60億融資也解不了的成長焦慮,Klook:我們必須以三倍速前進
60億融資也解不了的成長焦慮,Klook:我們必須以三倍速前進

旅遊體驗平台Klook客路才完成最新一輪2億美元(約合新台幣62億元)D輪融資,並預估今(2018)年銷售額將會突破10億美元(約合新台幣309.8億元),應該可以說已經突破了新創生死線,並在這個領域奠定領先地位。即便如此,有個憂慮還是懸在Klook共同創辦人暨執行長林照圍的心上:「速度還是不夠快。」他抓著頭自嘲,為此耗掉不少腦力,也掉了不少頭髮。

創新速度得比別人複製的速度更快

以一家成立才4年的公司來說,不論是每月超過1,600萬次的平台造訪量、上看10億美元的年銷售額、累計達3億美元(約合新台幣92.9億元)的募資金額,還有即將在年底突破千人的團隊規模等等,從各方面來看,這樣的成長速度應該都是讓同業無比欽羨的快。

林照圍_Klook共同創辦人_2018_08_23_蔡仁譯攝-1.jpg
Klook共同創辦人暨執行長林照圍認為,Klook現在的前進速度還不夠快。
圖/ 蔡仁譯/攝

然而身為市場上的領導者,意味著前面沒有可以學習的對象,只能自己一步一步花時間、金錢、人力,在各種雜音中篩選、摸索,最終梳理出真正最有價值的方向。

反之,林照圍舉例,Klook必須投入20人團隊,耗時一年多才能研發出來的新功能,在有前例可參考的情況下,追趕者或許只要用7人團隊,可能3個月時間就能推出類似功能。

「你做一件事情,是一年研發、一年梳理,別人參考複製是三個月、一個月,還可能可以說出一大堆道理。那這時候你的時間一定要比別人三倍的去用。」林照圍用更簡單的一句話來說明:「我創新的速度都要比別人複製的速度快。」

資金、人才之外,更要有執行力

而要想比別人更快,充足的資金和優秀的人才自然是不可或缺的兩大要素,但只有這樣也還不夠。林照圍認為執行力更加關鍵,同時這也是他對團隊的最大要求。而實現強大執行力的背後,他相信與企業文化和組織架構密切相關。

「50號人到200號人是一個檻。」林照圍說:「過200號人就發現整個組織管理是很痛苦的。」而到今年8月為止,Klook才剛突破從200人成長到600人的這道關卡,很快地在幾個月後,預計今年底團隊人數還將破千,明年更可能上看2000人。同時間,Klook的辦公室據點也已經從香港、台灣,進一步擴張到全球16個城市。

Klook共同創辦人暨營運長王志豪先前接受媒體訪問時曾提到,在Klook獲得更大的關注、得到更多資金支持後,公司內部也開始有更多同事會提出更多不同的想法。而這些內部的聲音一不小心就可能蓋過消費者的反饋,最終善意的反饋也可能轉變成不滿的咆哮。

KLOOK客路聯合創辦人Eric Gnock Fah (左)、Ethan Lin (右)(圖片由KL
Klook共同創辦人暨營運長王志豪(左)提到,公司開始受到關注,開始得到更多資金挹注後,內部的聲音也開始變多。而如何讓每個人的聲音被聽到、創意得以發揮,但最終仍能收斂到相同的企業目標,就是Klook共同創辦人暨執行長林照圍(右﹚眼前最重要的任務。
圖/ KLOOK客路提供

在短時間的急速擴張下,如何維持全球企業文化的一致,如何讓來自不同地區、不同背景,數百、上千人的各種創意、想法得以發揮,但最終仍能收斂到一致的企業營運目標上,絕對是執行力能否展現的關鍵。而這也是林照圍現階段還無法完全放心、仍得抓破腦袋思考解方,為公司長遠發展去正面對決的挑戰。

突破新創生死線,接下來要越級打怪

除此之外,突破新創生死線後的「越級打怪」,或許也是帶給Klook速度焦慮感的另一個壓力源。

就像是當Airbnb年營業額突破10億美元後,大家幾乎不再去討論Airbnb與業內同類型公司的競爭,而是更在乎全球旅宿法規升級、更關注Airbnb對市場上既有產業、及產業上既有大公司可能帶來的衝擊和創新能力一樣。如今外界評估Klook的價值,對比的也不會再只是業內的同類型對手。

而且實際上,Klook和整個旅遊體驗市場的快速成長,一定程度確實吸引了旅遊產業其他領域重量級玩家的關注,包括Booking.com和Airbnb都已經開始加快腳步發展和Klook類似的旅遊體驗服務。而這時那個在新創團隊看來有如泰山壓頂的2億美元,如果放到Airbnb和Booking.com面前,恐怕就只是九牛一毛。

專注和領域知識是優勢,但速度仍是核心

不過林照圍相當有自信的是,他認為相比於其他從旅宿訂房領域,或是交通運輸領域等其他領域跨進來的大玩家,Klook的資金量體未必最大,卻一定更專注。即便Klook開始把戰線從亞洲延長到歐美,做得也都還是同一件事。

而他的第二個自信來自於:「這行業在四年前是不存在的。」他表示現在有太多旅遊型態,是過去無法想像的,就連他本身在四年前也沒預料到旅遊體驗市場會發展到今天這個量體。既然這是新長出來的一塊市場,那Klook過去四年累積下來的領域知識(Know-how),就是創造領先優勢的重要資產。

用戶可以在Klook電腦版及行動版網站和 APP上預訂多種活動體驗,不論是在熱門目的地挖掘獨特玩法,
Klook共同創辦人暨執行長林照圍提到,相對於旅宿業平台頁面設計經常以地圖為核心,地圖在Klook平台上的需求就很弱。原因在於消費者使用這兩種服務時的思考邏輯不同。
圖/ KLOOK

就算Booking.com、Airbnb等業者進入旅遊市場的時間比Klook更久,但林照圍認為不一樣的切入點,領域知識的累積,和產品邏輯的設計就會截然不同。

舉例來說,任何住宿訂房網站,大概都少不了「地圖」這個核心元素,「但客路在做你會發現,地圖在客路上面是一個很弱的需求。」他說,因為用戶在預定旅遊服務,和要預定住宿時,腦袋裡也是兩種不同思維邏輯在運轉。

當然,就如同林照圍先前提到的,第一家公司要花四年才能做到的事,在有先例可參考的情況下,第二家公司或許只要三年,甚至是兩年時間就可以做到。所以這樣的領先可以維持多久,關鍵又再次回到了速度。而這也將是Klook接下來最重要的課題。

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