看汽車產業未來》佈局車用線束22年,梁華哲:當自駕車普及,高運算帶來高傳輸大商機!
看汽車產業未來》佈局車用線束22年,梁華哲:當自駕車普及,高運算帶來高傳輸大商機!

貿聯-KY佈局車用線束22年,堪稱台灣電動車BMS(電池管理系統)線束龍頭,不過董事長梁華哲卻十分謙虛,「沒人敢講自己是第一,我們佔他們(車廠)供貨產品大部分都是單一供應商,我們可算是領先廠商。」他直言,電動車未來功能會更多,貿聯-KY未來空間還非常大。

從2020年7月以後就因疫情關係常駐台灣,相對過去往返台美各地,梁華哲顯然不太習慣,還一直掛記著還沒親自看過在2020年疫情期收購的新加坡Speedy廠。

貿聯
貿聯-KY是Dyson吸塵器電源線束供應商。
圖/ 王郁倫攝影

目前貿聯-KY全球有17座工廠,5處研發中心,6個實驗室,全球逾萬名員工,也因此為便利管理聯繫,全球早已建立數位平台,以管理機制跟科技工具,讓各據點獨立運作卻遠距合作。

延伸閱讀:數位專輯|揭秘台灣汽車供應鏈!產業30強大公開

看好各產業都有新創勢力崛起,帶來更多合作新機會,貿聯-KY從2020年起成立專責的「新創業務單位」負責面對新創客戶。不過,即使從特斯拉還是個沒沒無名的新創就合作,使貿聯-KY跟著客戶搶下市場過半大餅,但貿聯-KY從不以龍頭自居。

跟新創合作失敗率高,2020年成立專責團隊

除知名的特斯拉,貿聯汽車客戶還有Lucid Air、Rivian、Atlis XT等,越野車大廠北極星(Polaris)和全球冷凍車領導品牌冷王(Thermo King)也都合作多時。看似滿手好牌,但其實貿聯-KY早期創業時因規模小,成熟大廠一時難以打入,索幸抱著開放性跟許多新創公司合作,反而孵出大機會。

「很多供應鏈看到新玩家是新創公司,就怕會浪費時間,但貿聯-KY不是,我們那時候做很多,不只是外界猜的3家,陸陸續續合作非常多家,最後不少都失敗,包括前陣子高調的Dyson,也把電動車案子砍了。」外界看到的是貿聯-KY的成功,不過背地裡的投資經營難以估計。

新創失敗率高,貿聯-KY不挑客戶反成契機,「早期我們不能挑,現在是稍微有做選擇」,梁華哲說,會看市場跟團隊,新公司若創業計畫不錯,貿聯-KY就會支持。

貿聯
貿聯-KY今年計畫投入電動車旅充產品開發。
圖/ 王郁倫攝影

至於為何要成立專責團隊?梁華哲透露,貿聯-KY一直都願意接觸新創,但新創失敗率高,若讓原本的業務部門繼續去做(新創業務),因為既有業務已讓部門忙得要命,根本沒有空、也不見得願意服務,所以最後決定成立一個專門的TEAM,跟有潛力新創合作,KPI(關鍵績效指標)也不同,不是設定要獲利多少,而是「抓到幾家成功案件」,心態也比較開放。

貿聯-KY不只是電動車線束大廠,在太陽能、綠能、醫療領域也多元佈局。汽車產業這座高牆能順利跨過,關鍵可以追溯早期幫日本汽車線束大廠矢崎總業(Yazaki)代工說起,「老車廠都已經有完善的供應鏈,所以我們早期切入不容易,從幫大廠供應鏈做代工開始,比方有些線他們不專,要找ICT(資通訊)產業的我們幫忙,從這個契合點切入。」

如何穿越汽車業高牆?思考如何借力使力

貿聯3665_梁華哲董事長_鄧劍華總經理.JPG
貿聯-KY董事長梁華哲(左)與總經理鄧劍華(右)看好車用線束今年成長性
圖/ 貿聯

現在貿聯-KY累積信用跟知名度,更受到汽車廠樂於合作。「電動車用到越來越多資訊系統或應用,新玩家沒有包袱,比較能接受新供應鏈,也有些本來就是IT界過來車界的,老車廠怕影響到既有生意,動作就比新玩家慢。」梁華哲也用22年車用線束的合作經驗,給想進入車界的業者一些分享:

Q: 貿聯-KY從代工切入,也做併購,現在還在車界牆外的業者,該如何進入?

梁: 要有心理準備,這不是很快的路,首先思考自己產業裡,有什麼借力使力可以進去的,不管是一級或二級供應鏈,其次,車廠也很重視合作供應鏈的素質,愈大廠商愈在乎財務能力,比方全世界都有工廠能配合交貨嗎?這點對方很在意。

除非你做的東西,全世界都不能做,否則有競爭對手下,很容易被取代,除非設計的東西非常小,可以空運交貨,不影響毛利率,當然,有時候急的話我們線束也會搭飛機,因為車廠很在意缺一點料產線就會停工,這也是為何我們會併購或廣設據點,就是配合客戶需求。

Q: 汽車零件趨勢為何?同業供貨會飽和或激烈殺價競爭嗎?

梁: 以前汽車工業很不好做,老車廠把供應鏈算得非常緊,我們生意都很難吃,不過都習慣了,客戶會要求供應鏈門當戶對,能做到這種規模的客戶,都不是小公司,產業殺價也就不會殺得像某些顏色供應鏈一樣血流成河,在車界來說,客戶一年砍一次價算客氣。

有時候,我們會跟客戶說不能這樣(殺價),有時我們會配合一下,因為客戶也會給新案子,客戶訂單量大,我們會降價回饋,可以靠採購原料去降成本,加上生產效率也補貼,可以配合的我們會配合。

早期我們是進去直接做,去對客戶殺價合作,但現在不是了,現在我們跟歐洲、亞洲客戶的設計團隊合作,我們優勢是跟客戶從設計就開始。

在充電線束或連接器方面,我們還有努力的空間,比方含幾千個迴路的主控制線束還沒做,這部分現在是德國大廠LEONI、日本Yazaki、Sumitomo(住友電裝)等天下,貿聯-KY還有很多可以發揮。我認為我們市場還沒飽和,還有很大成長空間,當然競爭也很激烈,中國跟印度後有追兵。

Q: 汽車電子未來的發展方向?

梁: 電動車可靠度比燃油車好,因為沒有引擎,只靠馬達,當然老車廠優勢在百年累積的經驗去改善引擎運轉,但電動車未來會加入很多功能,用很多高速線,我對此寄予厚望,未來自駕車會有很多連結資料中心的分析運算,需要很多高速傳輸,這就是我們新玩家可以做的。

未來車子功能愈來愈多,又要擠在小空間內,除機構設計,還要在惡劣環境中展現可靠度,未來大家都會往這方向弩力。

責任編輯:蕭閔云

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