新創公司商業化的四大迷思
新創公司商業化的四大迷思
2018.06.13 | 創業

新創圈中,大部分的題材炒作都圍繞在A輪前,因為那時只是空談,講什麼都好。而談成績則常是在B輪後,因B輪以前商業模式還沒有成形與系統化,根本沒有預期成果可期待。那你可能會問為什麼在A輪到B輪間大家不愛報導呢?

因為都是幹正事,大家愛報導風花雪月,沒人愛報柴米油鹽,而對新創公司而言,真正將產品的商業模式量化與程序化,是一件非常重要的事情,但也是第一次創業家完全不會思考的事。

這裡提到幾種常見問題,希望能點出盲點,促使創業家提早思考商業模式,並多請教各產業前輩聆聽與指教。

1.我不需要行銷業務人員,通通self-service

這種思維從2005年美國創業潮開始就有了。從線上支付、行動支付一直到今天炒作的區塊鏈,大家都肖想只要開放支付就會有生意上門。

事實上,不管是個人還是企業,購買決策不只看支付介面,還有很多地方要考慮。

以消費者導向的公司為例,同樣是買鞋子,為什麼地攤和旗艦店的客人消費力和行為舉止差那麼多?這癥結到了數位時代,依然沒有改變!因為大部分消費者並不會因為你買了Google Adwods或是臉書廣告,就自動上門、付錢與開動。

消費者還是要從品牌、口碑做決定,基本行銷業務專業該花的錢還是要花。

說到企業產品,如果沒有行銷專業努力去研討會、說明會等蒐集潛在客戶聯絡方式,沒有業務人員噓寒問暖、送糖果、巴結公司內決策者、推銷附加服務,基本上業務完全不可能推得動。

很多A輪前的公司,做個pitch、丟丟廣告吸引的客戶,只能安慰自己,這策略完全沒有可重複性。

而產品不錯的公司常常募不到錢,也是因行銷業務的體系沒有頭緒。通常稍微有經驗的投資人一眼就看出來了。很多第一次創業家產品開發後就是死在這一步。

2.兩倍的資源,兩倍的獲利?

聽起來很合理,但絕對不可能實現!若這種思維或數字出現在pitch deck中,被打槍理所當然。獲利不可能等比成長,原因有幾個。

首先,如果客戶需要團隊照顧,而每位員工都只能固定照顧X位的客戶。但因為你不可能因為只有X/2的業務,就只請X/2個人做事,因此不管任何時候,公司都有部分的資源被浪費掉。所以長時間來看,兩倍資源,不可能創造兩倍獲利。

你必須用經營航空公司和飯店的思維思考業務成本,你一定會有租不出去的房間、會有賣不出去的機位,絕對不要傻到用線性預估未來獲利。

再來,就是組織管理金字塔。新創公司喜歡扁平化,事實上扁平化只能做到業務組的扁平化,公司成長後哪有可能扁平化?

同理,現在你手下只能管三位業務服務九位客戶,假若今天有二十七位客戶,是不是請九位業務就萬事OK了呢?當然不可能!

假設所有員工跟你的能力差不多的(非常樂觀的假設),那你一個業務主管只能管三位業務,那請九位業務的時候是不是就需要三位業務主管呢?如果再假設大家的薪水都一樣(樂觀到好笑的假設),那九位業務和三位業務主管,就至少是十二個業務的薪水。四倍的成本卻換來三倍的業務,再這樣下去公司怎麼辦?

而綜合以上兩點,告訴我們在思考商業模式時,新創公司必須要有心理準備公司的成本會超過線性成長,因此公司要不斷地思考如何將內部的營運管理組織化、制度化,最後自動化。

很諷刺的是,當公司在思考如何建立組織和制度時,這又是一筆固定沉沒成本。因此新創公司要在什麼時點思考投資專案管理、行銷管理、人事管理的制度和系統,也是見仁見智。

3.什麼市場都能賣?

延續第一點就可以看出眉目,很多產品,如社交網路和訊息軟體,為什麼臉書和Slack明明有很多重複的功能,之間卻有難以跨越的楚河漢界?

很多創業家都很天真地以為產品的形式會引導業務模式,卻殊不知,真正其實是行銷導引業務模式,而業務模式再決定產品形式。

而事實上很多產品的成功,都必須回溯到市場的需求,才能決定行銷策略和產品的規格。

回到之前具體的例子,同樣是分享內容和訊息軟體,臉書因為客戶群是一般民眾,因此行銷重心放在如何跟娛樂(如遊戲、貼圖)、民生(如線上支付)整合;反觀Slack,雖然有多類似的功能,但是其真正的行銷重心卻是放在資訊安全性和內容存取管理(例:防止離職員工存取分享的檔案)。

講個比較傳統的例子,世界上很多大車廠其實都是兼做飛機引擎的,比如說三菱(Mitsubishi)、勞斯萊斯(Rolls Royce)都是這類車廠。雖然飛機引擎和車引擎有部分共用的技術基礎,其對外的行銷策略完全不同。車引擎通常大家都是看轉速、扭力和油耗,但是飛機引擎卻是注重穩定性和危機應變能力,很多現代的飛機不管雙引擎客機還是戰鬥機,就算只剩一顆引擎也能夠繼續飛。由此可見,類似的產品技術,因為市場條件不同、行銷策略不同,最後必然有不同的產品規格,甚至被切割成為完全不同的獨立事業部。

由此可見,新創公司根本不可能將同樣的技術到處賣,最後還是得挑單一產業別、單一市場,進行深耕。

若不奏效,再談轉型,但千萬不要甚麼都想做、甚麼市場都想碰。

4.酷炫的行銷語言

其實創業家在實際接觸過市場、真正在市場上賣過產品,就會發現其實絕大部分的時間,酷炫的行銷語言是一點用處都沒有,市場比我們想像中的務實許多。

新創公司在初擬商業模式時,一個常犯的錯誤就是想塞噱頭詞,結果沒想到市場反應極端負面,害死自己。

以現在很紅的人工智慧(AI)來說好了,這詞在不同產業的意涵相當不同。

在金融業,AI是自動化和效率的象徵,但是在教育界,人工智慧對於很多家長而言,意思就是「沒有人情味」、「制式化」的代名詞,尤其是在針對幼兒教育時更是門禁忌。

同理,物聯網使用的偵測器(Sensor)在智慧工廠中是很好的行銷重點,但是如果今天是嬰兒用品、企業會議解決方案,提到Sensor常常會觸動買家的敏感神經,馬上聯想到「沒有隱私權」、「洩漏資料」等疑慮。

有時候在思考商業模式時,在行銷語言中加入太多亂七八糟的噱頭詞,反而會有反效果。

短結

新創界長久以來都有個「重工輕文」或「重工輕商」的文化,許多創業家在思考商業化時,都相當天真且缺乏產業常識。

因此面對商業模式問題,創業家遭遇的困難通常不是不夠聰明或是沒有資源,而是太晚求救。

其實,只要先知先覺,一切都還有機會,千萬不要等到錢快燒完的時候再找人討教,為時已晚。

《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。)

關鍵字: #新創
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