年終回顧 :募資時創投發好人卡的理由
年終回顧 :募資時創投發好人卡的理由
2018.02.12 | 募資

嗨呀!厲害啦!又到了年度回顧的時候(打鼓聲+掌聲鼓勵)。2017年下半年由於我們基金有第一筆close(終於!!!),所以總算開始比較積極的在看團隊,這半年來看了一些項目,歸納了一點心得,跟有興趣的人分享。

秉持著拿到資金的原因百百種,根本不太可能歸納出一個公式,因此這次主要分享一些紅旗(red flags),也就是我們很有可能會基於以下幾個看到的狀況而唱起了草蜢的「就在記憶裡畫一個叉」。身為創業家,如果可以避免掉這些,「理論上」可以獲得下一次募資會議的機會,增加一點募資成功率。

OK, here we go

1.太早期 (階段不對)

雖然是老調重彈啦,但卻是目前一半以上婉拒投資的原因。大部分是剛有個prototype,或是已經做兩三年(甚至有的是數十年),但剛要推新產品。就像之前寫的文章有提到,階段不同有不同的投資人創投機構本身的組成架構並不被允許投資單純idea或prototype這階段

還在idea/prototype的階段,較適合考慮天使投資人這樣的角色。另一個值得注意的點是,現在的投資環境更是對新創團隊不利。從調查機構pitchbook的報告可以發現,VC的投入金額沒有什麼變少,但案件數明顯變少,在早期投資階段這樣的現象更是明顯,代表目前全球投資人都趨向更扎(ㄅㄠˇ)實(ㄕㄡˇ)的去評估團隊,會等到團隊有更確實的成績後,才願意進去,即使這代表更貴的成本。

簡單來說,創投這一兩年的風向主要是投資「成長」,而非「建置」。創業團隊已經沒有太多easy money可以拿;不過相對來說,對於認真在做生意、紮紮實實衝客戶的團隊,其實是件好事。

2.無法有效與既有服務提供者競爭

競爭者分析永遠是一個重點,創投想要知道為什麼會是你可以主宰這個空間,進而變成獨角獸、龍、哥吉拉、金剛、或皮卡丘。有時候因為團隊組成較薄弱、或題目只是一個功能上的改善、單純UI/UX的進化、或是選擇了一個已經相當相當成熟的題目(像是測心跳步數的wearabels或其他直接跟FAAMG競爭的題目),都會大大增加募資說服成本。

3.硬要扯上blockchain

這很有趣,越來越多團隊開始使用區塊鏈的技術來規劃公司未來走向。區塊鏈是相當酷的發明,我們也相當期待未來更多區塊鏈的應用,但新創團隊請合理斟酌使用,不要「餒督(硬上的台語)」。

在目前區塊鏈還在試著踏穩步伐的時候,很多團隊提的訴求其實集中化的伺服器架構就做得很棒了,不一定要用到區塊鏈。我就有遇過一個做logistic報價媒合加追蹤系統的新創團隊(國外團隊),主打IoT+物流追蹤軟體,但硬要花資源時間去做區塊鏈讓客戶透過智慧合約下單。但智慧合約本身根本還在發展,且「智慧合約下單」這點真的是這門生意能否成功的重要因素嗎?他不是唯一做logistics追蹤的系統,其他沒用區塊鏈或智慧合約的競爭者,難道就做不下去了嗎?硬加上blockchain並不會看起來比較牛。

再舉個例兼打個廣告:我們今年有投資一家台灣團隊做跨境匯款的,就是很單純扎實的建立各國partner banks networks的API,去解決外籍勞工每月匯款回家鄉的問題。他們是fintech公司,一開始也沒有提到任何有關區塊鏈的技術,就是單純在解決一個很痛卻一直被忽略的問題,目前發展也非常非常好,因為技術不是全部的重點,做生意才是。

4.AI for XYZ

人工智慧的訴求點比區塊鏈清楚多了,不會有「餒督」的感覺,但卻有「濫用」的fu。現在要遇到一個團隊不是在做AI的反而比較難(誤)。

AI題目在目前遇到最大的問題(先撇開有些其實不是AI或單純使用第三方的開源AI model),就是我們稱做magic beans狀況。常常聽到團隊說:「我們的AI最棒惹,可以產生最佳解!」,然後試著要賣給我那顆魔豆。像下圖那個插畫一樣,我到現在還很難光是聽founders講說自己的AI會是最棒的這情況要怎麼評估?

