GM,老大象跳恰恰
GM,老大象跳恰恰
1999.11.01 |

在美國,網路上賣車的獨立線上經銷商,已經開始重寫汽車銷售的遊戲規則。
根據統計,近三成的消費者會在購車前,透過Internet比價與蒐集資訊。各地經銷商則付費給網路經銷商,試圖取得「區域專屬權」,讓網路經銷商如Auto-By-Tel、Carpoint、Autoweb.com等,為實體經銷商帶入銷售客源。

**尋變1
先在加州、華盛頓、奧瑞岡、愛達荷四州設立「Buy Power」網站,測試線上購車

**
這件事讓汽車製造商和經銷商傷透腦筋,因為網際網路的比價功能,讓原本擔任中介角色的經銷商必須不斷向聰明的消費者證明他們的誠實。網路讓購車者很容易做事前的準備,他們可以拿著調查到的最低價,到經銷點和業務人員「要價」,而不是相信製造商建議的經銷價格。
「消費者即將抓住購車過程中的控制權,汽車業者必須完全服膺消費者要我們做的事,才能留在業內,不被淘汰,」美國克萊斯勒董事長Robert Eaton在全美汽車經銷商大會中如是警告。
線上購車的趨勢迫使三大汽車廠思考:線上購車究竟是未來趨勢還是一時風潮?如果消費者持續在網路上買車,未來的經銷體系價值何在?什麼是汽車製造商未來最佳的營運模式(Business Model)?什麼是未來汽車銷售的通路主流?
製造Opel、Cadillac、Buick等車系的美國第一大汽車製造廠──通用汽車(GM, General Motors),兩年前開始進入網際網路的新世界,企圖為Internet時代的汽車製造商,找出未來的出路與模式。
他們先是「大膽」地開設了線上購車網站「BuyPower」,初期只在美國加州、華盛頓、奧瑞岡、愛達荷四個州進行測試。BuyPower可以讓消費者看到GM各經銷商的庫存情況、了解比較各經銷商的價格,也可以比較其他類似配備等級的競爭品牌車的價格,同時讓消費者在線上申請汽車貸款。
但是網站一推出,卻遭到各種困難及質疑。不是每個競爭品牌製造商都願意公開價格,也不是每個經銷商都樂於開放庫存數量好讓消費者聰明地殺下他的利潤。在初期實驗的四個州,只有60%的GM經銷商願意和BuyPower簽約。

**尋變2
這個測試網站無法吸引非GM的客戶,外界掌聲不多

**
外界也並沒有給予GM的勇於嘗試太多掌聲。波士頓顧問集團Khaykin說,GM的網站無法吸引非GM的客戶,「他們並沒有創造新的企業模式,他們只是用一種新的媒體重新回收(recycle)他們的客戶。」
賣車網站Autoweb.com的創辦人Payam Zamani認為,GM應該後退一步,「他們應該把Internet當作是廣告媒體,就像電視和收音機一樣,而不是自己開始去經營一個電視台。」GM的積極,也引發經銷體系的不滿,認為他們很有可能成為經銷商未來的競爭者。
但是GM的布局背後顯示著他們的憂慮:美國共有2萬3000家經銷商,經銷體系已經過於飽和,太多的經銷商追逐太少的買主,已被認為是「自負而無效率」。分析家預估,當經銷商縮減到9000至1萬2000家時,製造商將大幅節省通路的成本,縮減所有成本的15%。

**尋變3
經銷商危機帶來壓力,台灣GM開始網路賣車

**
更重要的是,GM已經感受到,在一個以消費者為中心的網路時代,他們必須更貼近消費者的需求,才能避免被淘汰。
在美國巔巔簸簸的實驗過程,還沒找到結論,在台灣,GM卻因著一個「意外」,成為開創台灣網路賣車的先驅。
今年六月,台灣GM開始透過網路賣車,成為台灣第一個線上賣車的汽車製造商。與其說是因為遠見,不如說是危機帶來的壓力。
台灣通用主要的經銷體系——國產汽車發生財務危機之後,台灣通用苦思新的銷售可能性,在這種狀況下,網路購車便成為值得投注的新管道。
沒想到,三個月內,台灣GM透過網路賣出50幾輛車。台灣GM總裁蔣泰瑞說,他們的模式結合了虛擬與實體(click and motar)的操作過程:網路提供資訊,代替實體Showroom的功能,線上諮詢服務人員則透過網路解答消費者疑問,同時提供消費者到府試車的服務。
台灣GM發現,低價車比較適合網路銷售,在網路上提供實際的價格折扣,則是吸引消費者的不二法則。GM目前的銷售也以庫存車為主。
台灣的模式已經吸引全球總部的注意,決定將台灣納入全球四大「領航計畫」(pilot project),做為實驗電子商務模式的灘頭堡。

**尋變4
效果不錯的台灣經驗,成了GM全球總部電子商務模式的灘頭堡

**
台灣通用汽車總裁蔣泰瑞指出,之所以選擇台灣,主要是因為美國的實體銷售體系與機制已經非常成熟,改變要付出的代價與困難也較大;而台灣市場對於新科技導入與新的購物型態,接受度很高,台灣通用的成績也證明台灣發展電子商務的潛力。
台灣當然也有類似的利益衝突。「要讓消費者接受,可能要比內部人接受容易,」負責規劃線上購車的台灣通用汽車網路行銷經理林瑤容感嘆地說,經銷商曾經為了抵制網路賣車小組,在一夜之間提走了所有的庫存車,讓網路購車小組無車可賣;也因為和實體經銷商的利益衝突,讓網路購車一直無法定位價格,提供較好的價格折扣。財務人員也一直不能理解網路部門的投資要如何看到回收,因而時時掣肘。
全球總部的支持,給了網路小組一計強心針,在領航計畫中,台灣GM的網站將從現在的「陽春型」服務,擴大到線上汽車貸款、線上付款、甚至可以依消費者喜好訂出「個人化車型」、供應商可以透過網路看到每小時訂單的狀況……。
台灣和美國的實驗才要開始,沒有人知道什麼模式才是最好的「答案」。美國媒體曾用「大象跳恰恰」,形容GM的轉型。不論他們成功與否,但是這隻大象勇於挑戰未來的精神,應該能讓他們有更豐富的學習。

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