鑽研音樂  網路練兵 李俊廣挑戰跨界綜效
鑽研音樂 網路練兵 李俊廣挑戰跨界綜效
2007.04.01 | 人物

PIXNET與城邦集團的聯合記者會上,出現了一個網路界人士不太熟悉的臉孔,他是PIXNET新任總經理李俊廣。在這個連六年級生都嫌老的部落格事業裡,李俊廣不僅是一枝獨秀的五年級生,更是個論氣質、論背景、論經歷都與眾不同的特殊角色,他是誰?成了現場的最大疑問。
打開Google搜尋一下這個名字,搜尋引擎撈出來的資料竟然大多與音樂有關,其中竟然還可以看到一張古早的唱片封面,一個長髮飄逸的男子唱著:「我不是一個可以依靠的人!」
的確,這個唱著不可以依靠的人,也是李俊廣,那一頭長髮透露出李俊廣年少時代的狂放與不羈,也記錄了他闖蕩唱片音樂界的歷歷往事。二十三歲以歌手之姿跳入音樂圈,李俊廣開始了在台灣音樂界近十年的闖蕩。
一路從唱片製作助理開始,參與過上百張唱片幕後製作,經歷了執行製作、製作人,直到音樂總監,寫過的詞、曲超過數十首。洋洋灑灑,李俊廣在流行音樂界的成績可說是有目共睹。很難想像,撇開了一路上豐富的音樂資歷,李俊廣反倒是畢業於孕育出無數資訊科技能人的交通大學,而且不僅念的是資訊工程,還一路念完了碩士。
李俊廣擔任製作助理時就認識的前資深音樂人、現任遊戲新幹線營運處專案經理的錢幽蘭,就十分感嘆:「從來都不知道他是交大資工畢業的,現在他可是終於『務正業』了。」
錢幽蘭說的一點也沒錯,離開了音樂圈的李俊廣,不僅是終於學以致用,而且還一下子就在網路圈子裡幾經起伏,繞了一大圈。
短短四年之間,李俊廣從毅然決然與炫光螞蟻科技一同投入網路影音成立Fun TV、與好友楊佳燊成立傑思整合行銷拓展網路廣告經歷、支援無名小站以「娛樂頻道」打出行銷佳績,到轉身回到半個音樂圈,進入KKBOX擔任總經理林冠群的特別助理,再到正式獨當一面加入PIXNET團隊執掌總經理。
或許不少人看來這是一條音樂人在網路界的顛簸之路,但李俊廣自己卻樂觀的很:「真的是失敗為成功之母。」雖然是老生常談,但李俊廣自己也坦然承認,過去的自己既不懂廣告業務,又沒有技術團隊,更不了解財務運作,繞了這一大圈,雖然辛苦,但也終於是裝備了自己,準備在全新的領域重頭出發!

