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
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