免進維修廠遠端監控車輛問題！喜德科技以車聯網裝置改善德國修車困境|數位時代 BusinessNext

「2016年，住在德國的我開車前往大約 170 公里外的城市見重要客戶。駕駛途中，儀錶板上引擎警示燈亮了，我打電話詢問身為專業汽車維修技師的哥哥 Mehmet。」身處遠端的 Mehmet 也無能為力，最後只能和我說：「回家吧，看到車子才能知道什麼東西壞了。」最後，我只能冒著失去一個客戶的風險取消會議打道回府。當車回到維修廠接上了診斷電腦，哥哥判斷只是一個小問題：「按一個按鍵就可以解決了！」來自德國的新創公司喜德科技（S.I.T. TECHNOLOGIES）常務長 Servet 和我們分享親身經驗。

在德國，當汽車需要維修時，如果車主在外地，原本信任的維修技師沒法及時掌握車輛狀況，不確定是否需要立即處理，或還可以再行駛一段路；在陌生的外地，不容易找到信賴的維修廠。若有真的進入維修程序，車主往往需要漫長時間等待，歷時超過維修期間數倍，甚至為此更改工作排程，影響日常生活。

維修技師第一線觀察：維修等待時間難掌控

汽車都有「引擎故障燈」（Engine Check）的設計，如果引擎燈亮起，表示車子出現問題，車主在這個情況下除了查詢說明書，只能尋找維修廠當面與技師確認車輛狀況，這前後花費的等待時間不計其數，有時因為一個小問題，更需承擔很高的外部成本。而前述的等待時間，在德國更因為距離的緣故，被拉得更長。德國面積約為台灣的10倍，幅員廣大且WiFi取得不易，使得本地維修技師跟顧客的關係受限於空間，車主在外地時很難聯繫信任的維修技師，即時的車輛維修服務形成了很大的缺口。

為了解決修車耗時費力、苦尋不到技師等狀況，喜德科技創辦人 Mehmet 帶著汽車工程師的專業，離開第一線維修崗位，毅然投入創業。

unique TELEMATICS 所有車輛通用，即時連線診斷

為了優化汽車維修的歷程，喜德科技以「顧客關係數位化」為出發，研發 unique TELEMATICS。

unique TELEMATICS 是一個小型裝置，只要透過 OBDII 端子連結車輛，就能夠即時搜集車輛資訊並上傳平台，車主只需透過線上瀏覽器、無須下載任何應用程式，即能獲得車輛相關資訊。「凡2001年後出廠的所有車款，我們的裝置皆能支援。」Mehmet提到，數據上傳的頻率可由車主依照購買方案決定，在使用上，車輛數據平台具有兩個入口：一為車主、二為修車廠商。車主登入後可以管理自家車輛的資訊；而維修廠登入後，可進行顧客管理和遠端車輛診斷，從遠端便能處理部分車輛問題。

Servet 以2016年發生於自身上的案例，近一步描述 unique TELEMATICS 在生活中的應用：「有了這項裝置，在引擎警示燈亮了之後，我就可以選擇連線鄰近或者常去的維修廠，維修技師可從遠端告訴我，其實這只是一個按鍵能解決的錯誤，按下去之後可以正常行駛；如果有零件損壞，他能夠告訴我損壞嚴不嚴重，不嚴重的話晚點維修；狀況嚴重就趕快到維修廠處理，維修技師也可以馬上準備我需要的零件與工具，為彼此節省時間。」

跨接台灣市場，看中軟硬體結合技術

「整個德國都在製造汽車，大家假日有空的時間賞車，最想買的東西就是汽車。」德國以汽車品牌與製造名享全球，擁有移民背景的 Mehmet 真切地從日常生活的觀察，描繪出德國人與汽車間的密切關係。根據喜德科技蒐集 2018 年的數據，德國有超過 5600 萬輛車，他們選擇人口最多的巴伐利亞地區市場，在巴伐利亞 980 萬輛車之中，喜德科技目標是在 2022 年讓 25100 個車主使用 unique TELEMATICS。對應台灣市場，2019 年，全台灣有 2190 萬輛汽車，喜德科技也鎖定台北的 490 萬輛汽車，計劃在 2022 年能夠成功取得 5000 個用戶。

喜德科技接觸台灣的契機，是 2017 年德國的科技加速器 Zollhof 聯繫 Mehmet，邀請他一起瞭解逢甲大學跟台中科學園區創新代表的商務拜訪，並向台灣代表說明他正在創業中的計畫，2018 年四月 Mehmet 受邀來到台灣瞭解本地製造業的發展，返回德國後與 Servet 決定進一步拜訪台灣了解更多軟硬體技術，兩人在同年六月又赴台灣考察，認識更多台灣公司跟他們的運作模式。十一月喜德科技成立台灣公司，隨後也加入亞太 5G 加速器、和台灣新創 IGCar 取得合作，從此開始兩週台灣兩週德國的往返創業生活。

喜德科技預計在德國與台灣都採 B2B 模式銷售 unique TELEMATICS，透過維修廠接觸實際用戶。然而，喜德科技尚未找到台灣公司的成員，語言隔閡造成業務上的巨大挑戰，包含硬體代工廠的電話聯絡，以及中文資料閱讀，都需要未來的台灣夥伴協助執行。今年 11 月，喜德科技預計在台灣推出 20-30 個 unique TELEMATICS 產品，藉此更了解台灣的市場與顧客。

創業快問快答

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？

Being able to swim in a pool with sharks...

Q：創業至今，做得最好的三件事為何？

It is a system for every vehicle brand and can use from everybody.
We founded the company end of February and we are already in planing a pilot project with taiwanese companies.
We are one of the lucky members of the APTG 5G accelerator program.

Q：最常被客戶或投資人問起的事情？您會如何回應？

They don't believe that we already have a finished system. After showing them, they really liked it. They also are very happy, that our system is not only for B2B.

團隊資訊

公司名稱：喜德科技有限公司
成立時間： 2019/2/22
產品名稱：remote diagnistics
上線時間：2019 /11 /1
團隊人數： 5人
官方網站｜新創資料庫｜Facebook

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