觀點|《曼報Pro》預購十天破3,000萬元,AI時代下的內容產業怎麼玩?
觀點|《曼報Pro》預購十天破3,000萬元,AI時代下的內容產業怎麼玩?

由創作者曼尼(Manny Li)推出的訂閱制內容服務《曼報 Pro》預購開賣十天,總訂閱人數破5,000人(至上稿時已有近6,000人訂閱),總金額粗估超過3,000萬元。AI時代是付費內容的墳場嗎?曼尼的成績傳達出一個訊息:AI或許讓資訊更便宜,但讀者仍願意為創作者的判斷和連結能力買單。

曼尼是誰?

在社群上鮮少展示真面目的曼尼(Manny Li) 並非全職文字工作者,自述為「一名上班族」,自2014年開始於部分商業媒體以專欄形式輸出對產業及商業策略的觀點。2020年開始推出電子報《曼報》,2022年推出Podcast計畫,專門探討科技趨勢、新創公司,以及商業思維。和夥伴Angela也不定期閒聊或emo(情緒輸出),成為後期的個人特色。《曼報》目前已突破4萬訂閱,Podcast每集不重複下載超過2萬次。

從一開始更偏像個人興趣發展的電子報,五年多後為何走向訂閱制?曼尼在社群上分享:

  • 想找人做出自己一輩子都做不出來的東西。
  • 連結更多人。
  • 嘗試當資金、人才、資源到位,會發生什麼事?

而他本人對這個專案原本的預期是「超過500人訂閱、年營收200萬;如果過1,000人訂閱、年營收500萬,就是遠超預期。」而至今(8/18)不到三周的成績,早已超過當初預估的十倍以上。

AI真的即將扼殺媒體產業?

Substack 2025年表示,平台上有超過50位創作者年收逾100萬美金。從國際市場的水準來看,《曼報 Pro》的成績也已可擠進一線。發生在2300多萬人口的台灣華文市場,具有其指標性。特別在「AI將殺死媒體產業」論點頻傳的時代背景下,這是一個很好的時間點來探究,什麼樣的內容有機會在變現能力上異軍突起。

如果是傳統意義的新聞內容媒體,即便在已開發國家,願意為新聞付費的比例也不到兩成。在大多數國家,傳統新聞媒體難以與讀者建立聯繫,參與度下降、信任度低、數位訂閱量停滯不前。從這個視角來看,如果你的內容還停留在傳統短平快、和競爭媒體相似度高、AI能找到一堆的純新聞,讀者真的不太願意為這樣的內容付費。

但我們來看看另一種極端:矽谷最具影響力的「一人媒體」Ben Thompson,他在2013年創辦科技與商業分析電子報Stratechery。內容聚焦於平台經濟、網路策略、商業模式與科技產業競局,每週提供一篇免費公開文章,並以每日會員簡報(Daily Update)作為訂閱主力,如今有數萬名付費訂閱者,每年約120~150美元,年營收粗估數百萬美元,被視為「個人知識變現」的經典案例。

Thompson曾任職於蘋果、微軟,自MBA畢業,他在全球行動網路軟體(Mobile internet)起飛的2013年抓準了一個細分市場: 全球科技決策者需要對產業的深度解析 。與一般新聞不同,他的文章重在商業模式解構與趨勢研究,其深度甚至常被矽谷CEO與投資人引用。加上「先免費、後付費」的設計,讓新讀者先感受內容價值,再決定是否付費升級。

什麼樣的內容會讓讀者願意掏錢?

Thompson的故事已經是十年前的案例,十年後在AI摘要漸成主流的時代,《曼報 Pro》仍能做出超越預期的成績。這證明人們對於「 高品質的判斷 」與「 值得信任的觀點輸出 」仍然有需求,並能支撐起高黏著度的付費社群。

Reuters Institute 2025的數位新聞報告(Digital News Report)提到,讀者更信任「人製作的新聞」,並對AI生成內容試圖保持距離。雖然不少人透過AI做摘要,但深度解讀與品質把關仍期待「人」來完成。

進一步來看,《曼報 Pro》到底賣什麼?

