momo、蝦皮都用它的紙箱!一紙禁廢令讓榮成損失17億,苦蹲3年疫情下創營收激增五成
momo、蝦皮都用它的紙箱!一紙禁廢令讓榮成損失17億,苦蹲3年疫情下創營收激增五成

2016年,工紙霸主榮成營收創歷史新高,擠入亞洲工紙市場排名前10大。想不到2018年,中國一紙禁廢令讓榮成跌到谷底,鄭瑛彬如何在原料匱乏下扭轉逆勢?

榮成
榮成紙業。
圖/ 榮成

一片綠油油稻田中,矗立了一座面積4萬多坪的鋼筋混凝土廠房,是台灣工業用紙龍頭榮成紙業彰化二林的廠房。光是這座造紙廠,產能就高達85萬噸,momo、蝦皮等知名電商的紙箱都少不了它。

紙箱
榮成紙箱製造。
圖/ 榮成

疫情期間,電商大幅成長,帶動紙箱需求,也讓榮成繳出亮眼成績單,今年上半年合併營收251億元,年增近51%。誰能想到在此之前,榮成才因中國一紙禁令,歷經長達3年的「寒冬」。

「過去3年在中國投資,我們少了3億美元利潤,但高興也是一天,不高興也是一天就好。」穿著剪裁合身西裝,榮成紙業董事長鄭瑛彬戴著黑框眼鏡在會議室接受《今周刊》專訪時,語氣不慍不火說著中國「禁廢令」對公司的衝擊。

2017年,榮成紙業市值突破575億元,超越台灣工業用紙同業永豐餘、正隆。當時,該公司名列全球前20、亞洲前10大工紙廠,子公司江蘇榮成環保科技更規畫申請上海交易所A股上市。

但2018年,中國啟動「禁止洋垃圾入境推進固體廢物進口管理制度改革實施方案(簡稱禁廢令)」,管制工紙廠重要原料海外進口廢紙總量和配額,只剩過去的4成,讓榮成從高峰墜落。當年湖北和無錫廠就虧損17億新台幣,導致公司2018年EPS(每股稅後純益)驟降到0.82元,獲利年衰退7成5,連「登陸」上市的計畫也不得不喊卡。

原料被逼到絕路,廢紙配額分配不公,只剩2%

紙
中國啟動禁廢令,進口廢紙配額只剩過去的4成,讓榮成從高峰墜落。
圖/ pixabay

為什麼一紙禁廢令,會重挫台灣工紙霸主?

廢紙是製造工紙的重要原料,來自美國的回收紙因再生纖維品質最好,一直是製作高檔工紙的必要原料。一旦沒有進口回收紙,工紙業者高機率就只能生產最低階工業用紙。

「玖龍、理文、山鷹3大中國工紙廠總計分配到(進口廢紙)60%的許可量,但榮成卻連2%都不到,根本是被逼到絕路。」中興大學森林學系教授彭元興以「絕路」形容當時狀況。

禁廢令公布後,榮成僅取得13萬噸進口廢紙,占總配額不到2%;反觀中國第1大工紙廠玖龍,每年進口廢紙的量占所有配額31.2%,是榮成的16倍。

不只如此,隨著中國商品出口量每年大幅提升,紙箱需求大增,也導致當地原料短缺,價格攀升;甚至,中國當地廢紙價格竟然超越進口美國回收紙。於是,榮成只能眼睜睜看同業用便宜的原料生產高價工紙,自己卻只能用昂貴的當地廢紙,生產低價的工紙。

「商戰本來就是不公平的,既然原料匱乏已經成定局,就只能找新的路。」

面對政策導致不公平競爭,鄭瑛彬選擇坦然接受。他回憶,當年榮成為了環保理念,提早2年主動降低進口廢紙比率;想不到,當自己努力減少到極限時,當地政府卻以當時使用比重作為分配基準,並規畫再讓進口廢紙3年內歸零。

「我們太早做,反而把自己弄得沒退路,政策是對的,只能怪自己不熟悉遊戲規則。」當好學生卻受罰並沒有打擊他的信心,鄭瑛彬認為,成功的企業都會把不公平視為常態,重點在於有沒有認清現狀。

升級核心技術,用水量大減,生產能耗降10%

鄭瑛彬暫停了中國的大規模資本支出,決定更專注在公司的核心技術。例如,他在兩岸建立33座專業資源回收環保站,台灣和中國分別有4座和29座,以穩定原料採購管道;並結合中小盤商、上游供貨商,共同推廣廢紙的分類回收,提升當地廢紙的回收量與品質。

