早就赴美發展。職涯初始,他就對未來的藍圖很清楚。「我一開始就布好了!」他說,自己雖然對IC設計有興趣,但是最初卻選擇在半導體公司擔任產品工程師。「產品工程師管所有的設計和生產流程,今天產品有問題,就要來分析。我沒有碰設計,也不做生產,但是我都看到了。這是什麼?這就是基礎。半導體行業的製造、流程、包裝,我都接觸到了。」

十個月後,他認為自己已經掌握到整體流程,於是便轉到IC設計。「後來我發現,IC真的很辛苦,毛利那麼低。我在美國幾萬人的大公司,待了五年,有四年在裁員。這種行業怎麼能待那麼久?我就跳!跳到做workstation(工作站)的公司,就是視算科技(SGI)。」

從這個時間點開始,錢大衛慢慢和影視產業越走越近。「那時候我接了一個部門。老闆跟我說:『大衛,東西給你選,你要做什麼?』我看其他都有人負責,所以我選了一個沒有人負責的,那個就叫做multimedia(多媒體)。」他笑:「所以我剛開始是不得已的。」

錢大衛_Litv董事長 03_20170210_侯俊偉攝.jpg
LiTV董事長錢大衛
圖/ 攝影/侯俊偉

把技術人和媒體人擺在一起,產品就會不一樣

接下多媒體部門,讓錢大衛的人生開啟了另一扇窗。1980年代起,好萊塢紛紛導入工作站以協助電影製作。「阿諾演的《魔鬼終結者》,第一集他騎著摩托車從空中跳下來,」錢大衛左手比劃著,「那個鏡頭實際上是吊鋼絲,這一幕拍完之後,就是拿我們SGI的工作站把鋼絲修掉。」到後來,電影製作發行公司夢工廠也和視算科技合資成立Silicon Studio,共同打造特效電影。

這次合作,不只將視算科技正式帶入媒體產業,也讓錢大衛這個血統純正的技術人體驗到媒體的魅力。「每天只做技術、只做硬體,不好玩!」他輕敲了一下桌面。

1998年,錢大衛加入電視節目數位硬碟錄影機TiVo公司,負責產品和技術研發。後來推出的產品TiVo,可以讓使用者把有線電視或衛星電視的節目錄下來,自行選擇收看時間,廣受美國消費者喜愛。「早年穿TiVo的制服去坐飛機,別人都很羨慕,因為大家都在用。」他笑著回憶。

「在TiVo的時候,我們就知道,不能只做技術,也不能只有媒體,我們是把技術跟媒體合在一起。所以公司裡有媒體人也有技術人,然後這兩種人擺在一起,老實講水火不容,性格完全不同。但是透過管理,讓他們產生火花,產品就會不一樣。」他說,「SGI這樣做,TiVo這樣做,LiTV也是這樣做。」

把媒體人和技術人擺在一起,老實講水火不容,性格完全不同。但是透過管理,讓他們產生火花,產品就會不一樣。

從挫敗中學經驗:文化講求在地性

談起過去,錢大衛眼睛發亮、滔滔不絕。不過他也坦承,當初將TiVo引進台灣時,其實曾嘗過挫折滋味。

2005年,錢大衛從美國返台,擔任TiVo投資的替您錄公司(TGC)董事長,並負責TiVo在亞洲的業務拓展。不過由於當時太相信美國經驗,忽略在地化的重要,因此發展不順利。「我後來發現,本土化非常重要。」

「美國公司都是一樣的思維,Netflix也是這樣。」錢大衛認為,Netflix進來台灣,對OTT整體發展是好事一樁,因為Netflix國際聲量高,可以帶動消費者意識。不過,內容在地化不足的確是發展劣勢。而他自己,就是從TiVo的挫敗學會這一課。

「我在美國太久了,所以剛進來的時候覺得,美國的東西大家都會要、美國的作法一定是OK的,太簡單了嘛!沒有,localize很重要。」

他指出,TiVo在美國的作法是賣機器,而消費者每月要另外付10幾塊美元的服務費。剛回台灣時,他認為在台灣也可比照美國的商業模式,不過擔心原本價格太高,因此將服務費降為每月199台幣。

「我們想說,199應該還好嘛!星巴克一杯都要一百多塊。結果一賣以後發現,消費者對於那個一百多塊,再便宜都有issue。他們會想:『為什麼我每個月要付錢?』我們後來有調整,消費者只要買硬體,服務就包進去了,但是就太晚了。」他反省說:「這就是對台灣消費者的習慣沒有深入了解、深入配合,做出來的東西就不會是最好的。」

有了上一段經驗,錢大衛在打造LiTV時特別小心,價格和內容都盡量貼近廣大消費者需求。「想看豬哥亮,就給你豬哥亮。想看電影,就有電影。想看劇,就有劇。所以我們東西越來越多。」

對台灣消費者的習慣沒有深入了解、深入配合,做出來的東西就不會是最好的。

在各家業者紛紛進入後,台灣OTT市場看似熱鬧擁擠。不過,錢大衛認為,成長空間還很大。因為,即使經過去年一整年的喧囂,OTT使用者依然以25到45歲網路族群為主,年紀較長的使用者還是沒建立起習慣。「像這種新的生活型態,通常需要好幾年才能轉變。比如說iPhone在2007年出來,真正熱了還是好幾年以後。」他氣定神閒說:「不過,OTT會很快!」

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