看好微服務發展!創雲數據挾建立大型運算中心經驗,推AI企業資源自動化管理平台
看好微服務發展!創雲數據挾建立大型運算中心經驗,推AI企業資源自動化管理平台
2020.04.03 |
創雲數據行銷經理朱淯蓉
”當問題的發生時,沒有捷徑,就是靠經驗!

2014年創立的創雲數據團隊,專注基礎技術開發,以實踐開源的 OpenStack 架構切入,為大型軟體資料中心進行規劃設計、系統建置、同時考慮後續的維運模式。成立之際面臨激烈競爭的創雲團隊,以八年以上的 IT 規劃/維運經驗,持續在高技術門檻的雲計算產業耕耘,協助客戶進行彈性的技術佈局。

創雲數據 OpenStack

編按:OpenStack是美國太空總署和Rackspace合作研發的雲端運算軟件,為自由和開放原始碼軟件,擁有三大模組運算模組、網通模組和儲存模組,加上一套集中式管理的儀表板模組,來組合成一套OpenStack共享服務,可提供有需求者彈性擴充或調度,也可進行二次開發。

穩紮穩打帶來技術高含量和意想不到的機會

有別於大廠對於客戶而言無法釋出彈性、難以完全符合需求,創雲數據為因應不同需要,藉由客製化現有軟體和延伸其功能,更符合客戶需求。

創雲數據_Meet創業午餐會_2020-01-16_賀大新攝影_4118_Lr.jpg
圖片由左至右為創雲數據行銷經理朱淯蓉、董事長特助董啓豪與執行長徐振威。
圖/ Meet創業小聚

2015年創雲數據成功接洽中國湖北省級政務雲端計算運算及大數據資料中心的案子,打造共用雲平臺。當時,創雲用不到20名技術人員,在不到兩個月的時間,為資料中心建置1000個節點,成功讓200臺實體伺服器落地,「我們完成儲存總量約 2pb 的雲端計算中心,現在看起來雖然不大,但在當時是個創舉。」執行長徐振威提到。

相較於傳統數據中心,創雲數據提供的整體計畫讓硬體採購成本下降70-80%,維運人力節省高達90%。除此之外,資料平臺應用涉及相當廣泛,舉凡政務、交通、醫療、教育、工業、農業、金融等,直到2017年底覆蓋整個湖北、分佈在六個城市,實現省、市、縣三級互聯互通的智慧城市需求。

微服務整合平臺,讓資源管理不再是企業的痛!

大型資料中心不只側重於建置,更應在問題發生的當下,快速地找出問題並有效解決,建置湖北資料中心的經歷,使得創雲團隊的整合能力大幅提升。

2017年,團隊將技術搬回臺灣,看準企業數位化需求,創雲開始為企業建置微服務系統,目標對準虛擬銀行和金融科技,有效地為客戶實踐更彈性的數位服務建置、以及更長遠的成本節約。過去兩年,創雲數據攜手國內金融巨頭,建置一個整合微服務平臺,將全臺近200個據點、管理人員達一萬人以上大規模的資料管理一網打盡。

以金融產業為例,一個銀行App時常包納相當多元的服務,包含:點數累積兌換平臺、外幣兌換平臺、網路銀行平臺、信用卡繳款平臺、證券交易平臺等。然而,這些獨立的平臺服務相當分散且關聯性太低、難以統整,對於龐雜資料管理上除相當耗時外、系統多半老舊,執行長徐振威提及:「如果要回到公司做整合會耗費相當多時間,所以我們幫企業做,未來應用就是在一個平臺完成所有作業。」可以說,微服務是因為系統的有自己的資料庫、可以把資料獨立快取、儲存。而傳統的系統架構就是牽一髮動全身,如果公司要改其中一個類別的資料的話,不同類型的資料庫都要連同一起修正。有了微服務,有效解決資料處理龐雜又耗時的問題。

