從自我實現到追求變現,鄭國威與張嘉玲的內容創業變形記
從自我實現到追求變現,鄭國威與張嘉玲的內容創業變形記

現在是內容創業者的春天還是冬天?每個人感受不同,不過無論冷暖都可以清楚感受到許多內容創業者面對流量紅利消退商業變現困難的未來正焦慮著。

鄭國威,PanSci 泛科學總編輯,從「龜趣來嘻」個人部落格開始到與夥伴共同成立泛科知識,這十多年來「內容如何變現?」是每天起床睜眼到閉眼就寢,都無時無刻思考的問題。

張嘉玲,加個零+O 共同創辦人,從初級會計被當四次的企管系學生,到成為網路社群行銷界無人不知的社群教母,追求「自媒體最多變形可能性」、讓所有從業人員不自我設限勇於嘗試,是繞過許多彎路後,現在她最想完成的目標。

同為內容創業者,鄭國威與張嘉玲這一路以來嘗試的方式及創造的結果,或許不是現今內容產業問題的最佳解答,不過或多或少都值得從業人員參考,從他們的經驗中探索內容創業該何去何從。

泛科知識共同創辦人鄭國威.PNG
泛科知識共同創辦人鄭國威
圖/ 盧奕昕攝影

成立於 2011 年、鄭國威說 PanSci 泛科學網站源自一位產業前輩介紹、由工研院發包的計劃,而後秉持著「讓天下沒有難學的知識」為使命,一路經營到現在。

會有這個使命,就得從鄭國威的背景談起。出身傳播媒體相關科系的他,一直關注媒體產業,他發現台灣傳媒產業的一大問題就是沒有科學新聞,即便有類似內容,大多數也都是外電編譯內容或由健康線、教育線記者代為產出,基本上沒有所謂真正「科學線記者」。此外,當時也服務於台灣數位文化協會的他,也發現城鄉之間巨大的數位落差。因此,希望創造優質科學新聞弭平城鄉數位落差環境,成了促使他持續經營泛科學的原因。

這段經歷其實還有一段插曲,這個計劃起初並非以「科學傳播」而是以「生物醫學」為內容導向,但是鄭國威認為純粹規劃生物醫學內容太無聊,於是按照自己意思操作好一段時間,最後是在讓業主傻眼狀況下勉強結案。

「我是 PM 喔,但是我做得超爛的,就是自顧自地在做自己想做的事情。你可以想像這次全聯,我不知道這個類比好不好,反正就是導演自己在實現自己的理想,但業主不知道。」鄭國威不好意思地笑著說。

泛科知識共同創辦人鄭國威
「做」科學對我來說,是一個執念。

對鄭國威來說,做科學領域的內容雖然快樂,但很現實的是缺乏明確商業模式,這也讓他與團隊不得不思考養活自己的辦法,任何只要有可能變現的方式都放手一搏。嘗試過程中成敗俱存,他不避諱地直說:「失敗的例子實在太多了,你現在要我列出中間失敗的到底有多少,我可能也列不完。不過倒是有一個失敗項目應該全世界都不知道,那就是我們曾做過與『穿搭』相關的網站。」聽到這句話,張嘉玲則在一旁笑著回應:「穿搭已經超過我的想像了。」

談到成功例子,鄭國威則認為對他們來說「泛科學」、「泛科活動」、「泛科學院」及「泛科市集」這四大產品,是相對成功的案例。

「泛科學」網站作為內容聚集地,為公司帶入穩定流量;同時自建的「泛科活動」、「泛科學院」等平台,掌握所有課程及活動數據,也讓他們更加了解自己服務社群的特性及需求,而垂直電商網站「泛科市集」,則專注提供優質科學教具、科學商品。

有了內容核心,無論是媒體或者是活動都只是載體,掌握「社群」似乎是內容產業變現的方向。

加個零+0創辦人張嘉玲.PNG
加個零+0創辦人張嘉玲
圖/ 盧奕昕拍攝

本(8)月初甫結束的「新媒體實戰 PLUS+中國營銷大咖的商業進化論」說是張嘉玲一路以來的經歷集大成的一場實力展示或許一點也不為過,不過這盛大舞台是由她長久以來摸石頭也要過河的拚勁搭建而成。

真正讓她有具體社群、自媒體意識的出現,得回溯到 2014 年太陽花學運。當時剛結束民視一年半記者生涯的她決定投身柯文哲競選團隊服務。輔選期間,張嘉玲同時也是《今周刊》主要負責政治相關新聞宣傳的社群編輯,一般來說這類新聞要引起使用者點閱的難度相對較高,但她創造的流量及社群互動一點都不亞於其他類型新聞。後來她將輔選以及粉絲團與社群操作的經歷整理成「網路政治傳播行銷懶人包」的簡報分享到臉書上,24 小時內創造近 900 次分享,更擴大了她的社群影響力。

這份簡報除了大幅提升她的社群能見度之外,更直接地為她帶來許多實質商業合作機會,像是企業教育訓練或是社群媒體代操,如《笠源自動關門器》和《范琪斐的美國時間》都是這時期遇到的合作夥伴。

「那時還沒有流行用簡報把自己畢生能力傳播出去的方式,我那時只想分享,也沒有想說自己很厲害。只是剛好踩到一個點是:大家都覺得這件事情很重要,但沒有人出來說那該怎麼做,那你出來講的時候,大家就會覺得你好像很厲害,但其實沒有很厲害,只是簡報做得很有那個樣子。」張嘉玲謙虛地表示。

加個零+0創辦人張嘉玲
我不想做一樣的事、不想到 60 歲還是開著別人的 Facebook 搞笑,所以我決定:還是做點不一樣的事情吧!

經營一段時間,張嘉玲很快就發現自己面臨兩個問題:1、依著 Facebook、Twitter、Instagram 這類大型平台經營,再怎麼「創意」也就那些絕招,為了要讓群眾聽懂,也非得創造出輕鬆好笑的方式,但其實自己並沒有那麼想要經營有趣的東西;2、天花板出現,而那個天花板是自己,她開始覺得沒有甚麼新東西可以學、可以應用。

為了讓自己看更多東西學習,加上平時有在接觸微博、微信生態圈且語言相近,張嘉玲決定選擇前往中國參加「兩岸新媒體營銷分享會」看看別人怎麼做。當時的她並沒有太多預算,除了自己,身邊朋友也沒有時間能跟她同行,無意間她提議朋友出資、由她代表參加後再回來分享的作法居然有人支持,於是進一步從 2016 年開始連續兩年以群眾募資形式帶精彩內容分享回台灣分享,並創立 Facebook 社團《新媒體營銷深度分享會》與所有支持者保持互動。

從第一年的單純內容分享、第二年規劃台灣專業人士對談,今(2018)年,她覺得應該可以有更不一樣的形式進行,也就是「新媒體實戰 PLUS+中國營銷大咖的商業進化論」大會。礙於法規,想邀請到中國這些新媒體品牌講者必須以公司行號申請,於是她成立了自己的公司「加個零+0」。

持續不斷的變形,張嘉玲從一位內容與社群營運的議題愛好者,正式成為一位「內容創業家」。

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