桃太郎吹奏網路下單曲
桃太郎吹奏網路下單曲
2000.06.01 |

去年底,台灣第一家不帶水泥味的「純」網路券商,創新證券開張;營運近半年,氣勢不敵市場上從傳統實體券商變身,帶著濃濃水泥味的「水泥網路券商」(click-and-mortar);大家期待中的台灣ETrade,本該大展身手,卻似乎教大家有些失望。
台灣E
Trade不成,日本證券市場上,由美國ETrade和軟體銀行(Softbank)共同成立的ETrade Japan,也是一路戰來,辛苦戰兢。在日本,第一回合激戰的結果,傳統券商仍佔了上風,第一、第二名寶座仍被傳統券商野村證券與大和證券搶去,E*Trade Japan排了第三名,而且用戶數不到對方的三分之二。
從第一回合戰局看來,日本線上下單市場發起階段的戰績,水泥網路券商是後發先至;對純網路券商而言,這是一場該如何前進下一步的突圍戰役!
日本的網路下單風潮,幾乎和台灣同時發生。去年十月,隨著日本政府解除股票交易手續費的固定費率規定後,不僅市場上的第一、第二大傳統券商,野村證券與大和證券開始積極投入線上交易,許多純正網路血統的網路券商,更是趁此搬出價格戰絕招(甚至是某一段時間內的免手續費交易),試圖在線上下單的股票交易市場打下江山。

**折扣戰:策略大忌

**
股票交易的手續費折扣,刺激起整個線上下單市場。由於法律開放,各家業者集體降價,日本的網路下單人口,從去年九月約十九萬,到今年四月,已經成長到超過六十萬,尤其去年十月,一個月內就增加了十萬人。目前同時位居實體市場及線上下單最大券商的野村證券,從去年十月到今年一月底就增加了超過六萬會員,使其所擁有的線上用戶數量達到十三萬,大約是野村證券所有開戶數的10%。
要在日本的網路券商市場佔有一席之地,衝刺用戶數,是第一道關卡。野村總研(Nomura Research Institute)以美國五千萬證券交易戶中,有一千萬線上下單人口的比例推估,日本八百萬的交易戶,潛在市場規模是一百六十萬(全部交易戶的20%);以市場上超過三十家網路券商的競爭狀態計算,要想立足,至少得有十萬以上的會員。
手續費折扣可以刺激市場,卻不一定是網路券商的決勝關鍵。一筆一百萬日幣的交易,ETrade Japan收費二千日元,野村的網路下單收費卻是九千二百元;然而ETrade目前八萬名的用戶數仍遙遙落後野村。而即使同樣是純網路券商的Monex,手續費甚至更便宜,只要一千日幣,但目前的登記會員數六萬人,落後於E*Trade Japan。野村證券的市場研究指出:「不到1%的線上下單用戶,是以價格作為選擇券商的主要考量。」

**如何降低成本同時提升品質?

**
提供投資相關諮詢服務,是券商滿足客戶需求的不二法門。以野村與大和兩家日本老證券的手續費折扣政策為例,減少的23%到25%其實是透過網路下單所節省下的營運成本;亞洲華爾街日報分析,真正吸引顧客上門的原因,還是這兩家老字號傳統券商,提供給會員的研究報告及投資顧問服務,這是純網路券商難以相敵之處;尤其,「日本很缺乏券商以外的獨立金融資訊諮詢管道。」
野村證券甚至在網路上提供類似「大富翁」遊戲的虛擬股票交易機制,讓更多人願意嘗試用網路下單。每位登記者擁有一百萬日幣的虛擬資金可以在網路上進行交易,目前參與遊戲的人數將近八萬人,而這些登記者顯然會是未來的潛在線上下單客戶。Monex社長松本大曾表示:「線上下單最大的潛在市場,是那些既不投資股票又沒上網的人。」
在傳統大券商的「服務」與純網路券商的「折扣」夾擊下,真正受害最深的還是中型傳統券商。由於產品及服務無法和大型傳統券商比擬,手續費價格又有像ETrade Japan純網路券商虎視眈眈;無法轉型網路的中型券商客戶,成了純網路券商會員的主要來源。ETrade Japan的客戶群中,大部分都是來自之前併購的一家中型傳統券商。

**全方位業務發展計畫

**
網路券商為招攬會員所投注的大筆行銷花費,是難以回收的成本。美國ETrade今年的行銷預算為三億美金,其過去獲得一位客戶的平均成本是二百美元,另一家DLJdirect的成本更高達七百美元。(去年四月,DLJdirect和日本住友銀行合作成立日本DLJdirect網路券商,目前是日本僅次於ETrade Japan、Monex的第三大純網路券商。)
根據野村總研報告計算,在日本,取得一個線上會員平均四萬日幣的成本,相當是ETrade Japan一個會員交易一百次,公司獲利的80%。高成本行銷費用,成為網路券商的主要經營挑戰,尤其是對沒有其他金融業務的純網路券商。開發線上下單以外業務,是純網路券商當務之急。因為單純經營網路下單的利潤微薄,而且經濟規模建立成本高昂,ETrade Japan除了經營線上下單,公司新上市的股票承銷成為ETrade Japan的另一項主要業務,社長井土太良說明:「承銷業務是我們現在就能有獲利出現的重要原因;」他同時也強調:「這是ETrade Japan不同於其他純網路券商的主要差別。」今年初,獲得索羅斯投資基金(Soros Investment Fund)挹注的Monex,也將利用擴增後的資金開展股票上市承銷業務。

**所有的企業都將是網路企業

**
「我們不是網路公司,而是利用網路做生意的券商。」ETrade Japan成立前,原本服務於野村證券的井土太良點出公司未來的發展方向。除了上市承銷,ETrade Japan也將推出更多基金、債券等金融商品,配合會員資料庫分析和網路一對一行銷模式,供會員作線上交易。
第一回合交手中,傳統券商並沒有因為使用網路下單而打擊到原本的營業員,因為傳統券商將交易量小的客戶引導到線上下單,反而讓營業員有更多心力照顧大戶,提供更個人化的投資顧問服務。但當網路券商不再自我侷限,只是幫客戶用網路買賣股票,也能提供更多元化的金融產品,和透過資料庫行銷的貼心投資訊息,實體券商將真正感受威脅。
當網路券商的業務內容更為「充實」,傳統券商的手續費折扣,勢必得作另一次讓步;而真正券商對券商,而非券商對網路的第二回合大戰,將會開始!

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