與Intel結親卻離婚收場!McAfee「生父」自縊,34歲的防毒巨頭背後有哪些驚奇故事?
與Intel結親卻離婚收場!McAfee「生父」自縊,34歲的防毒巨頭背後有哪些驚奇故事?

軟體大亨約翰.麥卡菲(John McAfee)驚傳在等待引渡美國過程中,於西班牙獄中自縊辭世。在這位企業家荒誕不經的人生中,留下最著名的事蹟便是創辦同名防毒軟體公司McAfee。

如同麥卡菲充滿驚奇的人生歲月,McAfee也有著跌宕起伏的企業故事,1987年成立的這間資安公司,曾經歷數度易手,甚至被Intel收購,以及兩次的IPO上市。

從獨霸到走下坡,兩段「婚姻」不順如何影響McAfee

隨著1986年世界上第一個電腦病毒「大腦」問世,麥卡菲看準病毒防護的商機成立了McAfee Associates,也是McAfee的前身。短短幾年內,McAfee便獲得各大企業的青睞,成為防毒軟體的首選,年營收達到500萬美元。

1992年米開朗基羅電腦病毒在全球引發大恐慌,儘管實際受害的電腦並沒有當時媒體渲染的百萬台那麼多,這次事件卻成為McAfee上市的契機,於同年順利募得4,200萬美元上市,到1993年時,已經有1.5萬多間企業使用他們的防毒軟體,全球市占率更一度達到67%。

John McAfee
今日傳出自縊過世的企業家麥卡菲,在1980年代看準電腦病毒問世的時機點,成立了病毒防護軟體公司McAfee。
圖/ 截圖自John McAfee臉書

只不過在上市後不久,麥卡菲便因心臟病發漸漸淡入幕後,於1994年離開公司,並在後續出售了約1億美元股份。

McAfee逾30年的企業生涯中,曾經有過兩段「婚姻」,包括鼎鼎大名的半導體巨擘Intel都曾重金迎娶這間代表性的防毒軟體公司,但最終每段婚姻都以離異收場。

1997年是McAfee的第一個重要轉折,當時為了拓展資安業務,選擇與Network General合併成為一間複合網路安全及端點防護的資安公司。資安分析師理查.史蒂恩諾(Richard Stiennon)便評論,這是一個失敗的策略。

資安並不是一個業務越廣越好的領域,相較於其他IT領域只要與同行競爭,資安領域最大的對手是駭客與電腦病毒,道高一尺魔高一丈的情況下,在一個領域維持領先已是件難事,何況通吃兩個領域,再加上兩項業務的不相干性、對品牌認知的影響等因素,最終這場不被看好的婚姻也以分手收場

2003年,在當時總裁吉恩.霍奇斯(Gene Hodges)的領導下,McAfee最終以防毒業務的身份被拆分為單獨的公司,其餘業務則被資安公司Secure Computing收購。

比起其餘競爭對手,McAfee更為注重企業市場。2006年曾對旗下產品進行大改造,藉由中控平台ePO整合新舊各項服務。雖然McAfee因為策略失誤、競爭對手崛起等因素未能持續稱霸防毒市場,但此舉成功令McAfee在公部門及企業領域得以擴張,其中控平台ePO甚至成為美國政府的內部標準。

不過在消費者市場,McAfee則不斷地走下坡,2009年被Intel收購前夕,McAfee消費者市場佔有率只剩18%,而最大競爭對手賽門鐵克卻高達52%。為了與對手競爭,McAfee更不惜一年花費超過5,000萬美元與電腦廠商合作,讓旗下服務能成為預設防毒軟體。

Intel砸76億收購McAfee,遭轟「沒有任何意義」

McAfee的第二段婚姻,則是2010年Intel砸下76.8億美元收購這間資安公司,期望藉此資安與晶片領域的協同優勢。比起1997年的合併,這起收購更是受到外界的質疑,憂心晶片與資安業務恐怕無法聯手發揮優勢。

資安分析師史蒂恩諾斬釘截鐵指出,「很多業內人士都對收購案表達反對。防毒軟體供應商跟晶片供應商沒辦法發揮任何協同優勢,以前沒有,未來也不會有。」甚至撰寫文章評論,無論從任何角度來看,Intel收購McAfee對雙方都不是明智之舉。

被Intel納入麾下後,McAfee的業務幾乎完全陷入停滯,在資安領域正面臨重大變革時,McAfee就如同在另一個世界般沒有任何反應。Gartner分析師彼得.菲斯布魯克(Peter Firstbrook)表示,「當所有資安企業都在找尋下一個關鍵點時,McAfee那些年卻毫無作為。」

Intel_限編輯用_StockStudio_Shutterstock.jpg
Intel曾為了發揮資安與晶片的綜效收購McAfee,但最後未能實現目標,在2016年認賠出售。
圖/ shutterstock

營收方面也不見任何起色,被Intel收購4年後年營收仍只有約22億美元,與收購前的20億美元相差無幾。2016年Intel終於將McAfee分拆,估值僅有42億美元,遠遠不及先前的收購價格。

脫離Intel、二度IPO,McAfee怎麼重回軌道?

從Intel脫離後,McAfee似乎正漸漸重回軌道,重組公司將人力從9,000人精簡至約7,000人後,並看準趨勢將目光放在雲端領域,先後推出MVISION雲端安全平台、針對雲端安全的託管式偵測及回應(MDR)服務。

且為了發展雲端業務,McAfee也進行了多次收購,接連買下SkyHigh、Nanosec、Lightpoint等,能夠協助建立「雲端優先」策略的公司。

營收成長則是最強而有力的數據,2020年McAfee營收達到29億美元,較Intel時期成長30%以上。同年McAfee又繼1993年再度申請了IPO,籌集7.4億美元在那斯達克上市。

上市至今,McAfee的股價成長約50%,市值更是達到122億美元。雖然在防毒軟體市場,McAfee已不再是獨霸龍頭,去年市占率僅有7.5%,在各防毒軟體業者中只排第6,但這間老牌的防毒業者,正以自己的腳步重振旗鼓,

資料來源:Dark ReadingForbesNew York Times

責任編輯:錢玉紘

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

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
一次搞懂Vibe Coding
© 2025 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