深度公司個案分析,拆解一家公司的商業模式與策略判斷。從公開資料出發,手把手帶你看懂企業運作邏輯,並留下練習題,讓你不是只看懂,而是學會怎麼做。

聚焦創新趨勢與產業洞察(AI、自動化、太空、健康、媒體、國防⋯⋯),幫你建立跨產業的商業直覺,比免費版「曼報」還要豐富、多元、深度的創新趨勢專文。

每兩個禮拜精選出一票必看的名家訪談,並且用一針見血的幽默來幫大家畫重點、看懂名家都在想什麼,幫你建立一種「怎麼讀訊號」的視角。

曾在J.P. Morgan Asset Management任職11年、深耕產業研究與投資的《曼報 Pro》共同創作者余鎮文(Vincent)在其社群上總結:「在一個資訊近乎免費、AI就可以幫你寫報告的時代,你更需要練的,不是吸收力,而是判斷力。」

再來是關於身分和社群的連結。

《曼報 Pro》將會員社群、實體聚會、投書權等「身分與連結」打包,形成內容+社群+活動的綜合價值,這種無法搜尋、不可複製的體驗,是 AI 取代不了的。在曼尼經營自媒體的過程中,也會和類似的創作者逐漸形成知識型同溫層,互相推薦、互相導流。在這次的訂閱制上線時,可看到眾多同樣是科技財經類的創作者、創業者、甚至企業高層,紛紛在自己的社群上推薦,這是一種隱性的社群價值和同溫層連結。

AI時代下,媒體未來該怎麼走?

回到內容產業本身,特別是傳統意義上的新聞媒體,還可以怎麼做?
AI 的確能快速複製新聞、整理資訊,讓「事實」變得便宜,但它同時重新定義市場:越容易被 AI 取代的內容,越沒有商業價值;越無法被 AI 複製的部分,越有變現能力。AI時代下的內容產業要往什麼方向走?我們有幾個選擇。

  1. 用AI增產新聞、報告與內容,持續做流量。 這條路徑仍然存在,但技術門檻低,容易陷入紅海。

  2. 如《曼報 Pro》、Stratechery,一人也能做,產量小、毛利高,把專業判斷與分析框架商品化,賣給願意為「研究外包」付費的高知識族群

  3. 回到媒體核心本質:與人的互動採訪與社群連結。 第一手訪談、實地觀察、連結業內人士、媒合商機,這些是AI無法提供的,卻是垂直媒體能第一手供給的稀缺資源,也是最能建立話語權的武器。

AI擅長產出無窮多的答案,卻難以提供可信的立場與高價值社群連結。讀者要的不是一堆隨手可得的事實,而是有人幫忙下判斷、拉框架、盤點、專家知識、做出總結。

或許再過幾年回頭來看,採訪記者會成為一種具備手工藝價值的職業:專門進入真實世界,取得人類專家的想法和第一手觀察,成為AI知識體系不可或缺的來源。並和AI協作,產出更具人本深度的觀察和分析。AI巨頭們會不會願意為了第一手採訪內容付費,還是將就於大量自動化生成內容?還不好說。但作為內容產業的一員,當然更期待AI工具的存在意義,是使得世界的訊息流通變得更有趣多元。

在內容產業裡,AI也許會把「例行、可複製」的部分通通自動化,迫使人類內容工作者轉向更高階、更有創造性的價值: 現場觀察、深度對話、價值判斷、社群連結 。最後再提一次2016年Google AlphaGo打敗李世乭的意義:AI終究激出世界棋王下出了他原本下不出的那一步棋。

延伸閱讀:6萬次爬蟲只換來1次點擊!AI搜尋促成「流量大斷崖」:Google如何改寫搜尋行規?

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