一碗冬粉,靠AI成亞馬遜熱賣商品!日正總座:不去使用科技,就會被淘汰
一碗冬粉,靠AI成亞馬遜熱賣商品!日正總座:不去使用科技,就會被淘汰

在2022 年,日正食品看見麻辣熱潮席捲美國市場,推出麻辣拌冬粉搶占商機,沒想到消費者反應冷淡,於是爬取亞馬遜(Amazon)平台針對冬粉的評論,運用自然語言處理(NLP)技術進行語意分析,發現自家產品對北美消費者來說太辣,反而賣不動,於是調整辣度,成功熱賣。

這是日正結合 AI 和 C2M (客戶對製造商,Consumer to Manufacturer)模式,透過蒐集市場數據,回饋到產品設計和研發流程中,進而達到精準研發、製造,縮短研發和上市時間。例如中國電商Temu 就蒐集用戶瀏覽的數據,透過 AI 分析,提供對不同消費者有吸引力的產品和優惠,躍上美國 App 排行榜冠軍。

對食品製造商來說,有了 C2M,等於擁有精準的市調武器,日正食品總經理李采慧指出,語意分析發現美國消費者偏好泰式酸辣,於是推出「香辣蟹粉絲」、「泰式酸辣寬粉」,成為亞馬遜的暢銷商品,帶動北美市場業績成長 18%。

用電商平台數據回推製造,精準命中北美消費者

李采慧回憶,過去研發曠日費時,先進行市場調查,開發 20 個版本是家常便飯,還得一個個測試,每個版本配方記錄於Excel,開發一個新產品要一年以上。想進入美國市場,只能靠經銷商上架到華人超市,要做市調,除非派人實地調查或發線上問卷,否則全靠猜測。當初就是看到麻辣口味在美國受歡迎,於是把麻辣拌粉上架到亞馬遜,沒有更進一步掌握當地口味,結果銷售慘淡。

2022 年,李采慧參加研討會,看見餅乾廠商用 C2M 數據判斷甜度,大幅節省開發時間,決定加入商業發展研究院(簡稱商發院)的 C2M 計畫,鎖定亞馬遜平台外銷北美。公司派出研發、行銷和國貿部成員,和商發院小組、系統商每2周開一次會,建立客製化數據分析系統,「剛開始蠻辛苦的,就像大海撈針。」研發經理曹巧吟表示,原先以為只要下關鍵字「粉絲」就能找到資料,沒想到亞馬遜資料庫龐大,加上粉絲的英文譯名有各種寫法,結果不如預期。

於是調整策略,從麵體開始篩選,一路從義大利麵、米線篩到粉絲,才掌握到精確資料。接著透過 AI 的語意分析,辨識消費者提及的料理名稱,還能進一步理解文字背後的偏好語境,發現北美市場特別傾向「泰式酸辣風味」。曹巧吟表示,這對研發端影響很大,如果前期篩選不夠精細,只掌握到「泰式」,研發可能就得一起開發打拋、綠咖哩等口味。

這也讓日正做了一個重大決定:改變產品名稱。李采慧表示,「原本冬粉我們是翻成vermicelli,發現連外國人都看不懂,後來改成glass noodles,立刻拉出銷售長線。」

再透過撈取消費者在平台上的評論,了解美國人喜歡小辣,偏好海鮮和雞肉,不愛豬肉,而且重視健康。日正產品開始主打低 GI 無麩質、不含防腐劑和口味多樣性,再盤點相關產品的銷售定價,讓口味小辣的「香辣蟹粉絲」和「泰式酸辣寬粉」上架後,即使價格比其他拌麵拌粉高一倍,依然暢銷,帶動美國市場業績成長 18%,研發時程還縮短一半。

曾導入ERP慘賠千萬,但堅信「你不去使用科技,就會被淘汰」再次挑戰成功

其實日正早在 20 年前就開啟 ERP(企業資源規畫)之路,卻歷經慘痛教訓。2004 年,日正食品不斷擴張,最多全台有 13 個據點,身為財務主管的李采慧發現光靠手工核對帳目容易混亂,甚至出現呆帳。於是投入千萬導 ERP,沒想到當時傳輸速度跟不上,從外部傳一筆資料回總公司就要等好幾分鐘,連打單都卡,最後被迫喊卡,她還在內部會議被高層罵哭。

2 年後,管理部認為公司發展還是需要 ERP。她堅信「科技在進步,你不去使用它,就會被淘汰」,再次挺身而出,「我跟當時的總經理(劉燕飛)說,之前花了 1000 多萬元失敗,我覺得很對不起公司,我來負責。」她跟廠商密切合作,除了提升傳輸速度,還在各據點增設主機,改為每天晚上打包一次資料傳回總公司,減少白天作業干擾。終於成功,應收帳款在系統中一目暸然。

將老師傅經驗輸入自動化設備,AI微調製程

然而,傳統食品廠的考驗還沒有結束。「台灣製作冬粉的老師傅逐漸凋零,人力短缺是我的痛。」為了節省人力,2017 年在南投新建冬粉自動化生產工廠。原以為新設備就能建立自動化產線,沒想到實際運作卻狀況百出。例如冬粉生產過程,把濕冬粉掛桿成形再冷凍,本想用機器手臂取代人工掛桿直接進到凍庫,卻成效不佳。而且常出現斷粉的情況,200、300 公斤的碎冬粉只能報廢餵豬,「花了 2億、3 億元建廠卻沒成功,真的會掉眼淚。」

她回憶當時每天台北南投兩邊跑,不斷開會,絞盡腦汁思考如何把老師傅調配芡汁的功夫導入自動化設備,後來想到泉州廠還有老師傅,把他下粉和芡汁最佳組合比例,結合公司累積 20 多年的數據,寫進電腦參數,利用 AI 微調製程,花了半年終於讓生產品質穩定。

李采慧用日正的數位化經驗為例,「不能一開始沒成功,就放棄,要更努力做好配套措施。」她強調領導者不能交辦下去就完事,從早期的 ERP 到如今的 C2M,「每個案子我都親自去了解,這樣才能推得動、推得成功。」

日正食品數位轉型里程碑
圖/ 日正食品

李采慧

日正食品總經理。政治大學商學院 EMBA 畢業,1993 年進入日正擔任財務主管,2010 年接任總經理,帶領公司進行數位化和ESG轉型。

日正食品

1975 年成立,從事製粉、麵條、冬粉類食品製造,員工人數約 220 人。2006 起年展開數位轉型,2022 年起結合 AI 與 C2M 進行新產品研發,帶動美國市場業績成長 18%。

延伸閱讀:台灣米其林總星數66顆創新高!為何有星星加持的Fine Dining餐廳,業績還是跟著下滑3成?
日本平價咖啡之王!「羅多倫咖啡」3年營收暴增36%,如何用480日圓早餐征服消費者?

本文授權轉載自經理人,作者王毓茹

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