歷經三次打掉重練!年僅兩歲的量趨科技,如何衝上全球前十大永續合約交易商?
歷經三次打掉重練!年僅兩歲的量趨科技,如何衝上全球前十大永續合約交易商?
2023.08.18 | 區塊鏈

「塊轉Web3」是區塊鏈媒體《Web3+》推出的直播節目,集結四位不同專業領域的主持人,每週三中午輪番上陣,用30分鐘的時間,帶來第一手的人物訪談、拆解區塊鏈新商業案例、產業最新脈動分析,陪你一起吃午餐。

AI、區塊鏈,可以結合嗎?量化交易可以克服人性貪婪與恐懼的弱點,AI可以如何參與其中,發揮影響力?

時間:2023/8/16 (三) 12:30~13:00
主持:高敬原|WEB3+網站召集人
來賓:戴志洋 Kaede|量趨科技(Quantrend)技術長

小檔案:戴志洋 Kaede

台灣最大BBS(Bulletin Board System)站PTT的共同創辦人,曾經開發出鄉民常常使用的「丟水球」(即時訊息)功能,後來看中加密貨幣的潛力,投入Quantrend量趨科技,現為量趨科技CTO,並一手創辦Quantland平台,透過AI量化交易模式,投入加密貨幣的世界。

##### 直播精華一次看

Q:PTT共同創辦人,也是外界對您最深的印象,為什麼現在投入到區塊鏈領域?吸引你的地方是什麼?

我從2012年開始挖礦,並開始接觸加密貨幣和區塊鏈。

其實我一直都在科技的前端,所以從小就接觸到網路,所以開始才會去找BBS。後來也做KKBOX的串流、電商電子支付等,就是很順的隨著這個基礎的發展,自然而然的進到下一個階段。當一個新的東西出來的時候,我當然會去特別關注它,然後思考未來新的可能性是什麼。

區塊鏈對我來說,就是網路之後下一波很決定性的革命,會完全顛覆整個世界、甚至有可能推翻所謂的國家、甚至於未來的商業。它可以完全不需要透過假手第三方,透過塊鏈上面的智慧合約,就可以自動去運作,所以它一定是未來世界不可或缺的一個技術。

Q:您又是在怎樣的機緣加入量趨科技,並擔任技術長一職?

那個時候我一直在推動整個區塊鏈的產業,從2018、19開始,一直都在推廣各種鏈和幣,但是我後來發現最核心最關鍵的還是錢。要先有錢,要先有力,剛好在那個時間,大約在2020年底,我推到已經有點遇到瓶頸的時候,有個獵人頭(Headhunter)跟我聯絡,說有一個人(指量趨科技創辦人陳泰元)想要來找我。

對方說,是台灣之前一間知名的交易所(指Cobinhood),新聞上有很多報導,獵人頭先詢問我有沒有顧慮,但因為我對於陳泰元沒有任何的成見,對新聞事件也抱持客觀的看法,所以我們就見面了。

見了面之後就發現,「哇!不得了,他(陳泰元)比我聰明太多了!」

我們天南地北什麼都聊,然後我發現他是一個相當博學的人,而且對於每件事情都有自己的看法。我們都是自詡自己是一個「駭客」,駭客不是只是去入侵破壞別人的東西,而是要真的去了解每件事情真正的本質、邏輯、背後的真相和運作原理。

當下我就覺得這個人絕對是一個無可取代的人才,後來認識以後進一步的去聊。發現他這段時間其實已經沉寂了很久,因為新聞也有很多報導,所以他也找了很多不同的方向,這個過程當中連系統都重寫了兩次,團隊也已經整個打掉重練了一次,才找到我。

這段期間,他一直都在做交易系統。要做交易系統真正困難的不只是技術,還有整個團隊、思維,這個難度非常非常高。我加入前他們已經重建了一次,我加入以後又重建了兩次,所以重建了大概三次,才有今天的這樣成就。

