奇妙的亞馬遜經濟學
奇妙的亞馬遜經濟學
2000.05.01 | 科技

對於多數人來說,Amazon.com代表著電子商務上難望項背的完美商業模型。電子商務裏的三大元素:物流、金流、資訊流,在亞馬遜書店裏完美地結合在一起,即便Amazon的店主人傑佛瑞‧貝佐斯(Jeffrey Bezos)不斷公開說明公司在可見的未來裏絕對不會賺錢,但是高度樂觀的投資者仍舊看好它,也讓它的股價守住NASDAQ崩盤前的40美元城池。即便是華爾街的網路女皇瑪莉密克(Mary Meeker),也把Amazon列進四月股災之後的推薦持股名單。這真是太神奇了-Jeffrey!
要了解Amazon的未來,不妨先由它剛出爐的1999年財務報表先看起。由財務數字中,你可以一窺貝佐斯經營的神秘面紗,雖然──他從不解釋為何這麼做。
和多數正逢「無米之炊」的網路公司相比,Amazon實際上並不缺現金,因為一年之前,它就在公司債市場上募得12億5000萬美金,今年二月,Amazon為了不要為手上的錢操太多心,還回到債市償還了6億8000萬。

**7億2000萬美金虧損

**
真正讓人操心的,仍是它不願賺錢。Amazon花了很多力氣爭取顧客,但是,談到利潤,還是個小於零的負數,幾年以來,這個1999年營業額只有12億的小公司已經虧掉7億2000萬美金,別說小公司比不上它,財星雜誌選出的五百大企業中, 494家都沒它虧得多。7億2000萬美金不算什麼,問題是這筆流出Amazon大門的錢,花到那些地方去了?
第一項是購併產生的虧損。光是從1998年以來的購併動作就花了現金3億7000萬,這其中不包括「以股易股」的部分。由於它買下的幾家公司(HomeGrocer.com、Drugstore.com、Pets.com、Sotheby.com)股價表現不佳,在財務報表上認列了7700萬美金的虧損(股災後可想而知,這個數字今年會再擴大)。
其次是經營所產生的虧損,這是投資人最看重的部分。因為它透露出經營模型的優劣,以及未來公司前景。去年,Amazon自己認列在經營管銷上的現金支出是9100萬美金,但是加上投資倉儲、物流、電腦伺服器更新等等成本,估算達到3億7800萬之多,無疑這是造成虧損的最大重點。

**靈活運用財務槓桿

**
在現金不斷流失的虧損狀態下,Amazon如何拿到現金來運作生意?這是最妙的地方──關鍵在於財務的靈活運作,Amazon其實永遠不缺現金。例如顧客用信用卡上網買書,Amazon幾天之內就從銀行拿到現金,但是並不是馬上付給書商,在這短暫幾天之中,Amazon就得以自由運用這筆帳上不應該存在的錢,建立商品庫存、支付員工薪水、買債券。這些錢等於是Amazon向書商「暫借」來運用,卻不付一分利息。Amazon終究還是會付錢給書商,但是在付清之前,亞馬遜書店可用這筆錢做出新的生意、找到新的顧客。這種憑空多出來的財務槓桿到底有多少?從去年Amazon的財務報表來看,大約有4億6300萬美金。換句話說,Amazon擁有一條現金打造的溪流。此外,運送(shipping)利潤,也是穩當收入,即使去年耶誕節旺季整垮了它,這筆錢仍有1200萬美金。
看完了「虧損」與「現金流量」,你可以知道Amazon短期內還算穩當,但投資人卻不免碰到另一個麻煩──股本的稀釋,這卻對長期股價帶來隱憂。因為即使Amazon未來會賺錢,但它賺錢的成長力,也總得趕上它股票發行的速度,才能保障現有股東權益。由數字看來,這家小公司對於印股票這件事,未免過於大方。它已經發行幾百萬股用於購併小公司,目前還準備印幾百萬股給認購權的擁有者,以及加印20億美元的等值股票,給購買Amazon可轉換公司債的新投資者。2000年第一季結束,Amazon共發行了3億5000萬股股票,同時有義務再發行1億300萬股給上述新股東。換句話說,Amazon現有的老股東,只實際擁有「77%」的亞瑪遜公司,這真是天大的壞消息,因為縱使股價不跌,手中的股價仍然天天在貶值。更大的壞消息則是,貝佐斯仍將持續他印股票的政策,目前毫無停止跡象。

**兩派人馬看法極端

**
再來,算算它的投資報酬率吧。如果公元2007年,Amazon的營業額到達300億美元時(這個等同美國實體零售商J.C.Penny的營收,已經是個不得了的數字,因為它意味著亞瑪遜每年都要成長44%),它的獲利能力有多少?
財星雜誌訪問了兩位多頭股票分析師,答案卻相去甚遠。樂觀的一位估計Amazon可以拿到10%的營業毛利,扣掉35%稅金,盈餘是20億美金,悲觀的則只估到4%,扣稅盈餘是8億美金。
樂觀者分析,亞馬遜可以進一步實現市場先驅者的優勢,奠定不可動搖地位,死忠的顧客會繼續湧進亞馬遜書店網站,寧可付出稍高的費用以獲得貼心服務。它也將無所不賣(甚至共同基金),其中將有不少東西的毛利高過於「書」,使當年的賠錢投資有所回報。
悲觀者分析,亞馬遜雖將擁有B2C電子商務龍頭的威望,但必須不斷應付更靈活、更具威脅的競爭者。這些對手只要看到機會,馬上就會用更具吸引力的價格帶走亞馬遜書店的顧客,Amazon將只能享有微薄但合理的利潤。

**投資者到底在想什麼?

**
接下來看投資人可能的報酬。如果投資人期待每年都能得到20%的投資報酬率,那麼2007年的Amazon總市值便必須達到720億美金,加上認購權與公司債的220億,總共是940億。如果按照樂觀者的預言,本益比高達50倍(940/20),如果悲觀者預言成真,本益比將是天文數字(940/8)。
看完了上面的分析,可以得出一個結論:Amazon的擴張策略,是造成它虧損的主因;而即使它成長到誘人的300億美金營業規模,它的可能獲利,也無法支持它現在的股價。
那麼持有Amazon股票,而不賣出的投資人,心中到底在想什麼呢?
也許是鼓勵網際網路的拓荒者吧,或者是相信貝佐斯「超過凡人」的洞察力,終有一天會打破所有分析師的眼鏡-別忘了,Amazon的伺服器裡有1800萬位客戶的喜怒哀樂資料,人類歷史上,沒人有此本領。

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