股票分拆是什麼?為何企業要「拆股」?一文看懂背後3種考量
股票分拆是什麼?為何企業要「拆股」?一文看懂背後3種考量

第三方支付龍頭綠界科技(6763)董事會決議,擬進行股票分拆,將每股面額從 10 元改為 1 元,原已發行總股數 1,840 萬 3,913 股,變更為 1 億 8,403 萬 9,130 股。綠界透過類似拆股、股票分割的方式,投資人的股票價值與庫存金額不變,但原先一張股票被拆成十張,有望增加市場流通性,也帶動股價上漲。

從股價來看,雖然綠界首季獲利因傳統淡季影響而有所衰退,但董事會決議拆股的舉動,仍助攻綠界股價 8 日漲停,重返 400 元大關。事實上,不只綠界科技,知名外商如亞馬遜、特斯拉(Tesla),Google、蘋果(Apple)和輝達(Nvidia)等大企業,也曾做過股票分割,此舉常被華爾街市場視為釋出利多。

**為什麼這麼多企業要拆股?透過分割讓自家股票「變便宜」,對經營、管理有何幫助?分割前就持有股票的投資人,權益會有哪些改變嗎?**以下逐點解說股票分割對公司、投資人究竟會產生哪些影響:

為何大企業需要分割股票?

股票分割大多發生在價格非常高的企業身上,透過拆分每一股為多個股數,降低股價、增加公司在外流通的股數。而各企業敲定的拆分比例都不一樣,假設某間企業採用 5:1 的方式,那持有 1 股的投資人,最後即擁有 5 股;每股成本則會降低,總體持有價值不變、只是帳面上持有股數變多了而已。

通常執行此計畫的企業,不只獲得更多投資人青睞,股價也都會迎來漲幅。亞馬遜股票分割於 2022年 6 月正式生效時,美股盤中上漲 2.3%至 125.11 美元。以其分割方式計算,未分割的前一日(6 月 3 日)收盤價為 122.35 美元。

除此之外,企業之所以分割股票,還有 3 項可能原因:

3種拆股可能原因

1. 內部管理:薪酬更具彈性,能作為搶人、留才手段

招募市場愈來愈競爭,各大企業都爭相網羅關鍵人才,薪酬便是最容易被應徵者,拿來比較和評估的項目。

《華爾街日報》就提到,亞馬遜發言人的聲明中,認為股票分割之後,更有利於員工管理自己的薪酬,反過來說組織也受惠於股價變低,能更彈性地設計股票組合,給予他們認為有價值的員工,而不一定是薪水或獎金

特斯拉也公開表示過,具有競爭力的薪酬能幫助吸引並留住優秀人才,為每位員工提供股票期權,是特斯拉的成功原因之一。自 2020 年特斯拉拆股以來,股價已上漲 43.5%,股票拆分將有助於特斯拉重置普通股的市場價格,以便員工在管理股權時有更大的靈活性。

2. 外部市場:進入道瓊工業指數,獲取更多投資人加入

資產管理公司 Boston Partners 全球市場研究部主管邁克爾.穆蘭尼(Michael Mullaney)認為,股價高達 4 位數的企業,把股票分割是「明智之舉」。因為過去一年半來,散戶成交量急速增加,在股市裡的重要性再次提高。拆股有利於降低股價,吸引更多投資人買進,進而活絡交易量,帶動買氣。

《CNBC》指出,亞馬遜現階段仍非道瓊工業指數(the Dow Jones Industrial Average)的一員,而股票分割之後,有可能提高他們加入的機率。原因在於該指數目前是以「價格加權」的形式決定其組成,即股價愈高的企業,占比會愈高。

然而亞馬遜過去股價太高,若真的進入道瓊工業指數,會使其成分股比例失衡,因此才被該指數排除在外,藉由分割、股價下降的方式,才有機會讓亞馬遜獲取門票

蘋果(Apple)的例子讓不少人認同此原因,他們在 2014 年時宣布以 7:1 的比例分割股票,隔(2015)年道瓊工業指數就將蘋果加入指數當中,同樣是考量到原本其價格過高,會完全超越其餘 29 支成分股的權重。

3. 外部經營:為轉型、併購鋪路,提高自身議價籌碼

觀察科技業的併購實務,經常是採「以股換股」,對收購方的好處是毋須動用現金,或額外籌措資金。正是因為股票分割,能高機率推動股價上漲,自然就可以較少的股票,換得對方同樣的股權,不少企業以換股併購其他公司之前,都曾執行股票分割

凱洛格管理學院(Kellogg School of Management)教授艾非・賓美利奇(Effi Benmelech)在《富比士》(Forbes)就以專文推測,亞馬遜也許在籌備大型併購案。

巴菲特為何堅持不拆股?

盤點美國近年來,不少大企業都陸續分割股票,就在亞馬遜宣布的前一個月,Google 母公司也公布其 20:1 的拆分計畫,而包含蘋果、特斯拉等知名企業,也都採取過此方法。不過也有少數企業拒絕採取這樣的分割來降低股價,股神巴菲特擁有的跨國控股公司波克夏海瑟威(Berkshire Hathaway)即為一例

波克夏海瑟威發行的 A 類股(BRKA-US)多年來始終位列價格高昂、多數投資人難以入手的「夢幻類股」,目前每股持有價格超過 50 萬美元。巴菲特多年來面對市場要求分割股票的呼聲始終不願鬆手,認為波克夏股票尋求的是以長期投資持有為導向、而非短期炒作為基礎的優質股東,並且堅持:「如果無法為投資人創造內在價值,那些相對低廉且大量流通的股票就不值得擁有。」

A 類股長期被外界批評「欠缺流通性」正好就是巴菲特希望的結果。雖然在 1996 年,巴菲特還是推出了 B 類股(BRKB-US)來滿足市場的買賣需求(目前每股持有價格約 350 美元),但對於 A 類股至今仍是堅持不分割原則,正如他的友人間所流傳的那則玩笑話:「願你能活到 A 類股分割之時。」

整體而言,雖然股票分割不必然是股價上揚的保證,但無論企業是基於哪些原因而做出決定,都需要再一段時間的觀察才可看出能否從此策略中獲益。

資料來源 / The Wall Street JournalCNBC1CNBC2CNBC3Wall Street JournalForbesCNN

延伸閱讀:17LIVE、綠界爭議懶人包|金流系統出包,「消失的1300萬」到底誰的錯?誰要賠?

責任編輯:李先泰

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