專訪|教授變身軍工CEO!王毓駒率隊打造「台海無人機防線」,創未來如何挺進國際?
專訪|教授變身軍工CEO!王毓駒率隊打造「台海無人機防線」,創未來如何挺進國際?
2025.07.18 | 5G通訊

2025年6月初,台灣國防新創創未來執行長王毓駒在個人LinkedIn 頁面上開砲,質疑美國國防新創Anduril推出的「Pulsar小型電磁脈衝武器」堪稱魔法。然而,一段揶揄引來創辦人帕莫拉奇(Palmer Lucky)的嗆聲,一時引起台灣新創圈熱議。

這場隔空交火讓外界好奇,成立至今才滿7年的創未來,有何底氣公開吐槽明日之星Anduril?

事實上,創未來已經拿下國防部10億元無人機反制技術標案、並獲得台杉投資、華威創投的肯定,可以說是台灣國防科技明日之星。

「台灣在半導體、AI和精密機械的產業鏈是發展軍工的重要基礎。」王毓駒表示,近年民用科技水準漸漸超越傳統軍工領域。而創未來抓住這個趨勢,以「商規軍用」模式,將台灣強大的半導體和AI技術,大規模的運用到軍用設備中,實現台灣的國防基礎。

王毓駒_創未來創辦人暨執行長_2025_06_24_蔡仁譯攝-3.jpg
創未來目標是將產品推向國際市場,並建立「台灣軍工科技品牌」。採訪當日,王毓駒會議一個接一個,短短一小時訪談結束後,就匆匆趕場,非常忙碌。
圖/ 蔡仁譯攝影

從學術到創業:王毓駒如何攻克國防高門檻技術?

在成立創未來之前,王毓駒曾在交大電子工程學系擔任副教授11年,雖然在學校教書,卻仍清楚市場脈動,並發現國防軍工領域對先進雷達技術的需求。

而王毓駒過往的博士研究,就是專注於無線通訊和IC設計,也因此順勢投入技術門檻較高的國防雷達系統,以獨家開發的相位陣列(AESA)雷達技術,跨足低軌衛星、電動車衛星通訊和無人機反制市場,客戶遍及海內外。

採訪當日,王毓駒一身藍色西裝,快步踏入會議室,拿出一張印好的訪問題綱,一題一題開始回答。在此之前他才剛結束與另一間公司的討論,從外面趕回公司,與我們的採訪結束後,他又立刻馬不停蹄的出門赴下一個會議。「老闆每天都是這樣一個一個會議緊接著。」創未來的同事透露。

畢竟,2025年可以說是創未來的重要關鍵時刻,1月中拿下國防部10億元標案後,今年必須以加倍速度前行。而創未來的產品有高比例是自主研發,王毓駒分享,目前公司總共280位員工,研發工程師就佔了200名。

而王毓駒也認識到,僅靠國內市場規模不足,因此積極參與國際國防展覽,「台灣國防新創只有我們在參加,我們每一場都去。」

創未來目標是將產品推向國際市場,並建立「台灣軍工科技品牌」。 期望在國際合作中,扮演「技術支持者」的角色,與當地政府偏好的承包商合作,提供完整產品或關鍵零組件或技術。

創未來五大核心技術有哪些?

在2025年6月的巴黎航太展中,創未來展出一套模組化無人機反制系統,也引來歐洲、中東等多國代表團到展區駐足。此套模組化系統聚焦五大核心技術:

創未來五大核心.jpg
創未來積極布局海外市場,整合五大核心技術,提供多元國防科技解決方案
圖/ 黃詩媛製圖

一、T. Radar 數位AESA雷達:
是一種數位AESA雷達(AESA = 主動電子掃描陣列)。這就像是用上千個微型眼睛組成的高智慧「雷達天線陣」,如同蜘蛛人一樣「感知」四周是否有來襲的飛機、無人機或導彈。

二、T. Sensor 多頻射頻偵測器:
這是一種可以「聽見」和「嗅出」敵人電子設備發出的電波的偵測器,像是一隻專門搜尋無人機、雷達、通訊器材訊號的電磁「獵犬」,探測敵人的無人機是否在附近活動。

三、T. Jammer 干擾器:
透過發射干擾電波,讓敵人的無人機、雷達或通訊裝備失去作用。此外,它能針對特定頻率「點對點」攻擊,不會干擾到自己人。

四、T. Cam AI光學系統:
結合AI與光學感測技術研發出的「自動偵察相機」,透過AI可以在晝夜、濃霧、惡劣天氣下都能辨識目標,並且即時傳回畫面與分析結果,協助指揮官快速決策。其可安裝在監視塔、載具或無人機上,讓戰場不再有死角。

五、T. Meta 整合指揮控制平台:
「中控系統」,就像《鋼鐵人》裡的AI助理賈維斯,可以幫軍隊管理、協調各種資訊與武器。它能將雷達、偵測器、干擾器、攝影機的資訊整合在同一平台,協助指揮官一眼看清整個戰場狀況,並且提供AI輔助決策,讓下達命令更快、更準確。

王毓駒指出,許多台灣廠商面臨客戶需求掌握不足、無法進行系統整合及軟體不好用的問題,「但我們把這三個痛點都打掉。」

從衛星到無人機:創未來串聯陸海空天作戰

創未來是台灣第一家自行發射通訊衛星的公司,他們將整個衛星通訊系統、地對空通訊以及無人機防禦系統串聯整合,目標是實現陸、海、空、天(太空)的網格化通訊與協同作戰,並應用於新型載具或無人機,為客戶提供多樣化選擇。

而發射通訊衛星有什麼好處?王毓駒指出,以往的無人機出海後便可能失去通訊,使其難以真正用於軍事作戰。

若要讓台灣的軍用無人機飛出海岸線兩三百公里執行任務,就必須依賴衛星通訊。 創未來的這顆衛星,也解決無人機出海後的通訊問題,使其真正能用於軍事行動。

善用產業優勢,創未來推動台灣軍工科技出海

王毓駒指出,軍工科技的發展模式已從過去的「軍工先行,民間轉移」轉變為「民用科技引領軍工創新」,而台灣強大的半導體和電子產業正是這一新模式的核心驅動力。

他提到,軍工科技現在高度依賴半導體、AI、機器人等最前沿的科技,以新的解決方案來應對傳統問題,「台灣在這些領域的領先地位,能利用既有產業鏈發展新的軍工應用。」

他將軍工科技視為台灣半導體與精密機械產業的「另一個重要出海口」,因為軍工產品對技術和性能有更高要求,且對價格相對不敏感。

這有助於「練兵」新技術,提高產量,降低成本,進而將這些技術推廣到其他產業,形成相輔相成的關係,「未來五年的目標是將台灣在相關領域的軍工科技發展為一個成熟且穩固的產業。」

創未來不僅要滿足本土需求,更要成為全球軍工市場中具備影響力的「台灣品牌」。

延伸閱讀:搶下國防部10億元大單!創未來如何從鳥類飛行偵測,跨足「無人機反制系統」?
「程式碼只是失真投影!」OpenAI工程師預言:「寫規格」才是未來黃金技能,不是寫程式

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