專注智慧能源市場!台裔矽谷新創 Verdigris 用AI智慧電表提供能源監控解決方案
專注智慧能源市場!台裔矽谷新創 Verdigris 用AI智慧電表提供能源監控解決方案

2008年,時任P.A. Semi (當年度被蘋果公司以 2.78 億美元收購)的 Mark Chung 度假回國後發現電費帳單比平常高上數倍,為了找出原因,他與曾任 IBM 首席研究員,擁有數篇 DPI(Deep packet inspection,深度封包檢測)及機器人相關專利的 Jonathan Chu 決定在業餘投入研發工具,分析自有住宅用電狀況。

在瞭解用電狀態的過程中,他們發現每個電氣設備會以獨特方式消耗能量,藉迴路與波型特徵,能分辨出正在用電的是甚麼裝置,若應用於大型旅館、工業建築及辦公大樓,將可創造更大效益,於是進一步改良產品,並與成長幅度排名前十的App新創Playforge擔任營運長 Thomas Chung 一起在 2011 年於矽谷成立 Verdigris(綠銅科技),專注提供擁有能源管理需求的企業服務。

鎖定建築能源市場 提供AI智慧電表及監測解決方案

Verdigris 鎖定建築能源市場,團隊專注打造協助建築能源自動化管理服務,從硬體、產品後前端設計皆採自主研發。解決方案主要包含AI驅動智慧電表AI驅動能源監測網頁及數據API兩項服務。

Verdigris智慧電表
Verdigris 智慧電表。
圖/ 侯俊偉攝影

智慧電表量測到的用電資訊據會被上傳到雲端系統後台,只要監測裝置出現電流變化,系統就會同步更新。蒐集到的數據會經由AI演算分析迴路狀態,以更詳細的資訊呈現形式提供,管理者能快速得知包括週、月用電總量尖峰用電裝置分布場域是否發生電壓異常情形。另外,若有長期監測資料,透過團隊開發的機器學習技術,系統還會預測建物接下來24小時尖峰用電情形,管理者能依此做為策略調整依據,像是調整空調系統開關或提前儲能因應。

不同於一般能源管理系統、智慧電表安裝時需經拉線、布線、剪線流程,通常要花上4~8小時工時,Verdigris的裝置最快在2個小時以內就能完成安裝,關鍵在於團隊採夾取方式將裝置固定於配電盤,藉由量測電流改變時產生的磁場變化在不剪線情況下完成安裝並監測。Verdigris亞洲區經理柯三多說企業購買產品後只要與認證核可技師合作,安裝上通常不會遇到困難,若需要技術支援,也能夠透過線上客服及時得到協助。「在講求節省治理成本當代,Verdigris的產品確實能帶來好處,與我們合作的企業曾一年最多節省高達4萬美金費用。」柯三多表示。

裝置裝方式.PNG
Verdigris的裝置在不剪線情況下就能完成安裝,採夾取方式將裝置固定於配電盤進而量測用電數據。
圖/ Verdigris(綠銅科技)提供

Verdigris的解決方案採SaaS模式收費,企業若不想買斷硬體,也能選擇租賃方式使用。現階段主要協助監測、並提供決策建議,團隊正積極開發自動監控技術,希望除了被動接收用電資訊外,未來能做到裝置在偵測到異常後,系統能即時、主動地做出判斷,採取關閉等相關措施,為企業減少損失及將能源發揮最大效益應用。

成立台灣分公司 連結亞洲其他市場

Verdigris目前業務遍及九個國家,美國之外韓國是他們第二大市場,兩國業務佔比達90%左右,著名客戶包括半導體大廠AMD、電子零組件大廠Jabil等,除了導入團隊產品外,更同時進行技術開發等策略合作。面對不同市場他們採取不同進軍策略,在美國以販賣整套解決方案為主、韓國則以技術授權方式,與當地企業合作製造產品並藉其通路觸及客戶。團隊也看重台灣的高素質人才,希望建立獨立RD團隊,並藉由地緣關係與台灣電子大廠尋求合作機會,藉此拓展中國等地市場,作為總部在亞洲連結不同市場的橋樑,而在今年度正式在台灣成立分公司綠銅科技。

綠銅科技 Verdigris 台灣團隊
綠銅科技亞洲區經理柯三多(左一)表示,Verdigris 美國總部也針對台灣新進夥伴規劃完整的訓練課程,甫加入受訓回國的工程師李建翰(左三)及王紹丞(右一)談起職場文化的深刻體會:「美國同仁比較直接、敢把想法表示出來,雖然有時候會太激烈,但你可以知道大家都是為了想把事情做好,而非情緒性對話。」王紹丞說。
圖/ 侯俊偉攝影

創業快問快答(From Mark, CEO of Verdigris)

Q:創業至今,做得最好的三件事為何?

  • Hiring people much smarter than me to share my dream for the future of humanity.
  • Throw away all the security of my previous high paying job and start from the bottom.
  • Learn to trust the good intentions of complete strangers, this let me meet some amazing people like our board members and first investors.

Q:希望提供這個社會什麼價值?希望解決甚麼樣的問題?
We want to provide better tools, automation and data integration to virtualize the world of energy and help the world manage its use more efficiently. Using this resource unwisely is killing our planet. We need to do better for our next generation.

公司資訊

公司名稱:美商綠銅科技有限公司臺灣分公司/Verdigris
成立時間:2018/07(臺灣分公司成立時間)
產品名稱:能源管理系統/Energy Management System
上線時間:2016/01
公司人數:30人(台美兩地總和)
官方網站FacebookMediumMeetHub

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