其實這個過程當中,我覺得最關鍵的是我見到的第二位創辦人,也是他讓我決定性的願意投入這個領域。我從第一次見面到加入團隊,只花了一個禮拜,這個人是另外一位創辦人徐靖騰(現為量趨科技總經理)。

他完全不是科技的背景,原本是台灣相當知名的一個化妝品直銷品牌,早期的核心人物,幾乎他們的教育訓練影片都是他弄出來的。

從那樣的一個領域跨到加密貨幣的高頻交易,這完全是一個更跨界的情況。但其實沒有這樣的一個角色,內部的管理、人員的選用、教育訓練和後續的這些磨合,這些事情都不會發生,甚至不可能成功。

因為光是三次的打掉重練,這過程是非常痛苦、非常花錢、非常傷神傷身的一件事情,但我們今天熬過了這一切,才有可能走到這個境界。

一般人可能對於打造交易系統的難度很難想像,並不只是把技術做好就可以是一個很成功的產品,其實是有很多團隊的摩合,包括是不是能夠有共同的理念、是不是能夠一起很好的工作,這些每一個層面都影響到它的成長。

所謂的量化交易就是「程式自動化的交易」,經由模型的訓練、統計的分析、數學的可代表性,才能長長久久的做下去。

所以這裡面每一個關鍵的環節太多細節,我們光是每一次的改版,就要花一整組人好幾個月的時間,這些通通都是成本,而對手也不會等你,這才是真正的關鍵。對手有十倍的人力,市場上面隨便一間交易公司都是幾十個人、上百人的團隊,交易就是勝敗,贏者全盤。我們今天只要比他們慢,就是輸了,完全沒有任何喘息的空間。

Q:團隊目前達到的里程碑?

去年開始在幣安(Binance)做高頻交易,因為它是現在全世界最大的交易所,所以算是很值得驕傲的。

我們一開始就拿到Maker(掛單者)的program,而且全台灣只有我們一家。幣安的這個交易機制在去年底交易所FTX還沒有出事之前,是它最繁華的那一段時間,我們一天可以做到大概十億美元,大概就是一天可以做一個台積電的交易,所以這絕對不是一個很容易、安安穩穩的事,而且這個交易量,我們也不是靠非常巨大的本金做到。

若以幣安的永續合約來講的話,我們大概是全世界前十大的交易商,那若以比特幣、以太幣來看的話,我們大概是前三大,而另外兩大就是大家都叫得出來的那種企業,大概都有超過三十年的經驗,資本當然是我們的一萬倍。

Q:如何在這麼短的時間內,做到十幾年老牌公司的成績?

因為我們的反應非常非常的快,還有身為一個新創,我們的優勢就是一天可以上十個版本。

有些東西你知道交易的問題,但是再怎麼模擬,它離現實都是會有差距。我們必須上一個版本以後,看實際上發生什麼事情,如果發現有什麼不對,要立刻調整。

所以這是市場的生態逼著我們必須做到這個程度,而要能夠做到這個程度,又會需要最頂尖的人才。我們所使用的技術也都是全世界最頂尖的,包含機器學習框架TensorFlow,或我們所使用的程式語言Rust。

其實全台灣能夠開發Rust的能量最多,有最多人力跟最深的經驗,全台灣的頂尖人才全部都在我們公司,所以我們可以在這麼短的時間之內,做到跟對手十幾年時間一樣的成績。

Q:量趨主要提供的服務是什麼?

像是幣安、OKX這類世界最大的交易所,我們就是他們最好的合作夥伴。因為我們在做高頻交易,尤其是在做造市上這樣的角色,其實就是在提供市場的流通性。我們所做的事情就是 把商品上架,比方說比特幣,我會在訂單簿做委買跟委賣的單,全部都會掛。等於說消費者來到幣安或者是OKX時,會看到有人在這個價格買、這個價格賣,這些就是我們造市商所提供的。

因為正常的消費者散戶,他不會在29827.12這樣的價格去掛個10個比特幣的買單,沒有人會做這種事情,事實上這就是高頻交易商在做的。今天用戶到了一個商店,如果沒有人、沒有商品,那所有的交易就不會發生,交易所就會變成是個蚊子館。

有些人可能會想說,那為什麼不讓交易所自己來做這件事情就好了?