創雲數據 AI Ready 的混合雲架構設計

為Redhat認可合作夥伴,看好微服務於全球的發展

自2017年返臺以來,創雲數據為Redhat提供產品顧問一條龍服務,其實關鍵在於Redhat十分看好微服務的發展,且認可創雲數據的專業技術含量高,至今持續合作,Redhat也成功縮短50%的開發及測試時間,目前有30項微服務正在運行、仍有20項微服務正在開發,未來將提供移轉服務。

執行長徐振威分享:「微服務應該是要把原本web做拆解,而不是一直花費成本買,就是不該一直擁抱核心,而是診斷流程,用原本的東西轉型提供最好的應用。」執行長也舉例:一個內含Java的ERP(Enterprise Resource Planning,企業資源規劃)系統,創雲教導企業自行移轉企業過往自編的程式─「像是拆解積木,企業內部的工程師已經組裝好,創雲就是教他怎麼拆開。」

期盼產品化的合作夥伴加入,讓價值加成!

另一方面,看準AI應用愈加廣泛,市場將會有「資源如何應用」與「如何有效管理」的問題產生,為解決市場痛點,創雲數據AI資源自動化管理平臺應運而生,他們規劃於今年(2020年)第二季上線,對此,董事長特助董啟豪也補充道:「就像我手上有好幾百臺車,這麼多資源我就需要自動化管理,所以我們協助夥伴去建置,尤其是東南亞很喜歡。」

「雖然我們有knowhow,但Open source其實全球都在做,創雲將投入臺灣AI戰局,必須花更多心思做整合。」朱淯蓉提到,創立以來,創雲數據一直都面向 B2B 業務,除目前因應求新求變的金融產業,未來也將擴大與 AI 應用單位合作、協力整合資源,資源最後勢必要集中化,將採開源的角度邀集相關企業投入。此外,創雲數據也看準學術單位較願意接觸新的應用且user數量多的優勢,2020年也將市場版圖再拓及學校;在人才方面,下一個策略會聚焦於品牌思維的建立,團隊將延攬市場開發(Business Development)跟行銷(Marketing)專業的人才進駐。

在資金方面,募資會是創雲數據今年度最關鍵的階段目標,因為團隊需要人才讓技術優化,才能進行上下垂直與軟硬體整合。預計在 Pre A 輪可募集2500-5000萬臺幣,望募資者的產業可與創雲數據相輔相成,形成策略性投資,加強技術產品化的能力。

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?下一步的目標是什麼?你們如何完成?

A:我們想成為技術型的產品顧問服務公司,下一步目標除了整合RedHat原廠及合作廠商加強marketing外,學術單位客戶群更是重點經營目標。

Q:服務的創意來源,是因為發生甚麼事情而有這樣的想法?

A:

  1. AI人工智慧在未來十年將改變全球經濟產業鍊供應方式,進年正處於爆發式成長。但並非所有企業的IT或資訊部門都了解該引入AI。AI Force除了解決此入門門檻相對較高問題外,並同時提供自動化的流程管理,一次性的解決客戶在面對AI人工智慧時所面臨的所有痛點。

  2. 企業的產品研發人員從撰寫程式碼到產品正式上線都有個生命週期,在此過程中會面臨非常多的問題及挑戰,例如版本測試、管控、需求變更、源代碼備份、資安等問題。創雲數據為客戶提供的產品解決方案,可協助客戶一站式的解決這些問題,讓研發人員專注寫code,維運人員透過自動化流程輕鬆管理,縮短產品上線時程。

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?

A:

  1. Always要有plan B。
  2. 商場是多變且現實的,沒有永遠的敵人或夥伴。
  3. 慎選核心團隊成員!
  4. 永遠要有最壞的打算。
  5. Never say Never!

公司資訊

公司名稱:創雲數據股份有限公司 成立時間:2014/6/25 產品名稱:AI資源自動化管理平台 / DevOps CI/CD自動化平台 / RedHat全系列產品服務 上線時間:2019/11/8 團隊人數:11人 官方網站Facebook新創資料庫

關鍵字: #Meet創業之星
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