上半年營收跳增3倍,iStaging如何用不到百人團隊滿足逾50國跨產業需求
上半年營收跳增3倍,iStaging如何用不到百人團隊滿足逾50國跨產業需求

「今(2018)年應該可以比去年成長5倍。」iStaging愛實境創辦人暨執行長李鐘彬表示,上半年業績跳躍式成長了3倍,下半年動能可望持續,而且除了營收成長,預計第三季也有機會開始賺錢。

大環境成熟推升VR應用發展

iStaging營收快速成長的背後,有幾個主要原因,第一是VR頭戴顯示器的硬體發展愈來愈成熟。因為iStaging提供的是VR、AR軟體解決方案,如果能夠乘載其解決方案的硬體端不夠普及,或效果不夠好,推動上就會很困難。

而李鍾彬所謂成熟,包括在產品設計上,已經開始有愈來愈多不需要透過手機、不需要接線連上電腦,卻也不會犧牲太多觀看體驗的VR一體機。更重要的是,相對於過去VR頭戴顯示器搭配高效能電腦的整套設備支出可能不下10萬元,今天以Facebook和小米合作的Oculus Go來說,209美元的訂價,換算台幣則是不到6500元。

Oculus Go
Oculus Go換算台幣還不到6500元,對於相關應用普及有一定的幫助。
圖/ Oculus Go 提供

試想,當硬體採購成本從原本可能需要10萬元,一口氣降到1萬元以下來看,勢必有助於提高企業客戶導入VR、AR解決方案的接受度,同時隨著環境成熟,客戶心態也漸漸不再只是嘗鮮而已。

不過iStaging的成長背後,不單純只有大環境在後面當推手。

不只是「宅妝」,產業觸角橫跨電商、汽車、旅遊

如果是比較早認識iStaging的人可能知道,最早他們是以房產相關解決方案起家,如透過VR看屋,或是傢俱導購等等,台灣的永慶房屋就是他們的客戶之一。而這也是為什麼一開始iStaging的中文公司名稱會叫做「宅妝」。但可以想像的是,如果只鎖定台灣的房產市場,那未來發展空間無疑是受到侷限的。

所以後來他們先是在2016年獲得阿里巴巴台灣創業者基金的投資,走入阿里巴巴生態系,開始接觸到電商客戶,發展相關解決方案,進而也因為阿里巴巴平台上有上千萬個商家,讓他們得到接觸各行各業的機會,陸續發現汽車、教育、旅遊等許多垂直產業都也都有VR、AR應用需求。

只是需求缺口看到了,實務上可能面臨的挑戰是,一套解決方案不可能滿足所有產業、所有公司的需求,隨著產業別擴大、客戶數增加,iStaging必須避免讓每一個客戶都變成高度客製化專案,才能在有限度人力擴張下,快速成長,卻不至於變成有如「代工廠」的角色。

鎖定產業龍頭,讓資源最大化

因此iStaging採取的策略是:鎖定產業龍頭。這一方面是因為李鐘彬看準「採用新科技有助企業形象」,這點會讓產業龍頭對他們的解決方案有較高接受度,同時他認為企業龍頭也確實比較有餘裕能夠嘗試新科技、新應用。

除此之外更重要的一點是,他相信龍頭企業對於產業的未來走勢和掌握度比較高。透過和龍頭企業的密切合作,iStaging可以在提供技術服務的過程中,同時深入了解該產業需求痛點,也就更有機會將力氣精準地用在對的地方。李鐘彬認為企業發展一定要不斷試錯,但錯也要錯得值得。

若以房地產產業來說,他表示iStaging目前在法國、加拿大、紐西蘭、台灣等地,都是跟當地最大的房產業者合作。

當然,要拿企業龍頭的訂單也不是那麼容易,因為企業規模大,做事也更謹慎,往往前期評估可能就花掉3個月時間,才能換來小規模測試的機會,等到解決方案真正獲得認可,大量採用,可能又是半年、一年後的事情了。而這可能也是為什麼一直到成立的第8年,iStaging營收才有比較顯著跳升的原因之一。

減法經營,別人能做的就不要自己來

不過單單鎖定龍頭企業這個策略其實也還無法解決所有問題,因為iStaging想要服務的目標產業不只有一個。所以李鐘彬提到,他其實一直都是用「減法」在經營公司,也就是「別人能做的事,就不要自己來」盡可能讓團隊維持在精實的規模,專注於核心能力的提升。

ISTAGING2.JPG
iStaging執行長李鐘彬(右)今年找來方怡雯(左)擔任公司的營運長暨台灣區總經理
圖/ 何佩珊攝影

「有些錢就是要讓別人賺,不一定什麼都要自己來。」他相信如果當初的想法是什麼都要自己做,那現在公司的營運資金恐怕早就已經見底。這也是為什麼iStaging既不自己做硬體,也不生產內容,只專注扮演中間的平台角色。還有就銷售端來說,他們也會依產業別去尋找當地代理商夥伴。

而減法原則也同樣適用於核心技術開發這件事。如同前面提到的,畢竟iStaging想服務的不只有單一產業,所以要如何讓3、40人的研發團隊有效率地因應遍布逾50國,橫跨不同產業、不同客戶的需求,其實是很大的挑戰。

所以一方面在優先排序上,他們一定要做的,就是找出所有需求的最大公約數,同時也努力讓更多事情可以讓客戶「自己做到」,如開放SDK和API,就可以讓客戶在iStaging提供的既有平台基礎架構下,不必耗費太大力氣就能針對各自營運上的細部需求,自行開發解決方案,也藉此創造該企業的服務獨特性。

持續打造更大舞台

藉由外部環境推力,加上內部策略逐漸看到成效,在公司成立的第8年,iStaging營收開始看到比較大的跳躍,也預期下半年將有機會開始獲利。

李鐘彬表示,接下來他們將持續努力打造更大的國際舞台,他相信:「我們能做的事,是現在的100倍。」

關鍵字: #VR_AR_MR
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