畢竟早期團隊還在努力收集data去調出一個很棒的model,也還沒有明顯的方式去呈現自己的AI演算法是大幅度優於其他競爭者的。所以往往又回到老問題:你在解決什麼問題?有多少付費客戶?使用狀況如何?團隊組成背景如何?一樣又是回到”做生意”這點;而AI題目(或上述blockchain題目)的話創投會更看重「團隊」這個幾乎是決定性因素。主打AI的話,至少團隊要有相當程度的數學、物理、資訊科學等的專才。所以如果是單純套上AI的名字來募資的,是很容易被看穿的。話雖如此,若是有人有答案怎麼在早期有效評估這種AI魔豆案件的話,歡迎留言分享討論。

5.商業模式在追求低毛利

這點相當重要。有不少滿屌的技術,不錯的團隊,做的事情市場發展潛力也大,但切入點卻是相對低的毛利來做商業模式。不管是因為客戶選錯、或是為了喝牛奶養一頭牛(這比喻好怪⋯⋯
可能可以說是像為了要賣軟體而做自己的硬體、或是適合license的東西卻要自己做應用)、或是單純定價策略考量。太低的毛利對於創投的評估上著實像是一堵牆,要考慮很久才有可能跨過去,主因是現金很有可能比想像中快燒光,且不利於scale。而往往這點也是最難跟創業家溝通的,大部分的創業團隊是不太願意更改商模,畢竟這可是內部開會一陣子決定的方向,且創投又不一定是對的,憑什麼一個會議就要我們更改?其實這也是非常合理的想法,只是通常這時創投就會選擇韋禮安的慢慢等

6.什麼都可以做,也還真的什麼都做

個人之前創業就犯過這樣的錯誤。我們有個技術,為了呈現這技術多厲害,我們總是說什麼領域應用都可以做,什麼樣的產業都是我們的客戶,且還真的到處跟各產業的人見面開會,搞得自己非常忙,每個看似都有機會,卻都無法順利成交。這樣的狀況很常發生在以技術為主的台灣文化。但早期創投要看的是一個很扎實合理的切入點,讓這群early adaptors會付錢去使用你的服務,且相當滿意到願意當你的傳教士,去抓更多像他這樣的early adaptors進來,這時就有PMF(product Market Fit)的fu,再繼續做深,up sell,讓他們願意付更多錢,之後再開始延伸到其他產業。

7.誤會大了的營收數字

這越來越常發生且還需要一再追問才會說實話。當創投在看營收時,我們想看的是真正公司可以放進銀行戶頭且財務報表上列入「營收」這個會計項目的數字。但不時會看到新創團隊把GMV(Gross Merchandise Volume)或類GMV相關的數字放在營收中,導致可能營運前半年營收就有幾百萬台幣的驚人表現。這種有點刻意誤導投資人的數字呈現,對我們來說是個大忌,幾乎直接放入拒絕的籃子裡。但如果真的是上線不到半年就有一兩百萬台幣實質的營收收入的話,麻煩與我聯繫喔……… 愛你~(創投臉)

8.很多口頭上的投資人加入

聽過不少可怕的故事,就是投資人口頭上答應投資但最後翻臉不認人。因此每次有團隊跟我說:「TK你們要的話要快喔,我們已經有A創投說要投,B企業也要進來,C天使說想全吃,我們還在考慮要選哪一個」,這時我都會捏一把冷汗,一來是如果已經這麼多人要投你了,為什麼你還在參加pitch活動或是媒合會?二來是投資人「口頭上」的答應真的相當薄弱(連term sheet都不具法律效力了),說老實話並不構成FOMO(Fear of Missing Out),因此這樣的狀況其實是創業家自己要小心,不要遇到開一堆空頭支票的投資人而相當開心的增加burn rate然後後悔莫及。

結論:回歸生意本質

說了這麼多,其實就一個takeaway:請扎扎實實地做生意。這世界不缺追逐風口的人,缺的是吹風機(製造風口,不是吹頭髮的那種!)。努力去發掘這世界上尚未被滿足的缺口,深入了解該產業,搭配著科技的進步來提出合理又超乎預期的解決方案,並且瘋狂的努力執行,好好做生意,上述的問題很自然的就不太會出現。

再次強調,募資成功的原因百百種,且我們Quest認為不ok的點不一定其他創投也覺得不ok,所以上述這些點是參考,生命有一種絕對,但募資沒有。恩,這篇文章用了四首歌,看來是時候該去唱歌了⋯⋯。大家2018年快樂!

本文由TK Chen授權轉載自其Medium。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

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