[創業小聚NO.79]打破傳統！我們就是在追求創新，創業小聚全新改版|數位時代 BusinessNext

在今年後半年開始第一場創業小聚迎來全新改版，除了保有創業之星分享外，邀請點評來賓，讓團隊分享之餘得到扎實回饋。除了主題分享，並現場連線國際創業社群團隊，給你有料、有趣及與全球同步的創業訊息全新體驗。

在創業小聚第79場中，創新是為了打破固有思維，在現有環境下開創新道路，來看看台北101怎麼突破固定穩定收益，建立新的租賃管理模式。並請四組團隊跟大家分享，他們怎麼顛覆舊有模式，掀起產業革命。

台北101打破保守，注入創新概念，打造全台最高新創辦公室創聚雲

場景拉到台北101便利樓層的35、36樓，董事長周德宇說為突破過去擁有穩定固定盈利，結合新創、團隊的概念發展，打造新創辦公室創聚雲，規劃出28坪22個座位，月租僅一萬元降低新創團隊進駐台北101門檻。將辦公大廳設計成孕育中的大樹，精心培育期待成長茁壯的象徵。期望創業團隊進駐，能在現有市場技術過時，採購環境呆板限制多下，與新創團隊技術產生連結。

自己的投資專家平台，直接讓數據現身說法──財經 M 平方

人們對投資的望塵卻步來自於對專業知識不了解，爆炸資訊不知如何篩選，聽坊間分析師激動評論，遲遲下不了決定。創辦人陳佳茹 Rachel以過去十年金融分析師經驗，從過往景氣循環中發現其中規律性，得出只要看懂數字背後的意義，就能做出對應策略的結論。

透過和大數據分析師合作，蒐集全球股票、匯率、債券及原物料數據資料，用圖像化顯示，歸納同類型數據，從趨勢中羅列出各類標的物價格表現，不單只是Data的供給者，而是提供Insight的服務。將靜態報告轉變成動態，打破過往投資者只能被動等待告知，讓投資人能對自己的投資決策負責。

點評建議

──打磨變現商業模式，提升會員訊息價值

財經 M 平方獲利方式是限制閱讀權限的會員制度，內容資訊平台不易變現，如何轉變成交易平台，透過交易紀錄預測會員資產分配，將會員價值資訊化，並尋找同競爭平台間的壟斷要素，從中增加會員使用黏性將會是成長到下一階段的重點。

延伸閱讀

自己的投資自己查！提供財經市場洞見、即時資訊的「財經M平方」

一錶多用，千種搭配隨心組裝風格手錶── Zu WATCH™

由於大量運用液晶技術革新在電子錶上，在成本價格壓低、顯示方便簡單、應用多元下，同樣價格下會選擇傳統鐘錶的消費者減少，謝大宇看準剛出社會新鮮人在有限預算下，選擇手錶訴求追求體現個人風格。萌生設計每天隨心情及穿搭，各種場合都能使用，可以用很久的手錶。

各種風格、材質的錶帶、錶殼及錶組(錶盤+指針)一字排開，能組成近三千種款式搭配，在濃烈設計師的浪漫及成本品質監控中得到平衡，透過群眾募資中了解市場，從螢幕走入人群，接觸實體顧客過程中，優化網頁及包裝，使體驗更符合人性。

點評建議

──站在現有產業肩膀，一眼看出就是愛這款

建議團隊需釐清只是販售組裝手錶，還是各類組裝做到極致的定位疑慮。以展現個人風格下，如何創造品牌識別力，並提升品牌對顧客心中象徵價值。而文創變產業有一定難度，但產業文創化卻能擴大品牌影響力，Unipapa就是很好的例子，可以多想想站在現有產業的肩膀，進而推展出更多的合作及可能性。

延伸閱讀

Zu WATCH™ 品牌主理人謝大宇：想做品牌，設計師所要面對的問題，從來就不只是設計好不好而已

電商優化利器，打掉重練更符合賣家銷售需求── BQool葳騰科技

以付費提供美國亞馬遜平台使用的優化系統工具，分析整合競爭對手價格及產品趨勢，即時自動調整賣家商品價格，系統自動化精準勘誤，對應問題貨源及服務過失，協助迅速處理差評，簡化評價使用方式，爭取客戶留好評。

創業初期，訂立付費目標5000人，只實際上卻只有5人，數據是忽略客戶需求的鐵證，透過接觸客戶，不再只是坐在辦公室空想，研究平台模式，摸清賣家需求，果斷捨棄無用功能，重新打磨系統，面臨員工失去信心，內部分裂集體離職的現實，仍不妥協。被問到當時用什麼樣的心態克服，執行長Jonathan露出堅定神情說：「 沒時間擔心明天的不確定，只有專注在現有能做的事情。 」透過留下關鍵人物，爭取員工信心，開創新市場，深入了解當地文化及消費習慣，付費會員增加至500名，重新定位商品服務價值。

點評建議

──希望客戶成功的精神初心，創業跨越艱苦全收錄

展現出希望客戶成功的精神，完整收錄失敗細節及問題產生的根源，是很好的創業範本，商業模式根據賣家共同痛點提供商品開發，後台所蒐集的數據資料可重複使用的價值高，增加數據未來的使用，並從中規劃出額外服務。

延伸閱讀

不入電商紅海打混戰！BQool 要專注做電商賣家的軍火供應商

1000倍的關鍵，搭橋到遊戲世界── Pi Square

動畫製作的過程透過動畫師繪製大量靜態圖像後，透過運算串起內容，才能看出連續動作，為追求運算速度更快，靠砸錢升級系統，使過程時間冗長，機器成本高。Pi Square像搭橋般將動畫引擎導入遊戲世界，即時預覽的數位預演來解決製作上耗時花錢的痛點。

多元技術背景的成員卡司，在缺乏設計行銷團隊下，推廣新技術的過程，製作團隊習慣傳統做法造成推廣阻力，改變現有行為困難，以先做好東西再推廣的態度，讓客戶能直接體驗產品效果。

點評建議

──別人在做，我已做完，占技術領先優勢

在體驗及眼球革命時代，視覺呈現追求衝擊，使觀眾觀看門檻提高，搭上AR及VR興起浪潮占技術領先優勢，產品服務以平台為基礎優化及協助，相較單發展產品成功率較高，考量如何利用大平台通路行銷，節省行銷成本及市場接受度。

延伸閱讀

讓動畫產製成本少一個零、速度快上千倍！台灣新創憑遊戲引擎「即時預覽」技術打進好萊塢市場

提供您第一手最豐富的創業資訊！
現在就加入「創業小聚 Line＠-數位創新與創業的社群平台！」
你的參與讓觀點更多元、新創資料更加完整「創業社群交流平台 MeetHub 」

本文授權自《創業小聚》，作者：林維馨

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。

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。

「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