獨家專訪|一款Firefly,讓Adobe燒出火燙成績單!大家都做AI,吸9成新客秘訣在哪?
獨家專訪|一款Firefly,讓Adobe燒出火燙成績單!大家都做AI,吸9成新客秘訣在哪?

生成式AI崛起後,掀起科技大廠的一波大戰,所有人都開始拚「產品力」,希望把這項新技術變成真正能變現的產品或應用,而軟體巨頭Adobe是其中一位衝勁十足的玩家。

「Adobe正處於領先地位,比起其他公司,目前展示出的工具和功能緊緊和現有產品綁在一起,應用方式也更清晰可見。」美國銀行證券在8月對Adobe的財報預測中指出。

Adobe今年3月剛推出的生成式AI工具Firefly,在全球已經有多達30億張的圖片被生成、吸進超過90%新用戶,不只是Adobe自家空前的表現,更帶動了股價表現。從年初到Q3,Adobe的股價已經乘著AI熱潮上漲了超過66%,甚至是生成式AI領頭羊微軟的2倍之多,至於即將在11月底結束的財年,根據華爾街目前的預期,Adobe的年度收入將增長12%,最大動能就是Firefly產品。

而在Adobe的事業版圖中,亞太區一直是重要的一塊拼圖,尤其Adobe今年調查發現,亞太地區不論是企業還是消費者,採用生成式AI的速度都比歐美更快、更大膽。Adobe大中華區董事總經理吳振章11月來到台灣,接受《數位時代》獨家專訪,分享亞太地區市場觀察,以及Adobe對生成式AI的策略布局。

Adobe大中華區總經理11.jpg
Adobe大中華區董事總經理吳振章接受《數位時代》專訪
圖/ 隋昱嬋攝影

觀察一:9成新用戶哪來?降低複雜度是重點

Adobe今年3月剛推出的生成式AI工具Firefly,讓用戶可以用100種簡單的語言,對圖片編輯軟體Photoshop、illustrator下指令,快速生成圖片、操作工具等。功能上線至今,在全球已經有多達30億張的圖片被生成,甚至在Adobe Firefly網頁版上,有多達9成的用戶,都是從未使用過Adobe產品的「新朋友」。

這對於Adobe來說幾乎可說是前所未有的成果,「我們都有預期到會吸引新用戶,但真的沒想到會到9成這麼多。」吳振章笑著指出,而他們認為,生成式AI的空前成功和兩大因素有關:

首先是複雜度和生產力,Photoshop和Illustrator等應用程式中都有上百種工具或功能,相較於專業使用者,一般用戶平時很難完全上手,光是認識工具的功能就要花大量時間,甚至有些功能可能永遠都使用不到,這種複雜度也讓很多新用戶感到卻步。

但現在生成式AI工具「解鎖」了這些工具,就算是一位學生、一位對創作很陌生的工程師,都可以善用工具,靠文字生成影像素材,甚至用指令就指揮應用程式自己完成一件作品,成功降低門檻和製作時間,也吸引更多新用戶加入使用。

Adobe Firefly
Adobe Firefly工具可以輕鬆創造、修改圖片或影片中的素材。
圖/ Adobe

其次是個人化,AI模型會在製作過程中逐漸了解你和你的偏好,例如喜歡的色彩盤、喜歡的質感等,讓創作者或品牌可以發展出自己的特色,這點也是吸引新用戶加入的要素之一。

觀察二:亞太區採用生成式AI速度「超英趕美」

在關於新用戶的調查中,Adobe還有一個有趣的發現,「亞太區的企業和消費者採用生成式AI的速度都比歐美地區更快。」吳振章指出,亞太區已經有40%企業開發了新產品、採用生成式AI工具,同時也有30%的企業規劃在未來半年到一年開始行動,這也讓亞太地區變成Adobe拓展生成式AI業務的重要據點。

吳振章指出,觀察過去的歷史,西方國家雖然是新科技萌芽的地方,但亞太地區其實一直是最早普及使用新科技的「早期採用者」(Early Adopter),包括手機的普及率也是其中之一。「尤其亞太區的企業非常渴望與時俱進,跑在最前面,不希望自己花錢投資的是相對落後的技術。」

shutterstock_1044043600_ai.jpg
根據Adobe觀察,亞太區企業和消費者導入AI的速度都比歐美更快。
圖/ metamorworks via shutterstock

而在臺灣,有7成企業並未限制員工使用生成式AI,但同時也只有大概22%的臺灣企業是在此刻會「鼓勵」員工使用生成式AI。吳振章指出,Adobe發現這當中還是有一個落差是需要去彌補的, 原因就來自於企業對AI的不信任,甚至有50%的受訪者都表示自己擔憂AI的安全性問題

「我們也看過不少企業面臨訴訟的案例。」吳振章表示,這讓安全性成為Adobe吸引企業客戶上最重點的策略,在企業AI平台Sensei GenAI的服務中,客戶數據不會被第三方供應商訪問,客戶數據僅用於微調自己企業內的模型,並不會在不同客戶之間共用。甚至如果利用Adobe的生成式AI導致侵犯著作權的事件,也有專屬的賠償機制,代表Adobe為此負責的決心。

Firefly助攻,股價、營收可望強勁成長

從年初到Q3,Adobe的股價已經乘著AI熱潮上漲了超過66%,是微軟的2倍之多。至於即將在11月底結束的財年,根據華爾街目前的預期,Adobe的年度收入將增長12%,儘管提供AI服務的成本很高,但Adobe調整後經營利潤率將保持在45%以上,尤其未來準備推出新的收費模式,頻繁使用服務的用戶會支付更多費用,預期能確保穩定的利潤。

美國銀行證券也在報告中指出,Adobe對於AI變現擁有極具說服力的藍圖,不管在訂閱制還是企業客戶的客製化應用上。「Adobe 處於領先地位,我們相信人工智慧產品可能會在 2024 財年開始推動顯著的收入、現金流上升。」

對此吳振章指出,雖然正面臨財報期無法透露過多預測數字,但在Firefly助攻下,「下一個財年絕對會有非常強勁的二位數增長」。

靠著一般用戶、企業雙邊吸客,Adobe的新財路已經成功被「螢火蟲」(Firefly)點亮。

延伸閱讀:Adobe Firefly大升級,盤點3個超狂AI功能!股價半年暴增66%,厲害在哪?

責任編輯:錢玉紘

關鍵字: #Adobe
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