連移工培訓都幫上忙,揭密專幫台灣半導體廠省時間的30年老友
連移工培訓都幫上忙,揭密專幫台灣半導體廠省時間的30年老友

省時間能值多少錢?對美國工程軟體大廠參數科技(PTC)來說,這可能是高達新台幣數百億元的好生意。

商周直擊參數科技在美國波士頓舉辦的展示大會,現場如同電玩展。你可以像玩寶可夢般,用平板上的立體影像,按步驟組裝機器;或者讓你像置身在虛擬的3D工廠環境裡維修設備,讓幾乎任何人都可快速上手。

這些酷炫的科技背後是它們的電腦輔助設計、產品流程管理等相關軟體技術,而最重要的目的之一,就是幫它們的企業客戶省時間。

「公司最需要速度,比什麼都重要!」參數科技執行長赫普曼(Jim Heppelmann)在這場大會演講指出。尤其,在疫情後,企業需要建立更有韌性的供應鏈,公司和產品又得符合永續要求,以及遠距工作等趨勢,生產和運作的速度更要提升。

靠著幫客戶省時、加速,成立已近40年的老公司參數科技,不受疫情衝擊,過去4年營業利益成長超過5倍,股價也上漲約5成。

而且,它們還擁有全球超過3萬家企業客戶,從你穿的Vans休閒鞋,到開的Volvo汽車,到坐的波音飛機,甚至連火箭登月的NASA,全球最大軍火公司洛克希德馬丁(Lockheed Martin),都用它們的軟體。

不但如此,它們是台廠的「老朋友」,明年來台滿30年,是成立最久應用於製造業的軟體外商公司,客戶從半導體到自行車業都有。

參數科技如何把省時間這件事,化成自己的競爭力?

關鍵1:幫客戶省時間,跨部整合,解決溝通難題

首先,它們幫客戶解決跨部門「溝通」這個大難題,尤其讓工廠裡的設計、製造生產、甚至到售後服務部門間,能夠彼此順暢運作。

通常,設計和生產兩個部門最容易溝通不良,不是設計部門經常要求重新修改圖稿,就是生產部門說這設計圖根本做不出來,結果只為製造一項產品,兩個部門可能來回數十次,溝通過程浪費許多時間。

參數科技的電腦繪圖輔助等各軟體,簡單來說,目的不只是讓設計師和工程師方便工作,也讓跨部門的溝通次數降低,甚至一次OK。

它們的軟體甚至可以用來做數位轉型的教育訓練。

「像台灣半導體封裝的工廠裡有很多東南亞移工,他們需要教育訓練,但改用擴增實境培訓操作,從不會教到會,可以縮短將近兩成的時間,」參數科技台灣技術資深總監汪崇真表示。

而且,台灣所羅門視覺事業處協理李佳運指出,參數科技的軟體特色在於可以快速和其他功能如人工智慧整合,只需兩週多就能完成。

關鍵2:為流程加速度,積極購併,讓公司換腦袋

不但如此,它們還透過軟體工具,試圖改變傳統的製造生產流程。商周專訪參數科技策略長金科(Catherine Kniker),她指出,通常設計是採取敏捷開發流程,但生產製造不容出錯,仍幾乎採用瀑布開發流程,而它們藉助軟體工具,讓硬體製造都能採用敏捷開發。

敏捷開發的特色有高彈性,可隨時修改,不過傳統瀑布流程得按照步驟來,更動範圍小。但它們把設計圖變成擬真的3D模型,並放到雲端上協作,讓硬體製造的工程師也能參與前期設計,參與修改,讓設計到生產都能加快。

可是,要生產部門「換腦袋」,它們就得拿出夠好用的軟體,參數科技不見得樣樣通,它們最佳的辦法就是砸錢購併。

「我們已經投資超過30億美元(約合新台幣900多億元)在有機發展和購併上面,」赫普曼並指出,這些購併不但讓參數科技高速成長,而且也幫助客戶前進速度更快。

攤開參數科技的購併史,幾乎每一年都在購併,甚至在一年內就買下2、3家公司,而且公司類型琳瑯滿目,有做擴增實境,也有做物聯網平台的企業。

去年年底,參數科技砸下近15億美元,買下提供工作現場服務管理軟體公司ServiceMax,創參數科技購併有史以來最高金額。

關鍵3:跨公司攜手,化解歧異,3大階段整合

但買公司容易,金科認為,整合才是最困難的,而為了有效整合,它們不但有一整本教戰手冊,並發展出整合的3個階段。

第1階段只是雙方認識,她指出,在買進公司的第1天,它們只做付薪等事,而不會打擾對方公司其他計畫;直到第2階段,它們會花上3個月到1年的時間,共同找出「當完全整合是什麼模樣」,它們會讓對方知道哪些可以維持原樣,哪些程序必須遵守。

到最後一個階段,金科表示,雙方已經能順利運作,情況通常出現兩種:一種是除了付薪等人力資源共用外,其他部分讓他們自己發展,不須再做整合;另一種是需要完全整合進入公司內部,從軟體功能到行銷,幾乎完全主導。

雖然它們也曾被外界笑過被當「冤大頭」付高價,也曾遇過差點告吹,但金科指出,「我想不到哪一個併進來的公司是失敗的。」

但砸錢的事,人人會做,參數科技主要的競爭對手法商達梭系統(Dassault Systemes)、德商西門子(Siemens)等,都透過收購,讓旗下產品線趨於完整。例如,達梭往年也買入3D可視化,或生產流程管理規畫等相關的軟體公司,而西門子購併也不手軟,陸續買進數據分析等相關企業。

研究機構IDC分析師蔡宜秀指出,工程軟體業者透過購併,目的是為了更好的回應市場需求,包括支援各種產品設備設計,小到螺絲釘,大到衛星,以及因應雲端、物聯網和人工智慧等優化產品服務,以及從產品生命週期研發設計,讓工程師等各參與者取得所需要的資訊,同時並藉此拉升市占率。

蔡宜秀認為,現在產品設計的邏輯,從功能導向轉為使用者導向,所以業者也朝向擁抱提升使用滿意度和黏著度為主。

參數兩大策略,衝出加速轉型力

參數科技要超車同業,轉型的速度要更快。

它們在2013年,營收毫無增長,於是,它們決定在2014年啟動轉型,先是陸續購併物聯網平台、大數據分析,以及擴增實境技術平台,切入價值千億美元的物聯網和擴增實境的領域,比同業還快。

其次,它們在2014年決定更快轉向訂閱制,從一次性付費改為按年訂閱。

這一項改變,讓它們不得不面臨陣痛期,連續兩年營收衰退,直到2017年才恢復成長,如今它們有9成8的客戶都用訂閱制。

自己加速,也幫客戶加速,金科認為,「當你能讓客戶加速成長,又能獲利,這開啟的不只是百萬美元,而是數十億美元的價值。」

特斯拉(Tesla)創辦人馬斯克曾說過,時間是唯一真正的貨幣。當世界局勢變化越快,不論對個人或企業,都必須全力找出能省時間、提升效率的對策,這是在亂世裡持續獲利,保有競爭力的最重要秘訣。

延伸閱讀:
美光禁購令解讀》中國誓把成熟製程做到極致,誰會是下個美光?
一夕撤退手機戰場!黃仁勳享受成功也享受失敗:要用孩子眼光看世界

本文獲《商業周刊》授權轉載,原文標題為:連移工培訓都幫上忙,揭密專幫台灣半導體廠省時間的30年老友

責任編輯:錢玉紘

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