挖礦退燒後遺症,這批40歲板卡業接班人的期中考卷
挖礦退燒後遺症,這批40歲板卡業接班人的期中考卷

虛擬貨幣帶來的挖礦熱,短短一年竄起後退燒,帶來的後遺症是:先前受惠大賺的繪圖卡品牌業者,現在要面對需求退潮如何處理庫存的課題。

而正巧的是,四大主機板廠正巧都在安排新生代接班,這也成為新經營班底的第一張期中考測驗題。

X399-AORUS-XTREME-Rev10-SSBB-S.jpg
主機板與顯示卡業者一年來賺不少挖礦財,但需求第2季出現反轉。圖為技嘉主機板主打電競及高階市場。
圖/ 技嘉

挖礦需求今年第2季急轉直下,5月起就傳出繪圖晶片庫存過高問題,甚至外電指三大繪圖卡廠華碩、微星、技嘉要求輝達買回庫存晶片傳言,儘管業者表示從未有此例,但也凸顯需求反轉現象。

技嘉虧損,庫存Q3打消8.51億元

板卡大廠技嘉(GIGABYTE)公布第三季財報,令人意外的是,單季本業出現7189萬元虧損,儘管在轉投資收益進帳下,單季仍然是正數,但這已是技嘉2012年首季以來第一次本業虧錢,而兩大原因是:庫存認列損失,毛利率跌到12%歷史新低,同時認列存貨備抵跌價損失8.51億元。

備抵跌價損失是什麼概念?根據各公司的會計原則,一般庫存超過3個月180天後就會按照固定比例認列價值折損,逐月打消,不斷確認公司庫存變現價值。

全家物流新布局 全新理貨線首曝光_2017_10_19_吳晴中攝_0027.JPG
對業者而言,存貨超過一定天期就必須按比例打消價值,確保庫存的價值是真實反映市場行情的。
圖/ 吳晴中/攝影

假設一張顯示卡做好時售價100元,賣3個月還沒賣掉,第4個月公司可按規則,打9折預估只剩90元價值,認10元損失,第5個月剩80元價值,但若第6個月需求回來了,真正賣掉是85元,公司還可以「回沖」5元價差當利益。

根據第3季,技嘉存貨備抵跌價損失提列了8.51億元,若按照IFRS財會準則,單季只需要打消存貨成本4.7億元,今年1~9月打消存貨5.51億元,白話的說,技嘉的庫存打消制度比IFRS還要嚴格,且在今年第3季是打消庫存最多的一季。

8.51億元是什麼概念?技嘉第3季單季純益1.49億元,前3季賺24.28億元,光打消8.51億元就占前3季獲利35%,今年從挖礦賺的錢吐了1/3回去。

然而為何要積極打消庫存?技嘉發言系統表示,內部多年來一直有固定的庫存打消流程,第4季仍有庫存會打消,但樂觀預估2019年首季就會更趨緩。

而攤開技嘉財報,技嘉9月底庫存139.16億元,比6月時的133.21億元增加雖不多,但跟3月底104億元,甚至是2018年初的庫存86.67億元相比,庫存水位增加幅度分別是34%(跟3月比)及60%(跟2018年1月比),然而前3季營收只成長約1成。

顯示卡業者Q3倒一片

技嘉是品牌板卡大廠,今年前3季度主機板營收占比約42%,顯示卡營收53%,伺服器營收22%,可以說,過去主機板是技嘉最大核心事業,但在挖礦熱帶動下,今年已經由顯示卡當家,營收規模過半,只不過,若詳細的分拆單季營收,技嘉第3季顯示卡營收46億元,已經重新低於主機板。

圖一_ NVIDIA GeForce RTX 2080 Ti.jpg
NVIDIA發表最新高階RTX 2080Ti頂級顯示卡,但該卡價格過高,主流卡10月才出爐。
圖/ NVIDIA

挖礦退燒,但晶片訂單早已經在半年前下好,需求一旦反轉,就會燙傷品牌業者,換言之庫存問題不只是發生在技嘉,撼訊、映泰、麗臺單季也同樣虧損。繪圖卡大咖微星跟華碩,則因為多角化保護傘,營運相對穩健,但微星第3季毛利率跌至13.16%,但技嘉更跌至12.73%歷史低點。

所幸的是,9月隨輝達的主流顯示卡GTX 2070開始出貨,業者預期本季出貨表現將可望回升。技嘉第3季顯示卡出貨70萬片,但10月單月顯示卡銷售已有30萬片,第4季預期應該有2~3成季成長,比伺服器(季減5~10%)與主機板因處理器缺貨而季減2成相比,顯示卡業績反而一枝獨秀。

華碩執行長沈振來在法說會中坦言,挖礦需求最好的高峰是2017年第3季到2018年第2季,但因為拉高了基期,也使今年下半年營運比較基礎墊高。第3季受到挖礦減少,使零組件板卡營收比例下滑,第4季板卡業務又逢處理器大缺貨,所以板卡預估會有5%內季減率。

接班新人第一張測驗卷

值得注意的是,主機板跟顯示卡品牌大廠,近一年也陸續展開接班布局,微星董事會11月通過,委任桌上電腦事業本部總經理江勝昌升任總經理暨執行長,創辦人徐祥仍為董事長,人事令預計2019年1月1日生效。

微星-20161115-郭涵羚攝-3497.jpg
微星11月宣布江勝昌升任總經理,創辦人徐祥任董事長,展開交棒。
圖/ 郭涵羚攝

微星要交棒早已在2016年有訊號,當年度股東會宣布同是創辦人的黃金請任副董事長,希望建立代理機制,當時他就坦言微星做得有聲有色的電競事業,不是他所擅長,為了怕跟電競產業有距離,他全權交給專業經理人負責,讓40幾歲的主管掌權。

2018年微星更新納筆電事業部全球業務與行銷副總郭緒光、業務本部副總洪裕盛及全球多媒體業務副總廖椿鏗進入董事會見習。江勝昌同時掌管代工跟品牌板卡業務,近年也積極投入電競市場研究,1964年次的他今年才54歲,成為微星新任當家。

A516FEE1-66FA-45D7-89C9-10F7EEEC76FB.jpg
技嘉副總林英宇是板卡界最年輕的接班人。
圖/ 王郁倫攝影

技嘉則更早在2017年展開接班布局,總經理劉明雄升任林英宇為副總,整合板卡及周邊事業,人事改組後林英宇肩負電競品牌操盤重任,年僅1975年次的他,今年43歲,是板卡界經營梯隊中年紀最輕的一位操盤人。

而華擎主機板年資最輕,也是最早就年輕化的經營層的主機板品牌,執行長許隆倫僅1972年次,今年46歲,至於精英總經理楊龍光1963年次,今年55歲,是大同由專業經理人管理後任期最長最穩的一任CEO。

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