20秒搞定賽事精華!皇馬加速器看中的AI新創,如何用AI「快剪」席捲體壇、媒體圈?
20秒搞定賽事精華!皇馬加速器看中的AI新創,如何用AI「快剪」席捲體壇、媒體圈?

將AI產品打入中華職棒、台灣職業籃球聯盟P. LEAGUE+(PLG)、鏡電視,還把觸角伸到日本、泰國、越南、香港及新加坡等海外市場,更成功入選西班牙知名體育球會皇家馬德里的加速器,這是成立5年的新創超妡科技(妡音同新,下稱Spot)的成績單。

Spot提供一站式AI雲端媒體資料庫(AI Film Room)解決方案,其核心價值在於流程整合與AI快速剪輯,大幅簡化傳統媒體和運動賽事在影片內容拍攝、剪輯到入庫的繁瑣與耗時流程。

有趣的是,Spot團隊僅有5人,還從未對外募資過。「AI的變化太快了,不要過度投資可能對我們是比較穩健的做法。」Spot共同創辦人洪頎茗說,「小團隊可以做很多新的模式,我們要仔細思考每個客戶的需求,然後把產品做深,才可能跑在前面。」

抄截社群「快」流量,旁白、字幕難不倒

Spot是從運動賽事起家的,著重於精準捕捉關鍵時刻,包括自動偵測進球瞬間、精彩重播片段及其他重要情境。例如璞園領航猿球星盧峻翔切入上籃得分後,正式成為聯盟歷史得分王,這段影片經過Spot的AI技術配上旁白與字幕後,最快20秒就能放上PLG的社群媒體。

超妡科技 Spot
圖/ 數位時代製圖

跨入媒體業則是Spot的新嘗試,因為兩者之間有個共同痛點:影音資料的整理與快速剪輯。

在傳統模式中,媒體的攝影師或工作者常常扛著體積龐大的攝影機,加上一個5G背包到現場,傳輸直播訊號回到中控室後,再透過導播器材、收音器材等各種硬體設備快速後製直播,或者將影片儲存至剪輯師的個人電腦,經過漫長的剪輯過程後,再將成品手動匯入媒體的影片庫中。這種高度依賴人工的流程不僅耗時費力、容易出錯,而且硬體設備的不便性也是個硬傷。

在短影音當道的時代,運動聯盟等不及這樣的處理速度,對於每天可能需要處理數百支影片的新聞媒體而言,更是不可接受。

「但是運動賽事數量有限,還有季節性問題,營收天花板不高,媒體對快速剪輯的需求卻是持續不間斷的,特別是在OpenAI技術剛問世,聲音轉文字等功能契合媒體需求時,這是一個進入媒體市場的契機。」洪頎茗解釋從運動賽事切入媒體業的原因。

那Spot怎麼解決?Spot將產品定位為一個雲端媒體資料庫(AI Film Room),將從拍攝到剪輯的功能整合到單一平台上,從直播、剪輯到保存,省去了人工檔案複製、轉檔等繁瑣步驟。

只要用手機進行錄影或直播,就會自動上傳到Spot的雲端媒體資料庫,除了具備影片庫存的功能,還有AI貼標籤、即時語音轉文字、自動生成摘要與剪輯等功能。新聞媒體方面,Spot的AI技術則主要用於自動化處理大量資訊、抓取重點與新聞裁切。

透過高度整合,Spot能將10人團隊的工作量縮減到3人,大幅提升媒體的工作效率,更能顯著降低營運成本,甚至省下龐大的基礎設施預算。「我們提供的更像是一個基礎建設,而不僅僅是SaaS工具。」Spot商務長陳冠宇補充。

不學Adobe全面撒網,鎖定小眾深度經營

不過正如洪頎茗所言,AI變化非常快,Spot僅憑AI立足的話,優勢何在?

他表示,這些功能的確並非只有Spot能做到,所以關鍵是提供無縫且便利的體驗,也就是在盡量不改變流程、器材的情況下讓客戶使用Spot。但這相當不容易,因為Spot的AI對人力安排的衝擊非常直接。

由於影音拍攝、直播與剪輯本就是「勞力密集」工作,需要頻繁地臨時調度人力到現場,因此無論是運動聯盟還是媒體,都已經安排大量人力在其中,如果直接導入Spot,企業管理者往往會對於無法派工的人力陷入不知所措的困境。

面對這些挑戰,Spot採取了多重策略: 首先,他們鎖定尚未擁有大量媒體人力或剛成立新影音部門的客戶 ,因為那些還沒聘請大量人力或剛要發展新影音事業部門的企業,更能以開放態度導入新工具。例如在日本某個大型運動媒體中,其影音部門僅有5、6人,使得溝通和導入工作變得相對容易。

其次, Spot採取深度貼近企業的合作模式,而非簡單銷售軟體。

洪頎茗解釋,他們不會像設計軟體Adobe一樣丟一套軟體讓客戶自行摸索,而是把自己變成使用者,深入理解客戶的工作流程,將Spot的產品融入其中,解決最實際的問題。陳冠宇補充,他們會觀察多個客戶的需求,找出共通的情境進行產品迭代,而不是做純粹的客製化開發,以確保產品的可擴展性。

左起依序為超妡科技商務長陳冠宇、共同創辦人洪頎茗、施冠廷。
圖/ 侯俊偉攝影

在台灣步入穩定成長之際,Spot已瞄準海外市場,雖然最初理想是專攻日本,因為其運動市場成熟且與台灣喜好相似,但因日本客戶導入速度較慢,他們隨後轉向多市場試點,包括泰國、越南、香港、新加坡及菲律賓等地。

洪頎茗笑稱,雖然經營中的海外市場看起來很多,但每個地方的主要媒體和賽事數量不超過5個,因此實際上仍在團隊可控的範圍內。

這也凸顯了Spot另個獨特之處:他們至今仍是一支由5名正職員工組成的小型團隊,且尚未對外募資。

洪頎茗解釋,這是Spot在AI時代下的刻意選擇,「追求成長很重要,但真正有意義的是成長本身而非數字。只看數字的時候,你可能會去為了它做很多無意義的事情,變成無意義的擴張。」

換句話說,「做深」每個客戶,而非盲目追求數量,是Spot當前的核心。「我認為AI會在某個時間點巨變,這時就是小新創殺出的時候,所以我們要保持彈性,先維護留存率與客戶,階段性擴張,才能重圍市場贏家。」洪頎茗說。

超妡科技(Spot)

  • 共同創辦人:洪頎茗、施冠廷
  • 產品/技術:一站式AI雲端媒體資料庫
  • 營收:年經常性收入約新台幣2,100萬元,尚未對外募資

延伸閱讀:「因為AI,募資A輪門檻已經高了10倍!」矽谷創投第一線解惑:AI泡沫是真的嗎?
創業不再是科技巨頭專利!AI讓單人獨角獸將誕生,能像經營YouTube一樣普及

責任編輯:蘇柔瑋

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