羅小蘭,叫她績效第一名
羅小蘭,叫她績效第一名
2001.03.01 | 人物

股市中殺進、殺出,雖不像戰場上血腥淋漓,但電腦終端機前,隨著螢幕上數字變化,買進、拋出,基金經理人如同戰場上的將軍,揮舞著上億金額的交易進出。
股市操作的分秒必爭、殺戮氣氛,聽聞起來又是一個屬於「男人」的戰場,但身為建弘小型精選基金經理人的羅小蘭,不但是這個戰場上的「英雌」,更是國內股票型基金的常勝軍。
「果決、認真、不帶婦人之仁」,羅小蘭的主管,建弘投信投資研究處副總經理俞大鈞這樣形容她。

**該買該賣絕不遲疑

**
俞大鈞眼中的羅小蘭是個富有決斷力的人,該買就買,該賣就賣,從不優柔寡斷。她也是一個很認真的人,對於資料的收集與研讀下了許多功夫,也很積極地和研究人員討論溝通產業景況,「即使是放假日,她也常來公司加班。」另外,她對個股不帶感情,縱使是績優股,只要有一絲疑慮,她就會毫不留情的出清持股。
羅小蘭雖然擔任基金操盤舵手還不滿三年,但在投資領域的經驗卻可說是資歷完備。轉戰建弘投信之前,她曾在元大證券作了三年的總體經濟研究員,三年的中加創投投資經理,及三年在安泰證金擔任營業部規劃科襄理。
「會踏入這行全是因緣際會,」羅小蘭回憶進入投資界的原因。從東海國貿系畢業時,當時並不很確定自己要作什麼工作,不過,卻很清楚自己不可能遵循父母的期望,考公務員,過穩當的生活。她期望自己的人生在可控制的風險下,有更多歷練,於是她選擇到台北來找一份具有挑戰性的工作。
那一年正好遇上證券業開放,各公司需才孔急。一次面試中,主管看中她在學校時對總體經濟學的努力,希望她能擔任研究員。剛大學畢業的羅小蘭心想,怎麼有這麼好的工作,老闆花錢請我來看書,於是接受了那份工作,也開啟了通向投資領域的大門。
3年的證券研究員,羅小蘭清楚認識到股票的真實面。長期觀察股市變化,股票的漲跌,有時讓人高興得上了天,有時卻會將人重重的摔落到地上,股價起落對她不再只是理論。

**投資領域仍是轉業選擇

**
離開元大證券後,後來陸續服務過中加創投和安泰證金,工作性質雖各不相同,但都離不開投資領域。在創投,羅小蘭負責的是評估投資標的是否有獲利價值,投資後還要決定賣出時機,獲取最大投資收益。這份工作,訓練她對產業變化的觀察,「如果投資對的公司,5年可能會有100倍的回收,」她說明。在安泰證金則讓羅小蘭接觸到公債買賣這類的投資工具,學會資金的長程規劃。
歷經證券、創投與證金工作操練後,羅小蘭決定以資產管理作為下一個發展目標。對於擔任共同基金經理人,又是一個新領域,羅小蘭笑稱自己是花了10年作準備。羅小蘭10年苦修的成果,不但進場後一直保持不錯績效,更拿下去年全年的績效冠軍。
「第一名對我來說其實是個負數,」羅小蘭收起笑容,真切地說:「我就是我,原來的我,即使是最後一名,我也要泰然處之,沮喪或懊惱都是不成熟的。」她提醒自己,要忘了第一名這件事,因為把事情作好才是最重要的。
當年和羅小蘭同一天到元大證券報到,現任禮正投顧總經理的毛仁傑回憶起和羅小蘭共事時的情景說:「她不是一個工作狂,她能在生活和工作間取得平衡,有靈活的思考空間加上不在意得失,才會有這麼突出的表現。」
不論是看待工作表現或人生處事,羅小蘭都自有一套中庸之道。羅小蘭說:「我很喜歡烹飪和畫畫,這二樣都講求調配和平衡。從畫畫的過程中我知道作決策時不能太極端,要顧慮到色彩平衡才會有美感。」她也說自己並沒有特別的宗教信仰,但求神的時候,她不會祈求好運,只求讓她有一顆平靜的心好知道自己在作什麼。

**從色彩美學體悟決策思維

**
思考,是羅小蘭工作上的最佳武器。對於報紙上的產業新聞,只要發現有不對勁,她就會把那則新聞剪下來,不時拿出來反覆思索,甚至帶回家一想再想,隔天再到辦公室和產業研究員討論她的想法。
自言不與人交際應酬,不和同業打聽交換意見的羅小蘭,連看報紙新聞,都只選產業動態或專業期刊,她開玩笑的說:「只要了解那個產業的動態,我就會幫他算命了。」
不僅要思考,更要全面性的思考。雖然重視思考,羅小蘭的辦公環境卻看不到成堆檔案資料,她解釋:「資料這種東西,能記住的就記在腦子裡,記不住的留著也沒用。」但羅小蘭常喜歡到街上觀察社會動態,她認為資本市場也是社會的一環,社會潮流的改變對經濟發展影響頗大。

**對投資決策信心十足

**
不跟從別人的意見,堅定個人想法作出投資決策,羅小蘭是一個對自己自信十足的人。「從美國聯邦理事會6度升息、Nasdaq下跌及網路股衰退,我就知道總體經濟出現變化了,」羅小蘭談起去年之所以會領先市場,調降持股,並將投資標的轉換到大型產業龍頭股中,全是從總體經濟的動向作判斷。她補充,一直到市場發生變化兩、三個月後,鑽研不同產業的研究員,才從各公司營運動態中,得到景氣果然在衰退的結論,印證她的先見之明。
不過,她也承認,自己不可能永遠都是對的,她常常在檢討自己的判斷,不對就馬上修正,「我能接受自己會犯錯,重要的是要很誠實的面對並檢討自己的錯誤」。

**下屬最好的諮詢對象

**今年起,羅小蘭被擢升為投資研究處協理,除了管好自己的基金外,還要管理其他基金經理人的績效表現。羅小蘭認為自己有今天的成就,是因為過去曾遇到好的主管,所以成為主管之後,她也希望自己能提供更多的幫助。
羅小蘭的下屬,建弘福元基金經理人蔡雪屏認為,羅小蘭不會很強勢的去干預每個人的操盤策略,但只要有問題,她會是最好的諮詢對象。「她私底下是一個很害羞的人,」蔡雪屏說,羅小蘭在工作上待人處事很得體,對同事都很客氣,如果有什麼不懂,也會很謙虛的去請教研究員,不過,在工作之餘,她卻是個害羞,不擅於和人往來的人。
全心投入工作,讓羅小蘭錯失經營婚姻的機會。「從投資的角度來看,結婚真是太虧了,要養雙方的家,養小孩,更糟的是小孩還不跟我姓,」羅小蘭自我解嘲的說。不過,一陣爽朗的笑聲過去,她還是說不放棄希望。
堅持一步一腳印的羅小蘭,在早年的同事飛黃騰達時,仍舊不為所動按著自己的時間表,穩健向前邁進。12年的工作歷程,羅小蘭成了無藥可醫的投資迷,只要是和投資相關的事物,就像個海綿一樣熱切學習,她說這份工作最大的樂趣,在於要去克服許多未知挑戰,看到自己過去的努力得到驗證,是成就感的來源。

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