看準企業AI技術痛點，開發者與創業家老兵創立InfuseAI聯手打造新工具|數位時代 BusinessNext

看準企業AI技術痛點，開發者與創業家老兵創立InfuseAI聯手打造新工具

InfuseAI 提供企業單位一套輕鬆入手 AI 開發環境，讓使用者省略安裝過程、同時可支援多種最新軟硬體規格，可有效管理數據、控管運算資源與資料集，並具備可擴充性。

鎖定企業投入領域痛點提供環境基礎建設服務

InfuseAI執行長暨共同創辦人高嘉良，是台灣知名自由軟體程式設計師，除了開發Xcin輸入法之外，同時也是控制系統SVK的創始人。擁有豐富創業及程式設計經驗的他，鑽研技術外也積極推動台灣Open Source社群；在近年來希望能以科技促成民間與政府良性交流，推動自由與民主持續進展的零時政府g0v社群暱稱為高村長的他，與眾多夥伴花費大量心力，結合國內外公民科技技術社群力量。

由於長年鑽研技術領域，高嘉良觀察到，這兩年想投入AI的企業越來越多，但卻常因錯放資源或執行不當策略策略，導致成效有限。於是，他攜手另一位曾創立知名售票網站KKTIX(現已被KKBOX收購)、擁有一流Ruby on Rails技術的營運長暨共同創辦人薛良斌，成立 InfuseAI。

「當你依序安裝A、B、C解決方案，結果發現最好的方法是D，這是目前企業跨入AI領域最常遇到的問題。」薛良斌提到，在市場上，一間公司想要投入AI領域，常認為購買所費不貲的機器、高薪聘請資料科學家，就能搞定所有事情，但在運作後才發現，技術專家擅長領域有限，想純靠人力擺平一切是不可能的事情。有鑑於此，從這項痛點切入，他們提供企業可快速建立機器學習環境的基礎建設服務，以解決中間技術落差。

降低門檻輔助企業技術人員快速打造機器學習環境

但如何降低企業打造AI環境門檻？InfuseAI推出PrimeHub機器學習平台，使用者運用平台內的各式基本化模組，就能快速打造一體化機器學習環境。除了模組工具，平台也依照用戶需求打造客製化服務，六大解決方案包括：

快速開啟Jupyer Notebook環境 Jupyer Notebook是一個介於整合開發環境(Integrated Develop Environment，IDE)及編輯器(Editor)之間的編碼工具，使用者無需自行安裝軟體，便可直接透過Jupyer Notebook工具撰寫程式。此工具有利於研究室及教學現場，能容易地將研究數據和結果以視覺化圖表、線性回歸等方式呈現。

多種硬體規格及深度學習框架供選擇 使用者不必再自己組裝硬體、下載軟體，省去費力、耗時過程，PrimeHub支援多種主流深度學習框架，包括提供Docker Image管理環境設定及其他客製化選項，技術人員可選擇最符合需求的方式建構企業機器學習環境。

更有效管理數據、避免資料缺漏 在機器學習領域，資料集(dataset)包含大量圖片、文字影音檔，因此在共用、分享時，時常產生檔案缺漏、變動或損壞等問題，為解決此問題，PrimeHub支援管理者建立、上傳資料集，以類似「唯獨檔案夾」形式開放專家下載，除非管理者下放權限，否則不可變更內容，藉此確保檔案存取統一。這項功能可協助企業更有效地管理大量資料集，並確保機器學習指向相同結果。

輕鬆與內外部協作者共享資訊 PrimeHub為降低使用者進入的門檻，串接了其他網路服務帳號系統，如LDAP、AD、Google等，讓使用者可使用原帳號登入協作。同時，管理者能自訂使用者權限、增加訪客帳號、設置到期時間和可觸及資料等。

配額控管硬體資源 系統運作理想狀態是一台機器專心處理一項專案，但實際上常是一機多用。資源分佈不均情況下，不僅浪費時間也使專案延宕。PrimeHub透過調度，將硬體資源分配給不同專案，例如：一家公司共有20顆GPU和其他CPU等容量設備，平台可設定其中A組使用10個、B組使用10個、有多餘資源時再給C組，減少資源浪費、成效不彰等問題。

具有高擴充性、高可用性及高服務可靠度 除上述支援與服務外，PrimeHub也提供分析圖表，並建有自動故障排除、分散式資料儲存等機制。企業可在軟體中設定可用性及擴充性，升級系統版本時，也能停止某幾個伺服器、只維持特定一個持續運作，使作業不會中斷，資源可以妥善分配、使用。

持續打磨產品拉高與其他競爭廠商區隔

InfuseAI主要商業模式為B2B，將PrimeHub軟體及服務賣給握有資料、具硬體設備、想打造機器學習環境的企業及單位。薛良斌說：「即便相關開源工具越來越多，但企業還是有客製化需求，如何讓動手步驟愈趨簡單、快速，就是InfuseAI想做的事。」同時，針對尚未擁有硬體、卻也想跨足AI領域的潛在客群，團隊計畫未來與硬體廠商合作，藉由軟硬整合拓展客源、滿足更多企業需求，並藉此與純提供SaaS服務的競爭對手做出區隔。

目前，他們主要面向金融、教育產業，台灣人工智慧學校就是他們其中一個客戶。短期內他們會先在台灣爭取更多傳統產業、學術研究及教育機構客戶，等基礎打穩後再進一步前進全球，藉由參與國際大型技術論壇、開發者活動等，積極爭取曝光，打造跨國軟體供應企業。

創業快問快答

Q：長遠來看，公司想成為一家何種類型的公司？ 軟體服務公司。下一步目標是增加國際曝光，並且提供平台讓國外用戶便於試用。

Q：創業，教會了你哪些事？簡單分享創業至今以來的心得感想？ 除了公司要做什麼之外，也要決定公司不做什麼。

公司資料

公司名稱：工合有限公司/InfuseAI Inc. 成立時間：2018/6/26 服務名稱：PrimeHub 上線時間：2018/6/26 團隊人數：7 官方網站｜Facebook｜MeetHub

本文授權轉載自：創業小聚

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。

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。

「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