「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?
「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?

「我想成為創業家第一個想找的GP(General Partner)。」這是心元資本創始執行合夥人鄭博仁成為創投的起心動念,如今他在這個夢想裡走過了10年。

10年來,心元資本的投資組合總資產淨值已突破500億美元,投資過市值突破百億、在紐約證交所上市的遠距醫療企業Hims & Hers、被PayPal以27億美元併購的日本先買後付平台Paidy等新創。

心元資本下一步的目標,毫無懸念地是AI。不過對AI的狂熱與大筆資金的湧入,也引發了一些疑惑: 在這場追求極致效率的資本遊戲中,矽谷是否已迎來一場高估值的AI泡沫?

心元資本10週年活動上,邀請到來自加密基礎設施公司Magic Labs總裁Jam Jin、保險與財富管理軟體公司InfrasAI的創辦人Nelson Lee、全自動醫療帳務AI代理Max AI的創辦人Zubair Ahsan,以及專注於超選拔創業加速器HF0的合夥人Dan Morse,一起探討矽谷當前的狂潮真相。

心元資本十週年.jpg
心元資本十週年活動上,由左至右為InfrasAI創辦人Nelson Lee、Magic Labs總裁Jam Jin、加速器HF0合夥人Dan Morse,以及Max AI創辦人Zubair Ahsan進行討論。
圖/ 曾令懷攝影

A輪門檻從「百萬」暴漲至「千萬」!AI究竟是泡沫還是被低估了?

矽谷擁有世界上最多的資本,許多新創可能在連產品都還沒有的情況下,就能讓投資人丟出大筆支票,加上近來NVIDIA、OpenAI、AMD、甲骨文等相互的投資、合作和訂單,不免讓人擔心AI泡沫是否愈來愈大。

延伸閱讀:一張圖揭露AI熱潮真相!循環交易是什麼?「輝達好朋友閉環」為何推升AI泡沫風險?

HF0的合夥人Dan Morse坦承,如果從「市場動力學」來看,某種程度上確實存在泡沫。他解釋,自2021後,投入新創早期階段的資金比以往任何時候都多,但隨著AI出現,創辦人所需的資本反而更少。這導致了「更多的資金追逐更少的資本需求」,根據簡單的供需曲線,估值自然水漲船高。

然而,Max AI創辦人Zubair Ahsan則持反對意見,他認為AI公司其實是被低估了。他犀利地指出,AI與Web3泡沫大不相同,「因為當時幾乎沒有任何(區塊鏈)新創兌現了承諾。」反觀自己的新創Max AI,已經在沒有「人類介入的情況下」處理了數萬筆索賠,即時交付真實價值。Zubair預言,未10年內這些頂尖AI公司IPO時,最低估值將達數千億美元,頂級公司甚至可能達到數兆美元。

也就是說,「營收期待被AI推高」將成為新的常態,對於投資人而言,他們追求的衡量指標可能會完全改變: 100萬美元ARR(年度經常性收入)不再是A輪募資的基準,1,000萬美元ARR才是新的衡量標準

為了達到這個新門檻,矽谷的創業文化也發生了翻天覆地的變化。 過去,創辦人炫耀的是「募資輪次、員工人數和投資人背景」:現在,新一代創業者追求的是「交付價值」、「不合理地提早實現盈利」。

「現在的炫耀資本是:『我只有10個人,但ARR已經達到1,000萬美元』。」Infestai創辦人Nelson僅用不到100人,就為多家財富500強客戶提供服務。為了達到這種「少即是多」的極致效率。Zubair觀察到,許多創辦人正在投入極高的工作強度,「996或更多」,只為在一年或更短時間內實現千萬美元ARR的里程碑。

> 延伸閱讀:第一性原理是什麼?黃仁勳與馬斯克都靠它摸透「卡關的真相」,3個實際案例搞懂關鍵思路

創投關係進化,從「價值增值」到「時間減法」

隨著頂尖創辦人越來越精明,創投與創辦人的關係也迎來了典範轉移。Dan Morse認為,過去30年,創投業一直朝著「價值增值」(Value Add)的方向發展,從提供建議、人脈網絡,到提供招募夥伴等功能性服務。

但現在,這個趨勢達到了一個臨界點:價值增值已成為一種商品。對於連續創業者而言,他們知道自己在做什麼,不再需要這些協助,他們真正需要的是「速度」。

Dan表示,這些頂尖創辦人總是擔心競爭對手跑的更快。因此,HF0專注於提供槓桿和加速器,讓創辦人在12週內完成12個月的進度。這是一種「修道院遇上黑客松」的駐地模式,目標是替創辦人「減去」生活中的瑣事,讓他們能夠跑的更快。Dan預測,未來20年內,將有30%的創辦人會來自這類駐地模式。

對於VC而言,新的指標不再是提供多少建議,而是要知道如何為公司「加速」。

另一方面,為了領跑競爭對手,創辦人的所有決策變得更重要了,尤其是早期階段的選擇,畢竟一步錯,就會步步錯。最難、也是創辦人最後悔沒有更早做出的決定,往往與人事有關。

Max AI的Zubair坦言,當共同創辦人關係出現不協調時,他後悔拖延了數個月才決定「分道揚鑣」。Nelson也有相似的慘痛經歷:他花了8個月延攬一位高階主管,但在60天內就知道這是錯誤的決定。他陷入了「沉沒成本謬誤」,多拖延了數個月、期待情況好轉,「結果當然沒有更好。所以一旦心裡知道錯了,就要盡快採取行動。」

延伸閱讀:影視颶風攻進台灣YT首頁,一個輟學少年如何變身流量野獸?

面對市場週期的起伏,InfrasAI的Nelson提出了最激進的建議,幾乎是對所有市場評論家和投資人的一次集體嘲諷:「完全忽略它。」他認為,牛市、熊市、媒體的評論、甚至投資人對你產業的熱度評論,通通都是「噪音」(noise)。

「唯一重要的是:你是否為客戶交付價值?」Nelson堅定地說。如果客戶願意付錢,你就能建立一家偉大的公司。Dan Morse總結了這場對談的核心金句,同時為文章劃下了強而有力的書擋:「重要的事,無論市場如何變化,都依然重要。」這或許是矽谷「圈內人」對當前這場瘋狂AI遊戲,最為清醒而堅實的定錨。

本文授權轉載自創業小聚

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