榮成環保製程
榮成「綠色製程」。
圖/ 榮成

根據榮成資料,2020年榮成在中國有29座環保站,數量為中國同業之冠,每年供應100萬噸廢紙,約是榮成全年用量的3分之1。又如,在製漿流程上,榮成每年雨水回收30萬頓,每滴水在廠內循環次數從13次提升到16次,用水量是同業一半。

3年來,榮成的再生纖維保留率提升了6%到8%,生產的能耗降了10%,空汙、水汙、減廢和空間處理技術也不斷提升;就連原本分配到的51萬噸碳權配額,榮成去年也只用了39萬到40萬噸,還有剩餘的碳權可交易。

今年起,中國全面禁止廢紙進口,前3大工紙廠的進口廢紙庫存將用罄,只能用本地廢紙,所有工紙業者的成本都回到公平競爭環境。

「如今榮成是置之死地而後生了,最差的廢紙都能做出最好的產品。」
彭元興認為,榮成早就為全面禁止廢紙布好局了。他分析,儘管榮成從2018年中國禁廢令頒布後陷入苦戰,所幸,他們在這段期間掌握了3個要點,包括建構完整環保站收購系統、技術升級,以及建構海峽兩岸再生漿通路。這3點優勢,在未來中國沒有進口廢紙情況下,生產技術至少能超前同業2年以上。

回台調整結構,淘汰8成生產線,拚智慧製造

「春天來了,我們也準備得差不多了,未來5年到10年我有信心,因為體質的調整,不用擔心成本或技術沒有競爭力。」 展望未來,鄭瑛彬樂觀表示,一家合理的上市公司,每股獲利應該在2到3元之間,過去榮成也有這樣的條件,卻遇上禁廢令,如今結構調整中,明後年獲利可望大幅改善。

鄭瑛彬口中的結構調整,智慧製造扮演關鍵角色。為了研究智慧製造生產模式在工紙產業利基,他在2018年帶著核心團隊觀摩了10多家國際一流紙箱廠,並擬定了台灣3年改造計畫。

2019年時,經濟部推動「歡迎台商回台投資行動方案」,榮成投入70億元啟動台灣智慧製造改造計畫,並將生產基地集中化。他淘汰8成台灣的生產線,引進新的智慧化設備,就連彰化二林2016年才投產的生產線也一併改造。

「老的設備根本連智能的插頭都不能接,台灣的廠都很老舊,沒接頭就必須放棄。」就像是過去割捨家庭用紙市場、處分杭州的「富春山居」度假村一樣,鄭瑛彬對於不具備成長必要條件的事物總能果決斷捨離,並專注在新領域。

去年,榮成將台中神岡廠整併進雲林廠,目前已完成投產,產能是過去的3倍,是台灣第1座智慧製造紙箱廠。

「榮成真的沒有讓我們失望!」和榮成合作超過20年的客戶、巨大機械全球製造中心採購主管透露,原本很擔心榮成將神岡廠併入雲林廠後,交貨時程會因為距離拉長而延誤,沒想到榮成不只維持交貨時間,還提出新改善方案,讓包材減量50%、包裝時間也減少30%。

今年,榮成規模最大的彰化二林廠新紙機、改造造紙機也已陸續投產,總產能高達85萬噸。

榮成
榮成彰化二林廠。
圖/ 榮成

「表面上,產能只增加20萬噸,但配合新生產線投產及舊生產線改造,讓我們高毛利產品比率從4成提高到6成,是很結構性的改變。」鄭瑛彬語帶驕傲。按規畫,改造後二林廠1年還可產出30萬噸的再生紙漿出口中國,串起兩岸上下游;接下來,龍潭、路竹和南崁的智慧製造生產線,也將陸續改造完成加入投產,預期都是下一波業績和毛利成長的動能。

「你看,我遇上禁廢令,中國上市計畫沒成功,才有機會回台投資,把生產線全面改造翻新,所以你說這是冬天嗎?」

採訪最後,鄭瑛彬感性地談起這3年寒冬的心路歷程,「也未必,我絕不讓自己陷入低潮,否則還要花力氣爬出來,冷靜去看才會發現大有可為。」他引用道家哲學分享,無論世界或人生都是跟著春夏秋冬運轉,一如他打造工紙帝國,在冬天做準備,就有機會等到春夏,爬得更高的收成時刻。

責任編輯:傅珮晴、蕭閔云

本文授權轉載自:今周刊

最新8月號雜誌《區塊鏈上的金融新世界》馬上購:傳送門
「電子雜誌」輕鬆讀:傳送門

關鍵字: #疫情動態
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