解決方案百百種,企業如何尋覓合適夥伴?從 3 面向找解方,迎接下一波未知挑戰
解決方案百百種,企業如何尋覓合適夥伴?從 3 面向找解方,迎接下一波未知挑戰

《未來商務》社群持續關注企業、品牌的「數位轉型」歷程,但事實是,真正轉型成功達到預期成效的,比想像中的還少。

根據國際管理顧問公司麥肯錫(McKinsey & Company)2022 年發布的《數位轉型價值》報告,企業預期導入數位工具並推動轉型後,預期能增長的營收數字,最後平均只「收割」了 3 成。

在轉型的路上,除了思維、營運方法上的「轉念」,能否選擇、使用最洽當的工具,也是轉型成敗的一大關鍵,也因如此,這幾年企業對解決方案的需求持續擴大——根據研調機構 Precedence Research 報告,企業軟體服務市場規模如今已達 4,800 億美元,後續以 11.2% 的年增率攀升,將在 2030 年突破兆美元規模。

瞄準轉型解方,《未來商務》陪企業面對下一波未知挑戰

2021 年,《未來商務》團隊推出「FC Choice」,鎖定行銷科技、金融科技以及智慧零售 3 大主題,介紹市場上助攻數位轉型、新商業應用的解決方案;去年,《未來商務》社群則首次盤點《Solution Guide-FC Choice 100》,嘗試以更具系統性的方式蒐羅並匯整市場上的百大新商業解決方案,嚴選智慧零售、行銷科技、金融科技、元宇宙、未來管理以及綠色經濟 6 大分類,協助企業面對下一波未知挑戰。

如今,企業數位轉型了 3 年,但真正發揮解決方案功效、成功轉骨的有多少?《數位時代》在最新一期的封面故事「數位解方100」中,同樣為企業挑選出 6 大類關鍵解決方案,包含「即刻需要轉型」的 3 大基本功:雲端應用、行銷科技、未來管理 ;以及「未來 5 到 10 年需要密切關注」的 3 大趨勢:碳排管理、XR 體驗與娛樂、Web3 區塊鏈,參考專家、企業客戶採訪內容,以市占率、市值/募資規模、客戶數量/規模以及服務內容為基準,盤點出業界該領域最大的需求,列出其中較成熟且具規模的 100+ 解決方案提供參考,並於16日的未來商務展上發表。

以 AI 為基礎,行銷科技迸發更多想像

隨著 Cookie 退場進入倒數,不管是大型品牌或中小企業,過去享受的流量紅利都將不復存在,應回歸到第一方數據收集,透過行銷科技工具把資料放在自己口袋且妥善運用數據。

如今加上生成式 AI 蓬勃發展,不僅能透過行銷自動化、決策制定賦能生產力,還能跨足創意生成領域,擴及用於用戶洞察。如 BIG DATA 大數據即推出全台首創「ChatGPT 智能輿情分析功能」利用 ChatGPT 強大的文字生成能力,高效洞察與掌握聲量波動的原因;塔圖科技則在「DPA - 動態產品廣告」(Dynamic Product Ads)的基礎上,透過匯入分眾名單,根據特定類型的消費者旅程,以生成式 AI 產生出精準的銷售參考切角,助力廣告投放。

AI 科技也在內容創作、客服互動方面為行銷科技錦上添花,例如愛酷智能鎖定對話式商務導入生成式 AI,憑藉先進的語言模型加上企業直接上傳品牌資訊,協助行銷人員發想文案以及做到智能客服;專攻影音製作的錨點影音,也應用許多 AI 工具,預計於年底推出「點餐式影音服務」,讓客戶點選版式、參考 AI 生成的動態腳本,再專案派發。

「AI 工具讓行銷科技更加強大、也讓行銷內容的產製能夠往更大量生產,甚至是更互動式的方向前進。」錨點影音行銷公司企劃總監馮鈺婷說。

「上雲」成必然,搬遷、整合、資安全方位顧及

在數位轉型的歷程中,「上雲」幾乎是其必經之路,但其搬遷、整合、資安等都是企業在轉型路上,可能遇到的難題。

博弘雲端致力於為客戶在日益複雜的雲端環境中,助其優化雲端管理效益、建立安全的雲端環境、提升營運效率,及以最少人力發揮最大效益。「從規劃建置到營運維運管理一站式的完整服務,讓企業真正享有雲端所帶來『成本優化』與『加速開發流程 』的優勢。」博弘雲端台灣事業中心台灣亞馬遜事業處副處長李旻娜表示。

上雲的同時,資安風險不可忽略,「46% 的公司,一年會受到一次 DDoS 攻擊。」蓋亞資訊資深客戶管理經理 Alex 說指出。蓋亞資訊和 Keyxnetic 關楗正是關注雲端資安的解決方案,前者提供 AWS Shield 代管式 DDoS 保護服務,確保企業在 AWS 上運行的關鍵應用服務能在遭受巨大流量攻擊時仍正常營運;後者則有硬體設備,也有 Keyper 無密碼身分認證解決方案,無痛整合各種應用情境的雙因素認證。

節能減碳勢在必行,這些解方助企業無痛跟上永續趨勢

「數位轉型沒有時間限制,但零碳轉型攸關企業生存。」展綠科技董事長吳仁作表示,揭示了當代企業永續經營的重要性。對此,台灣資服業龍頭的精誠資訊推出 SaaS 「Carbon EnVision 雲端碳管理系統」,輔以 CSR 大數據資料庫和專業顧問,為客戶架構和規劃數位化碳管理流程,及訂定淨零排放目標。展綠科技則是打造 IoT 系統平台,盤查能耗足跡,針對每個機器設備、每個製程的能耗,進行分析、警示和調整。

而除了從後端管理碳排放之外,企業也可以從綠電交易以及包裝下著手,做到綠色轉型。其中,陽光伏特家便是透過綠電交易協助企業,「我們會搜集電廠的發電數據,同時了解用戶的用電數據,從中扮演交易市場中的盤商、調度者,」陽光伏特家綠電交易經理柯建佑說,「我們可以把不同用電習慣的用戶組成用戶池,形成最好的用電效益。」

至於日常生活中常見的包裝如何減少浪費,配客嘉也提出解決方案。由電商、消費者,與實體通路三方共同參與,電商以租賃或買斷方式導入循環包裝,價格可由商家決定要自行吸收或由消費者負擔,降低包材成本;實體通路配合設置歸還站,並給予消費者優惠,對於消費者來說可以提高誘因,對實體店家來說也是一種導購。配客嘉執行長葉德偉指出,目前已經與 Uber、蝦皮等通路商合作,歸還站也和全家合作鋪設,讓包裝循環更加無痛。

企業在轉型的道路上,無論是永續、雲端或者行銷,都得上心,如今「雙軸轉型」迫在眉睫,找對最適切的解方夥伴,會是企業轉型的成敗關鍵之一。

本文授權轉載自:FC未來商務

關鍵字: #2023未來商務展
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