獨家專訪|Autopass完成3億元募資!串接3千家停車據點+國泰小樹點,他2年打造綿密出行金融生態圈
獨家專訪|Autopass完成3億元募資!串接3千家停車據點+國泰小樹點,他2年打造綿密出行金融生態圈

智慧行車體驗整合商Autopass宣布,共完成總計1,000萬美元(約新台幣3億878萬元)的融資,投資人包含中國信託、中興保全、和碩創投、新生資本、璞石晶華基金,以及矽谷500 Global、Singularity Capital與日本創投機構。

從停車大聲公團隊出走後,以「車牌即錢包」起家的Autopass,2018年用無感支付體驗席捲市場,串聯起所有行車出行的支付場景,像是加油站、停車場、路邊停車位的搜尋與繳費,透過應用程式「車麻吉」,讓用戶進出停車場可以自動辨識車牌繳費,過程中不用掏出現金、信用卡與排隊。

「今年底在全台灣的服務據點會超過3,000個,光停車場就會突破2,000座,而且過去的每一年我們都做到40%以上的成長。」Autopass執行長余致緯揭示近2年的成績單。

如今,在停車和加油站Autopass的滲透率已經超過25%;新切入的充電市場,預期在年底成為全台第3大充電網絡,同時,全台800萬車主中已有160萬是他們的會員。

這張綿密的出行金融生態圈,是如何在短短2年達成?答案,不是砸錢自建,而是「開放」。

Autopass從「車主錢包」到「B2B2C軍火庫」

「早期大家認識我們,是因為『車麻吉』這個App。」余致緯表示,但在2020年當LINE Pay、街口支付等巨頭開始全面推廣行動支付時,他意識到真正的規模化不在於做一個B2C(Business to Consumer)品牌,而是成為「背後的解決方案提供者」。

隨之推出「快速通」,將支付能力B2B2C化,變成軍火供應商的角色,讓客戶從硬體、軟體系統到支付金流,都由平台搞定。例如,LINE Bank與Autopass合作,在服務裡加上辨識車牌支付的功能,車主進出停車場時就會自動辨識車牌繳費,作為LINE Bank提供給用戶加值服務。

Autopass執行副總張勝傳表示,這樣的做法形成雙贏的局面。他以「下水道理論」比喻,全台有許多知名品牌建商,但他們蓋大樓之前,不需要再自建下水道。而Autopass就是出行支付下水道的建造者,提早把最困難的使用場景、數位科技技術都鋪建完成。

現在,無論是大眾熟悉的銀行(如台新、LINE Bank)、電子支付(如街口、Pi 拍錢包),甚至是加油站自己的App(如中油 Pay),背後都串接了Autopass的服務。同時,在B2B領域,他們的系統深入企業後台,像是iRent全台車輛的路邊停車繳費、停車費用管理,都由Autopass處理;中租、iRent等共享汽車業者的「甲租乙還」,也依賴他們提供的停車場網絡。

Autopass版圖
從銀行、車行到加油站等都是Autopass合作的應用品牌。
圖/ Autopass

此策略讓Autopass不再是停車場App的競爭者,而是所有人的「好朋友」。「我們歡迎別人來跟我們串連,因為客戶的成功就是我們的成功。」余致緯說。

延伸閱讀:三次創業練功心法,Autopass余致緯如何讓價值更擴大?

下一步用「駕駛中心」打造車主超級帳號,點數流通各平台

基礎建設布建完成後,Autopass的下一步,則是推出「駕駛中心」(Driver Center)。

「我們發現,現在的車主越來越不方便。」余致緯直指消費者的痛點,光是電動車充電,可能就要下載5、6個App;租用GoShare、WeMo、iRent等不同共享服務,每次都要重新上傳行照、駕照,重複KYC(身分驗證)流程。

「駕駛中心」的構想,簡單來說就是要做車主的Single Sign-On (SSO)。「就像 Gmail login」余致緯比喻,目的是把所有駕駛在意的資料,像行駕照、權益、在用的產品,全部整合在一起。

加上,余致緯觀察到銀行、電信、零售業發行的點數,對用戶最有感的還是「折抵現金」,但這卻是發點方(如銀行)最不樂見的,因為這等於「折帳」,無法產生額外利益。

「發點數對發點方來說是『債』。」余致緯表示,銀行不希望債去抵掉帳,而Autopass提供的解方,讓這些點數流向「日常生活、高頻、剛需」的場景,像是停車、加油、充電,提供消費者更多的選擇。

Autopass 跨足充電場景.jpg
Autopass 跨足充電場景,打造整合金流與用戶體驗的一致流程,擴大智慧行車支付生態圈。
圖/ Autopass

張勝傳表示,透過與各大電子支付公司和銀行合作,Autopass讓車主可以用多元支付工具或直接以銀行點數扣抵,建立起各自獨特的出行金融支付生態圈。 目前已經串接國泰小樹點、全家點數,明年第一季還將加入中華電信Hami Point、台新點數。

其中的獲利商業模式也很清晰。「我們可能是用6點去折5塊錢,」余致緯透露,中間20%的利潤差,就成為Autopass與發點方的分潤空間。對用戶來說,零散的點數有新的出口;對發點方來說,點數不再是沉睡的負債,而是能緩慢消耗,創造新價值的資產。

「出行是剛需!」獲和碩、新生資本注資,目標2026年損益兩平

從創立至今回首創業路,余致緯坦言最痛苦的時刻,莫過於2019年「閃電擴張」模式失靈、被迫收緊補貼,以及2022年為了拿下中油標案,卻因為公司太新而拿不到銀行「履約保證」的窘境。

「最後是請股東幫忙才讓國泰世華願意開保證。如果那時拿不下中油,基本上後面就沒機會了。」走過燒錢補貼的迷霧,余致緯對自己的事業有更深的體悟,「到2020年才搞懂,『剛需是不需要證明的』。」他說「停車需求,不需要去證明它存在。而且至少在20年內,車子這個載具不會不見。」

Autopass預期2026年損益兩平,未來目標推動服務進駐更多App,並擴大線下合作據點,而海外市場方面,已經在日本東京註冊公司,下一步將複製台灣的開放平台模式,串接日本當地的停車場業者與車主服務平台。

延伸閱讀:日產電動車電池大突破!新固態電池續航翻倍、充電縮短至30分鐘,能撼動中國電池7成市佔?

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