「大學創投」是什麼?台大、麻省理工、東京大學投資領域一次看,為何多數著眼「深科技」?
「大學創投」是什麼?台大、麻省理工、東京大學投資領域一次看,為何多數著眼「深科技」?

由《數位時代》與創業小聚主辦的2025 Meet Taipei創新創業嘉年華於11月20日至22日,在台北花博爭艷館盛大登場。今年將有來自日本、加拿大、美國等19個國家,共413家新創團隊齊聚,《數位時代》與創業小聚將帶來第一手的現場觀察。

20年,足夠讓一個剛畢業的工程師從菜鳥變成產業大佬,也足以讓一支傳統的10年期創投基金徹底清算2次,但是對於大學創投基金來說,這可能只是一家新創從誕生到出場的時間。

「我們投資的一位教授創立的公司,耗時整整20年,才以超過10億美元的估值在香港證交所IPO。」新加坡國立大學創投NUS Enterprise資深副總監Germaine He分享了這個真實案例。

大學創投在新創生態系當中是個相當獨特的存在,除了追求財務回報,還是將深科技(Deep Tech)商業化的「耐心資本」,更是校園社群養成的一種關鍵機制。

但是怎麼做到財務獲利跟社群養成的雙重目標?將學研結果商業化的過程中,大學創投又扮演什麼角色?

在Meet Taipei上,麻省理工學院(MIT)的E14 Fund、東京大學的UTokyo IPC 、京都大學的Kyoto-iCAP、新加坡國立大學的NUS Enterprise和台灣大學的台大校友創投基金,共同探討了「大學創投」的意義與哲學。

大學創投是怎麼運作的?

如果以創投基金的架構來看,大學創投與一般創投沒有太大的差別,但是資金來源會影響著大學創投的投資選擇。

MIT的E14 Fund雖然與校方仍屬於夥伴關係,並將部分利潤捐回給MIT,但是E14 Fund的資金來源主要外部投資人,因此投資項目雖然主要是MIT校友社群,但不是唯一限制。

類似的還有東京大學的UTokyo IPC和京都大學的Kyoto-iCAP,資金來源幾乎都來自政府,因此投資的新創就不限於自家學校的技術。UTokyo IPC是輔導日本國立大學或科研技術商業化;Kyoto-iCAP則更廣泛地協助科研的技術商業化,例如雲端解決方案企業優必達就獲得了UTokyo IPC管理的AOI Fund 1投資。

至於新加坡國立大學的NUS Enterprise的資金來源是校務基金,因此需要投資在新加坡國立大學的團隊身上,而台灣大學的台大校友創投基金雖然也限制只能投資台大校友,不過資金來源卻是外部投資人而非校務基金,「這是為了平衡財務回報與學校的生態系建構目標。」台大校友創投總經理江旻峻說。

2025 Meet Taipei_學術創投 × 創業:開啟全球新創之路
日本東京大學創投UTokyoIPC管理合夥人Takashi Chris Furukawa(左二)、日本京都大學創投Kyoto-iCAP新加坡辦公室代表Raymond WP Woo(右二)和台大校友創投NTU Ventures總經理江旻峻(右一)分享,大學創投的投資目標不見得鎖定在校園內。
圖/ 曾令懷攝影
2025 Meet Taipei大學創投比較表
麻省理工學院、新加坡國立大學、東京大學、京都大學與台灣大學等校的大學創投基金比較。
圖/ 創業小聚自製

生態系的建構對大學創投來說是相當重要的任務,這和大學創投的核心使命相關。

協助深科技落地的關鍵,是社群資源

觀察這5家大學創投的投資組合,幾乎都將焦點放在了「Deep Tech」(深科技)領域,涵蓋AI、機器人、半導體、生命科學、能源材料等。這相當合理,因為大學就是學術和創新的發源地,而且攸關國家安全與基礎建設發展,可以說「商業化」是必要的目標。

不過這類技術要落地的時間周長相當久,風險也較大,為什麼學校會以追求高倍數獲利的「創投基金」模式來推動這件事?

「我們認識這些人已經很久了,這種信任是大學創投的優勢。」MIT E14 Fund的管理合夥人Calvin Chin表示,身處大學的創投們與學研單位朝夕相處,這讓大學創投得以享受到獨家且高品質的案源,盡職調查(Due Dilligence)的時間也遠比外部創投短,更能承擔其創新風險。有這層把關,大學創投就可以幫助團隊們吸引到原本不敢投資的創投和投資人的資金,增加商業化的速度和可能性。

2025 Meet Taipei_學術創投 × 創業:開啟全球新創之路
美國麻省理工學院創投E14 Fund 管理合夥人Calvin Chin(中)和新加坡國立大學創投NUS Enterprise 資深副總監Germaine HE探討大學創投如何協助技術商業化。
圖/ 曾令懷攝影

當實驗室的研究成果要轉化為具備市場價值的產品時,社群的重要性就誕生了。

「在教室裡不實際去創辦公司,就像學游泳卻不下水一樣,這真的不可能。」Calvin Chin說,E14 Fund深度參與企業社群,並與企業共同舉辦密集的工作坊和黑客松,讓研究人員參與實際運作。

東大IPC總經理Takashi Chris Furukawa認為,科學家不懂商業是一個常見的難題,因此他們需要引入CEO或具備商業能力的成員;台大校友創投採取了「校友優先」的策略,投資那些具備多次成功退出經驗的校友創辦人。他們讓這些資深校友在社群中發揮作用,幫助第一次創業的台大校友學習真實世界的商業語言。

大學創投也必須有國際化策略——尤其是台灣

值得注意的是,新加坡國立大學的NUS Enterprise的資金並不只用於直接投資,另一部份則選擇投資其他基金(Fund of Fund),「我們一位創辦人向來自矽谷的創投介紹了自己研發的技術時,那個創投卻說這項技術在美國市場上已經存在超過10年,」Germaine He說,「這讓我們深深感受到,自己是處於多麽封閉的環境。」

NUS Enterprise選擇Fund of Fund的策略,就是為了打開國際視野、獲取情報並跟上市場節奏,目前投資了Granite Asia和專注在生醫領域的4BIO Capital等基金。

這個策略帶給台灣的提醒是,我們同樣是天花板不高的市場,就算是學研團隊創業,也必須第一天就考慮國際市場。

江旻峻針對這個議題則表示,台大校友創投是個以社群為核心的基金,因此會以「在地化」投資策略彌補國際視野,「與其將台灣團隊硬推出去,不如直接投資那些已經在矽谷或海外市場具備多次成功退出經驗的校友創辦人。」

十年樹木,百年樹人,大學作為教育場所,就算是培養新創,也必須格外有耐心。

關鍵字: #Meet Taipei
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