**堅持理想
交大畢業領低薪進音樂圈

**
雖然大學念的是交大資工,但李俊廣卻從來只對音樂有興趣,課業踉蹌地畢了業,他終於靠著一腔對搖滾樂的熱情投入了音樂界。只不過唱片公司沒讓他唱搖滾樂,反而讓他唱起了抒情曲調,與他那頭執意留起的長髮形成強烈的矛盾對比,這樣的出擊,從一開始就註定坎坷。
唱片不賣,李俊廣反而開始在歌曲創作找路子。為了自我推銷,甚至還一度挨家挨戶拜訪製作人,還好半年寫了九首歌,九首歌裡又有四首順利獲得唱片公司青睞,一開始打定主意「沒餓死就繼續走下去」的李俊廣,竟然也真的沒餓死,跌跌撞撞也算闖進了音樂圈。
在仍是以師徒制為主流的音樂界裡,李俊廣就是從買煙、買檳榔、便當的製作助理開始做,雖然看著同學一畢業就坐領動輒五、六萬的月薪,但李俊廣的熱情卻讓他對自己一個月一萬八的薪水甘之如飴:「他們談的是錢,但我做的是我喜歡的事情,做自己比較快樂。」
就是這股對音樂的執著與熱情,讓李俊廣終於獲得音樂前輩李亞明的賞識,走入了音樂生涯的高峰期,不僅參與製作了周蕙、蘇永康等專輯,大賣五十萬張,也開始投入新人養成,製作的《阿爆&Brandy》專輯,甚至還擊敗SHE、Energy、BAD、Tension一舉拿下當年金曲獎最佳團體組合。
只不過站在高處,李俊廣反而想得更清楚:「音樂市場從一百四十億的規模,跌到了八十億,我看到虛擬媒體如何影響了音樂產業。」而他暗藏在骨子裡的科技人因子,也在此時開始蠢蠢欲動。
「其實我也不知道未來在哪裡,只知道唱片再也好不了多久,」說起回歸科技業的轉折,李俊廣自己倒也老實,對那時的他來說,思考方式很簡單:網路既是另一種型態的媒體,那麼最直接的作法,就是利用網路來「打歌」。
籌了錢,找了在炫光螞蟻科技工作的研究所同學,李俊廣滿懷希望投資成立了以網路MV電視台為號召的「Fun TV」,多年遊走音樂界的他,很快得到了音樂界夥伴的支持,一時間聲勢還頗為浩大,瞬間累積三十萬會員。「我就是靠著一張嘴橋出新事業。」李俊廣自己笑說。
但就跟師父李亞明擔心的事情一樣,經營者與執行者的角色確有著極大的出入,李俊廣在網路出發的第一步不僅不算成功,更是沈痛的教訓:「我真的自以為是地以為流量大就可以有收入。」找不到廣告收入來源,Fun TV最後無疾而終,李俊廣也以損失兩百萬元收場。

**屢敗屢戰
成功幫無名小站創造價值

**
有了這次的失敗,李俊廣清楚看到自己的不足,雖然擁有跨越文化創意產業及科技業兩大領域的優勢,但始終敵不過專業、財務運作能力的缺憾。
從哪裡跌倒就要從哪裡站起來,李俊廣不僅在跌倒的網路廣告界重新歷練,還成功結合娛樂專業與新興網路媒體,為無名小站打造了「藝人部落格」,不僅讓網站到達率成倍數躍進,也奠定了無名小站的廣告、媒體價值。
緊接著李俊廣又回到半個音樂界,進入了KKBOX,在總經理林冠群身邊,學習他最為缺乏的管理與財務能力,也終於遇上了惺惺相惜的PIXNET技術團隊,獲邀加入清一色為七年級的經營團隊。
「我們在行銷、人脈方面真的是白癡,俊廣有的就是我們所缺少的,」對PIXNET技術長曾皇霖來說,外求李俊廣加入團隊聽起來十分合情合理,但雙方在個性上的契合,更是接起溝通橋樑的原因。
「他的個性不會計較、不會去爭,願意跟我們一起努力。」曾皇霖說。事實上,這也與李俊廣的想法不謀而合,「我們做習慣幕後的,就是要營造好的環境,讓別人擁有好的舞台,專心做他們想做的事情。」繞了大半圈,李俊廣好似離開了本行,但其實心境卻又回到了老本行。
李俊廣的第一步就是幫助PIXNET在眾多求親對象中千挑萬選了城邦集團,現在就是要再次尋求跨領域的綜效,不僅讓這個李俊廣眼中最複雜的媒體找到網路的新生命,還要將PIXNET扶上競爭舞台,與其他服務商一較高下。
或許就跟李亞明的觀察一樣吧,向來靠著熱情與興趣支持一路走來的李俊廣,也終於從摸索、學習中得到了歷練,現在就等他穩健持續地走出自己工作生涯的下一步。「音樂是脫離不了網路的,我還等著他幾年以後回來跟我合作!」李亞明的這一席話,說的不僅是自己的期待,也更是李俊廣的自我期許。

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