中小企業AI解方來了!群聯力推「平民邊緣AI」:沒有輝達金鏟子,也能挖到大商機
中小企業AI解方來了!群聯力推「平民邊緣AI」:沒有輝達金鏟子,也能挖到大商機

「現在的半導體業,還不是M型,是『N型』,好的那一塊都是NVIDIA(輝達)體系,跟它沒有關係的都很慘!」群聯電子創辦人潘健成話說得一針見血,只是不少零組件廠大概心有戚戚焉。

AI浪潮席捲之下,幾家歡樂就有幾家愁,潘健成說通常和GPU(圖形處理器)無直接關聯的半導體零件商,要積極轉向系統開發,才有辦法開創新市場。

以儲存型快閃記憶體(NAND Flash)為看家本領的群聯,屬於「愁」的那一家,想分到AI的一杯羹,潘健成把施力點放在邊緣AI(Edge AI)。

2023年,群聯發表AI解決方案「aiDAPTIV +」,以自家固態硬碟(SSD)代替高頻寬記憶體(HBM)功能,搭配常規的繪圖卡,主打的正是能以低成本在地端運作大型語言模型(LLM)。

NAND Flash大廠做起AI系統與解決方案,潘健成強調自己對邊緣AI的押注並非源於盲目的相信,而是出自分析, 「現有的AI不可能平易近人,因為雲端的成本就這麼貴,所以唯一的方法就是要走到邊緣端的AI。」

推平民版AI!為中小企的AI恐慌症提解方

確實,隨著LLM參數量增加,除了GPU的效能差異,記憶體的頻寬和容量也會影響AI訓練效果。不過,GPU和HBM價格皆高,對於資源有限的中小企業而言,不是一筆容易出手的投資。

在應用現場,精誠資訊為許多企業提供顧問與系統整合服務,國際業務發展部副總經理林宗瀛表示,目前客戶導入AI軟硬體的基本投資金額落在新台幣300~500萬元,「有客戶的應用架構比較複雜、使用的人比較多,那個預算一下就增加到2,000~3,000萬。」

林宗瀛也觀察到,出於對資料上雲的資安考量,台灣絕大多數企業和政府單位更願意在地端使用AI,「如果要去對接OpenAI或者是Google Gemini等,他們都不放心。」

潘健成相準了這道邊緣AI應用普及化的缺口,推出新台幣12萬元的教育訓練機,以及符合企業需求的150萬元4卡、300萬元8卡的邊緣AI工作站,「中小企業的老闆都會有AI恐慌症,很急著要做,但不知道怎麼做,因為要花很多錢。」

潘健成表示,「aiDAPTIV +」主要用來解決庶務性工作,像是藉由AI整合公司內、外部資料,建立企業流程自動化。

至於降低硬體規格,可能影響運算速度?潘健成強調對於一般企業來說,重點在於先取得AI入場的敲門磚,群聯所做的是降低第一道門檻,讓企業可以循序漸進、慢慢疊加投資。

潘健成解釋:「就像是要從台北出發到高雄,騎腳踏車雖慢,但終究也會抵達。以後有錢了,可以買機車、汽車,以縮短路程時間。但如果一開始沒有腳踏車方案可選擇,北高往返只有搭飛機一途,那就完了!」

群聯潘健成_2
群聯推出3種定價策略的「aiDAPTIV +」方案,潘健成希望提供企業能循序漸進投資AI的選項。
圖/ 陳俊銘攝影

夥伴不挺、客戶不信,卻加大投資百人團隊專責AI

不過,AI的話語權集中在國外雲端與伺服器大廠,當群雄爭搶著展示先進武器,群聯喊出「平民版腳踏車方案」,收穫的迴響並不多。

「我們也很辛苦,本來只是期待賣一個存儲方案,但硬體公司、軟體公司都在看戲,那樣不行啊,我們就賣整機。」潘健成說,經歷了一段媒合不到製造鏈夥伴、客戶對新產品概念也半信半疑的階段,去年6月開始,群聯自己包辦「aiDAPTIV +」的伺服器設計和軟體開發,以一體機銷售全方位解決方案。

潘健成更是逢人就推銷自家產品,目前包含政府部門、醫療院所和企業在內,不少單位透過 POC(Proof of Concept,概念驗證)試用「aiDAPTIV +」;另外,截至去年底,群聯自己的工作站規模機台,在台灣和馬來西亞兩地總計賣出逾50台,亦出貨數千顆AI SSD給硬體整合系統廠。

「過去元宇宙我一毛錢都不花,因為我不相信它是真的,可是這個我是All in(全押),我相信這個生意一定會發生,就要把自己準備好 。」

潘健成透露,群聯內部有一支超過150人的團隊,專門負責「aiDAPTIV +」產品市場,其中50人專責為企業導入產品進行客製化軟體開發與系統整合,只是這樣的規模還不夠, 「這個單位要人我們是盡量增加,因為我們的軟體是從無到有,這條路很難走。」

「市場成熟再進就來不及了!」提前卡位、搶當平價地端唯一方案

群聯潘健成_3
圖/ 陳俊銘攝影

推動「aiDAPTIV +」的路之所以不好走,也因為潘健成還有內憂與外患要克服。

「這個狀況就像黃仁勳講了10年AI都沒人理他,直到ChatGPT發生之後,大家都相信了,我們就在等這個契機。」要說賭注也好、先知也罷,這筆AI伺服器的生意,潘健成說自己並沒有事先召開董事會決議,因為外部環境變化太快,沒辦法每件事都等待董事會。

只不過,2016年群聯爆發財報不實事件,根據群聯重訊,投保中心於2019年主張潘健成有「不適宜擔任董事之情事」,向法院訴請裁判解任其董事職務,而潘健成也於2021年自行卸任董事長暨董事職務。因此,潘健成的信念,能不能獲得群聯董事支持,是為隱憂。

而外患則是東風究竟什麼時候吹來?林宗瀛表示,目前企業端購買GPU,多數用途仍是實驗性質,「實驗做完了,應用也出來、成熟了,當大家都了解這些應用是要做什麼之後,才會再有下一波硬體的投資。」

林宗瀛認為,目前AI的早期採用者仍是少數,最成熟的通用時機點大概會落在2026年。

不過屆時在市場等待的,也可能不只群聯一家地端方案,像是NVIDIA執行長黃仁勳在1月7日的美國消費性電子展(CES)開幕演講上,就發布和聯發科合作開發的個人AI超級電腦「Project DIGITS」,揭示將AI推進至筆電、自駕車與機器人等邊緣應用的野心。

好消息是,去年下半年起,邊緣AI開始出現討論聲量,NVIDIA的投入事實上也讓鎂光燈聚焦在這塊市場,潘健成看好「aiDAPTIV +」今年會進一步被市場接受、為群聯貢獻營收。在那之前,他的態度倒也坦然,「生意到哪裡,就做到哪裡囉!」

延伸閱讀:羅智先,3年入主4家公司!圖解統一帝國:如何從1家小麵粉廠煉成6千億營收母艦?

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