趨勢、人才、資源,詹益鑑談台灣生醫新創崛起的機會與挑戰
趨勢、人才、資源,詹益鑑談台灣生醫新創崛起的機會與挑戰

全球數位健康產業蓬勃發展,產業中各路好手發揮本領,積極尋找新的可能。全球醫藥大廠與網路公司相繼合作,打造嶄新數位醫療的時代,台灣又會扮演什麼角色、定位又在哪?

創業小聚第 89 場特別邀請到國家生技研究園區創服育成中心助理執行長詹益鑑以「數位健康產業生態系在台灣的機會與挑戰」為題,分享他對全球健康生技趨勢、結合創業產業經驗的看法。

專注「預防」,翻轉生病再治療觀念

根據 OECD 經濟合作暨發展組織調查全球國家保健支出比,各國都正面臨高齡化趨勢,隨著可以治癒的疾病愈來愈多,人類平均壽命逐年提高,但另一方面,罹患癌症、心血管疾病以及慢性疾病人口愈來愈多,這些病症成為當今人類社會常見的病症,我們可以思考,人類真的有愈活愈健康嗎?

演講一開始,詹益鑑提出一個問題,「你一輩子願意花了多少時間在醫院裡?」相信大部分的答案是愈少愈好,他表示:「生病是一個結果,這個結果是來自於醫院以外的時間所造成,可是我們幾乎花所有的預算在醫院上,這是很奇怪的比例。」

這也點出了台灣的另一個現狀,他表示,台灣的健保相當完善,但醫療診斷費用相對便宜時,就容易有濫用情形發生,更深層的意義是人們變得不在意健康。換個說法,如果就診的費用提高了十倍,人們平時就會更注意自己的身體狀況,因為一但生病,代價很大。

詹益鑑舉例,如同學生把所有時間畫在補習和上課,卻沒有培養自學的能力,這是很弔詭的一件事。

面對疾病,從消極治療,轉為積極防範與監控

隨著醫療跟保健的融合,目前全世界的醫療預算都慢慢往「預防」、及「追蹤」移動。他表示在 2025 年時會有一半以上的醫療保健預算會投入在預防、追蹤病情的項目,相對來說在「治療」及「診斷」的比例會慢慢降低。

詹益鑑認為應該針對「基因環境行為」三大疾病發生因子,提供「偵測改善預防治療」方案,而這也正是數位保健的機會所在。他分享目前全球生醫產業的關鍵與趨勢:

一、精準醫療:以基因檢測技術,了解重大疾病的罹患率

像是分析哪些基因容易得到癌症,以及得到癌症要服用哪些藥,透過了解基因,得到藥害的預防資訊,事先就能知道病患適合及不適合服用哪些藥物,藉此提升治療的時間及效率。

二、結合 IoT、大數據技術

病患診斷結束後,回家是否有按時吃藥、醫療器材使用狀況,在過去較無法追蹤,但現在透過 IoT、大數據等智慧醫療技術,能有效改善服藥及器材使用上後續的追蹤。

三、預防醫學:降低致病的因子發生

雖然不能得知什麼時候會生病,但如果知道哪些病容易發生,就可以事先做預防、降低它發生的風險。

四、轉譯醫學:結合臨床與技術研發,加速價值創造

結合臨床與技術研發,加速價值創造,像是透過眼球偵測可以對中風進行診斷,而這也是過去二十年,台灣許多的研發、投資團隊在做的事情。

五、保健產業掀起數位化浪潮

當數位化進入保健環境後,未來可能會出現穿戴裝置取代診所與護理師角色、區塊鏈應用進入電子病歷系統甚至是智慧機器人進行外科手術等場景。另外醫療系統也會更深入應用在居家裝置上,透過在醫院以外的地方改變人類生活,將會是數位保健未來發展的一大趨勢。

台灣生醫產業現況

上述的趨勢發展下,台灣生醫產業又會如何?

詹益鑑提到數位及通訊領域一直是台灣的優勢,加上台灣已經進入高齡化社會,將這兩項特點結合,會是台灣生醫新創的方向。他也特別談到:「台灣醫師用英文寫病歷,但亞洲其他國家並非如此,像是日本或中國就不是使用英文撰寫病例,這代表我們的臨床經驗很容易對接到國際醫藥大廠,這也是為什麼很多國家喜歡到台灣做臨床測試。」

另一方面他也談到台灣生醫新創面臨的挑戰,他點出了「人才一缺三」的問題:只有研發強,但缺乏以下三種人才,一、臨床醫生:因為台灣臨床醫生大部分都是從大學開始就是學醫,訓練背景專一,導致創業的動機與能力不強;二、營運管理人:因為生醫產業的發展規模目前來說仍較小、時間短,早期成功案例不多,因此創業管理人才相對來說也較少;三、國際行銷專家:缺乏將技術、商業模式行銷出去的人才。因此應該思考,如何將這三種類型的人才帶進台灣生醫新創產業。

此外,詹益鑑也點出了另一項台灣生醫新創的危機:「人才與資本不夠國際化、策略化。」如果能在早期、中期就把公司股權開放讓國際公司來投資,一旦佈下策略,就有可能之後在國外上市,然而台灣生醫新創的出場策略大多集中在台股上市,只有少數幾家與國際大廠併購的成功案例。反觀以色列及美國新創,在第二輪、第三輪的投資,就已經引入國際醫藥大廠,這也讓這些新創到了後期就容易使策略投資人產生競爭關係。

台灣的機會在哪?打造生醫新創生態圈

難道台灣生醫新創就沒有機會了嗎?其實不用那麼悲觀,詹益鑑表示台灣的醫學技術是亞洲第一名、全球第三名,醫療電子產業的環境優越,研發速度及製造品質都使得台灣絕對具有競爭力,他也提到在過去十年「台灣-史丹佛醫療器材產品設計之人才培訓 STB 計畫」已培育四十多位醫師及工程師至國外受訓,經過矽谷文化衝擊後回台已成立 18 家新創公司,這些都將是高階醫材的創新種子。

另一方面,台灣對於智慧財產權及法規的重視也成為一大優勢,因為對於美國及日本企業等國外企業來說,這是很重要的信任條件。最後他也提到台灣的資本市場對於中型資本新創企業是友善的,相對條件的門檻不是很高,也因此台灣有機會成為新創資本的募資基地。

台灣如何以現有的資源發揮優勢,建立一個屬於台灣的生醫新創生態圈?他給予了以下三點建議:

一、把人才、產品、公司送出去

透將學校、大廠跟加速器合作,增加國際經驗、擴大視野。

二、導入人才、技術及資金

邀請國際醫藥大廠進駐、並與學術單位雙向合作,增進交流、以提升自身能力。

三、改變產業相關法規與環境

應建立數位保健促產條例、數位醫療監理沙盒等措施。

台灣生醫產業的資源分佈相當廣,政府在許多部門內也都投入資源,詹益鑑認為政府部門就像火車,很難推動前進,但一旦開始了就很難停下來,台灣目前的情況如同一台多頭火車,前進的速度慢又分散,因此談到生醫新創的發展,如何聚焦選題將會是關鍵要點,如果可以建立一個國家級生醫加速器,那對台灣整體產業將會是一大利多。

本文授權轉載自:創業小聚

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