虧損9年的公司,如何谷底翻身?皮克斯靠「放棄賺錢商品」做到了!
虧損9年的公司,如何谷底翻身?皮克斯靠「放棄賺錢商品」做到了!

談到動畫片,無論是巴斯光年與胡迪兩個玩具在爭吵中成為死黨的故事,還是一群昆蟲拯救螞蟻窩的歷險記,大家應該馬上就能說出《玩具總動員》《蟲蟲危機》的片名,對於這一部部靠電腦動畫製成的電影,在當時完全跳脫傳統手繪動畫的方式,讓皮克斯動畫工作室(Pixar Animation Studio)成為說故事大師的代名詞。

而這個讓高科技技術成功跨足電影的團隊,正是由蘋果(Apple)創辦人史帝夫 ‧ 賈伯斯(Steve Jobs)1985年被趕出蘋果後,與艾德 ‧ 卡特姆(Edwin Catmull)、埃爾維 ‧ 史密斯(Alvy Smith)共同創辦。

1995 年,皮克斯第一次推出動畫長片《玩具總動員》就獲得奧斯卡獎,後來推出的作品也都不斷稱霸美國票房,但誰能想到,一直到 1994 年底,皮克斯還處於連年虧損,得靠賈伯斯開出個人支票救急,燒光了 5000 萬美元的財產才得以維持營運。後來,賈伯斯找來原本在矽谷擔任高階主管的羅倫斯.李維(Lawrence Levy)出任皮克斯財務長,重新調整公司體質,才讓皮克斯有機會達到現在的成就。

儘管一開始,李維對皮克斯的電腦繪圖技術、說故事的創意感到驚艷,但他憑著自己多年的知識和經驗,找不出能持續穩定獲利的業務或產品,加上市場上完全沒有可參考的範本,他對皮克斯前景感到憂慮。但「所謂獨創新意,就是在絕壁的邊緣跳舞,是和誘人的安全感打仗,沒有捷徑,沒有公式,沒有前人已經踏平的勝利之路,考驗本就無所不在。」因此,1995 年李維還是決定加入皮克斯。

放棄賺錢產品,專注投入一個目標

要改善財務赤字,李維首先針對皮克斯目前承接的所有業務,進行全面剖析。他發現,皮克斯在做的事情,主要可以分成四大領域:RenderMan 軟體、動畫廣告、動畫短片,還有一部剛開始為迪士尼(Disney)製作、暫以《玩具總動員》為名的劇情長片。

RenderMan 軟體是皮克斯賣了多年的套裝軟體,可以產生高畫質的電腦影像,但諷刺的是,這是有高階特效需求的製片廠才可能需要的產品。「雖然這是目前唯一一項能賺錢的產品,但市場需求過小的限制,只會讓皮克斯持續被小筆的收入綁住,對於成長策略或上市公開募股,毫無幫助。

動畫廣告組遇到的問題則是,他們製作的廣告雖然不乏獲獎紀錄,但案子十分零散、預算也總是緊繃,平均下來,收取的費用只不過剛好支付成本,稍有不慎還會賠錢。在不可能提高案子成交價,也不可能增加接案量的情況下,這也是門難以做下去的生意。至於動畫短片,只是皮克斯用來測試並開發技術及編劇技巧,只是用來展示作品,沒有市場可言,所以毫無獲利可能。

最後只剩下還沒有做出成績,一切仍在起步階段的動畫長片。因為無從判斷其獲利可能性,李維還試著自行開發預測動畫電影績效的模型,經過初步分析,若能做到美國本土總票房達到一億,皮克斯就能成功打入大眾市場。雖然這是個極為艱鉅的挑戰,但卻是讓皮克斯生存下去的唯一選擇。李維表示,「棋子現在在什麼位置,你已經改變不了,最重要的,是你的下一步。」

1995 年,**李維逐漸縮小了 RenderMan 銷售團隊編制,將高階軟體留給皮克斯自己使用,同時解散了廣告團隊,讓皮克斯正式成為一家專做動畫片的娛樂公司。**除了將原本散在各個業務上的技術或創意人員聚集在一起,讓整個團隊能共同為著《玩具總動員》的完工之外,李維與管理團隊也不斷與當時擁有皮克斯作品專屬權的迪士尼,針對電影的行銷方式進行協商,從行銷對象、路邊的廣告看板到周邊商品都歷經了層層討論,希望能將宣傳效果極大化。

同年 11 月,《玩具總動員》正式上映,最終本土總票房達到將近 1 億 9200 萬,不但是當年最賣座的電影,還成為史上第三賣座的動畫劇情電影,僅次於迪士尼的《阿拉丁》與《獅子王》,皮克斯從此從一間默默無名的製品廠,一躍成為榜上有名的賣座動畫電影公司。

攀向頂尖之道:擴編人才,提升創意深度、產出穩定度

《玩具總動員》的成功像是一劑強心針,讓李維與賈伯斯在籌備皮克斯上市的前置作業,變得更加順利。1995 年 11 月 29 日,皮克斯的股票交易代號 PIXR 首次出現在那斯達克證券交易所(NASDAQ)的電腦螢幕上,原本開盤價 22 美元,一下就跳漲到 36 到 39 美元之間,賈伯斯瞬間成了億萬富翁,皮克斯的總市值則上看 15 億美元。

擁有了賣座票房的作品,又是當年最成功的首次公開發行股票(IPO),看起來是極大的成功,但李維想的卻是,如果不能持續製作出優秀的電影,那皮克斯將淪為只打出一支好球的公司。對此,李維決定從提高出產電影的速度,同時確保創意深度著手。

為了擴編人才,讓皮克斯得以從 4 年一部片,走向一年半一部片,李維雇用專業經理人瑞 ‧ 漢娜(Rachel Hannah)建立完整的招募制度,網羅世界頂尖的動畫、技術及美術人才。同時,讓共同創辦人卡特姆開設「皮克斯大學」,訓練新舊員工,讓皮克斯的創意能持續不斷進步。這也成功讓皮克斯緊接著推出的《怪獸電力公司》《海底總動員》《超人特攻隊》,美國本土票房平均每部都超過 2 億 5000 萬美元。

出售或是持續擴張?處事業高峰不忘評估風險

皮克斯股價在 5 年內上漲了 171%,市值從 15 億美元一路漲到 60 億美元,正處在最風光的時候。但在 2005 年時,李維卻意識到,「人不可能永遠以同樣的速度往同個方向走,遲早會出現各種讓我們慢下來的事物。」他認為,一旦成就攀上了高峰,只要稍有衰退跡象,皮克斯的股價就會暴跌。降低風險的方法只有兩個,用手上的資金投入多角化經營,或是將皮克斯賣給迪士尼。

經過與賈伯斯的沙盤推演,他們共同決定,與其讓只懂動畫的皮克斯擴充成能精通不同經營門道的管理團隊,不如讓迪士尼保護皮克斯的動畫事業,同時藉由迪士尼的龐大資源,提供相同多角化的機會。

2006 年,皮克斯與迪士尼達成協議,迪士尼宣布以 74 億美元收購皮克斯,同時確保皮克斯建立的文化會存續下去。對此,李維表示,「皮克斯為自己打下的勝仗已經成為過去,現在放手讓新的好手接管,不要讓眼前的美好景象消失,才是我該做的事。」

延伸閱讀:

  1. 好點子跟好人才,哪個更有價值?皮克斯總裁的答案是......
  2. 再默默的貢獻,都該得到掌聲!皮克斯打造頂尖團隊的秘訣

本文授權轉載自:經理人

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