稜研科技跳脫毫米波代工框架,靠兩大策略走向海外!為何說要當「亞洲版Google」?
稜研科技跳脫毫米波代工框架,靠兩大策略走向海外!為何說要當「亞洲版Google」?
2021.08.24 | 5G通訊

毫米波新創公司稜研科技創立七年,自2020年底完成3億元A+輪融資後,公司團隊迅速從20人擴張到50多人。不僅如此,還一手掌握KDDI、富士通大廠訂單,並與歐洲太空總署密切合作,旗下配合的經銷商高達20家左右,就連大多數只賣自己產品的國際級經銷商thinkRF,也破天荒銷售稜研科技產品。

稜研科技是一家以毫米波(mmWave)設計技術為核心的新創公司,提供5G封裝天線(AiP)、天線模組(Antenna in Module,AiM)與空中下載(OTA)測試方案供應商。

稜研科技展示XBeam OTA量測方案,自動化機台是與鴻勁精密合作,但現場不給拍照,此圖為官方提供。
圖/ 稜研

這家才成立7年的新創公司能受各大廠商喜愛,歸功於背後的兩位靈魂人物——創辦人張書維與林決仁。他們有著相似的成長背景(同為中研院天文所),一個人主攻硬體設計方案,一個人則發揮軟體長才,在這種極需高度軟硬整合的5G毫米波設計領域,恰好碰出完美火花。

在創業過程中,張書維和林決仁的分工也不斷調整。稜研科技非一家純軟體或純硬體的公司,要將軟硬體整合起來做成一項產品,在設計開發過程上會延伸許多問題,同時又有銷售、採購、付款等管理和營運層面的工作要處理,談及此處張書維不禁感嘆,「很慶幸我們可以分工做這些事」。

從高通到Google,稜研的商業策略大轉變

其實最初稜研是以成為亞洲版的高通為目標,積極耕耘旗下5G毫米波模組方案,將產品技術發揮到極致,而後銷售至全球。如今稜研則以Google為目標,與張書維商業策略思考的轉換息息相關。

稜研科技創辦人張書維。
圖/ 侯俊偉

他談到,最初稜研是以硬體角度切入市場,但經過幾年市場洗禮後,發現布局通訊產業應該以應用端的角度看待,找出需要被解決的問題,而非單純賣產品,最重要的價值在於背後的數據力量。

就如同Google一樣,即便他們擁有硬體開發設計的能力,但在產品銷售與規劃時,大多從應用的角度看待,並且大量進行數據分析與研究,提供消費者(如免費搜尋)或廣告用戶(像是導流技術)雙贏的方案。

而這樣的概念也呼應到稜研產品設計的走向,例如,OTA測試產品除了幫助廠商測試毫米波訊號之外,更有價值的地方是使用這些量測數據資料,協助廠商提升製程、良率,透過數據的力量增加產品的價值。

張書維認為,台灣半導體應逐漸跳脫代工的思維,找出更多Value Add的機會。特別是通訊產業是一個門檻極高的產業,若只執著於代工生產,最後很有可能淪於殺價競爭的局面,被取代性極高。也因此,稜研科技近年不在只是將重心放在硬體設計的研發,同時也側重於軟體、量測系統上的開發,期能從晶片設計、模組開發套件到量測系統等不同層面注入量能,為產業提供一套完整的毫米波方案。

不過張書維也笑道,無論是成為高通或Google,兩者都非常優秀,稜研更看重的是這兩家公司背後的成長背景、商業模式的建立,以及如何掌握自己在全球某個領域的地位與話語權。

積極拓展海外版圖,稜研定出兩大營運重點

再過不久,稜研將迎來創業十年的里程碑,在此之前,張書維訂立為期三年的營運目標,預期接下來將以拓展海外市場為主,目標8成營收來自海外,從近期與國際大廠thinkRF和是德科技相繼發布的合作消息,即可看出延伸觸角到海外市場的野心。

迎接2024年即將到來的毫米波市場,稜研一方面積極專研自身技術,同時也強化海外布局的策略,目標總體營收8成來自海外市場。

為了實現海外業務拓展的目標,張書維提出兩大營運策略。首先是要讓稜研科技開始有實際的獲利來源,目前毫米波商用化發展尚未完全成形,許多基礎建設仍處於POC或研究階段,張書維預期2024年毫米波才會開始有實際效益出來,這也意味著在此之前,AiP產品類型商轉放量時間還須等候一段時間。

為彌補毫米波市場成形前的營收空缺,稜研陸續發布毫米波射頻系統開發套件BBox,以及OTA測試工具,協助5G業者進行前期的產品設計與量測,並加速其5G方案的生產速度。

張書維透露,其實一開始投資人對此策略非常不諒解,認為與其分心開發新產品類型,賺取少量營收,何不專心於AiP的研發,待毫米波市場機會來臨時,加大馬力全力衝刺。

然而在維持營運的考量下,稜研仍毅然決然投入毫米波射頻系統開發套件與OTA測試產品,而事實也證明市場上的接受度頗高,包含台灣的智易、日月光,以及日本KDDI和國際多個國際學術單位也都相繼採納。

第二策略是強化稜研在國際市場的話語權,並且獲得業界廠商的認可。張書維談到,這部分除了持續加深開發套件與OTA測試工具的完整度外,下一步將持續募資擴大營運規模,以取得與業界大老同席而坐的入場卷。

也就是在募資之後,將繼續強化稜研既有的毫米波強項,例如AiP模組的開發與設計,結合台灣完整的產業鏈,提供CP值最高的AiP模組方案。

由左自右分別為稜研科技創辦人張書維與林決仁。
圖/ 侯俊偉

另一方面,將同步提出一套讓廠商認識、信任並且看中的提案,如何讓客戶買單是最終目的。張書維分享,當初與thinkRF合作時,即面臨到廠商要求要貼牌稜研產品,以代工方式進行合作的爭議,經歷的雙方不斷的溝通協調,稜研成功說服thinkRF以直接代理的形式合作。他自豪地說,此次的合作對稜研來說是一個極具指標性案例,有了這樣的實戰經驗,也讓團隊知道稜研已具備步入國際的資格,而此合作案也預計在9月正式上線。

責任編輯:錢玉紘

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: #5G
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

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
代理式商務連動百兆商機
© 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