的確很多交易所都是這樣做的,最有名的就是FTX的Alameda Research,就是他自己在做市。但如果全部都自己都做下去,可能就會有很多利益衝突,或是衍生出很多其他的問題。簡單來說,他就很容易作弊,因為可以知道每個人的交易值多少,然後就可以去刻意的去做空、做多。

所以現在檯面上一些主流交易所的方式,都是去跟很多不同的合作夥伴合作,他們就是做為一個平台,這才是一個交易所必須做的角色。他必須做一個非常公正、公立、公平的角色,這樣這些交易的公司才會進來。有這些人存在,這個市場才會活絡起來,且風險才能由大家分攤,而不是讓交易所自己利益全部自己擁、風險全部自己扛,最後面臨倒閉危機。

🛎️延伸閱讀: 【觀點】克服人性貪婪、恐懼!看懂加密貨幣量化交易,如何與AI結合?

Q:跟交易所談合作很難嗎?

超級難,首先就是要先證明自己有這個能力。最初我們就直接殺進市場,吃下了市場5%的市占率,然後幣安就打電話給我們。

而且每一家公司會的東西都不太一樣,全世界不會找兩家來合作,因為就會有利益衝突,所以他只會要一個合作夥伴。幣安其實是全世界大家公認最 規模最大的交易所,如果打進去的話,就等於是直接被認證了。

我們去年7月開始做高頻交易,去年9月就被邀請到了新加坡Token2049活動的Side Event。在一個非常偏僻的咖啡廳辦了一場VIP晚宴,這一路走來真的是非常的不容易。

Q:過程中有曾經想要放棄過嗎?

你知道就跟創業一樣,大家都知道沒有不吵架的,只是吵完之後有沒有解決問題、能不能繼續走下去。其實這樣的過程經歷了好多好多次 。

Q:量趨目前將AI的技術,用在產品的什麼地方?

AI最適合做的事情就是處理巨量的資訊,尤其加密貨幣是沒有在收盤的,隨時隨地都在運作,所以AI它最擅長的其實就是處理。

剛好交易這件事情就符合這個特性,而且我們要的還要是巨量,因為加密貨幣不是只有在單一個市場,彼此之間都是互相影響,還會受到政治事件、不同市場、歐股美股開盤等。

AI最重要的關鍵就是要找出那個X跟Y,X就是因素,Y就是成果,幾乎是在海裡面翻著沙子,去找哪邊有貝殼的那種感覺。

只要主機夠大台、運算速度夠快、CPU、GPU夠多,就有辦法 讓模型訓練出一個相當精準的模式。AI在做的就是一個經驗的累積的學習,而且交易不能夠犯錯,只要看錯、買錯方向,就會賠錢,所以我們要的是真實的答案。

AI扮演的角色,就是去幫我們訓練這些模型,然後分析這些巨量的資料,找出真正正確的方向。

Q:在區塊鏈產業裡面去做AI的工作,最有趣跟最有挑戰的事情是什麼?

在區塊鏈產業中做AI的工作,最有趣當然就是你能夠賺得到錢,最挑戰的其實是它的可能性永遠都在變。

如果是訓練人臉辨識的AI那很簡單,但你上一個月看市場長這樣,下一個月市場不一定會長這樣,因為它的因素並不是我們理解的。坦白講這也是最有趣的心理戰,好像跟一個棋手在下棋,然後下了一步棋之後,對方就會見招拆招。

Q:在區塊鏈產業裡,AI的人才的需求有多大?

其實非常的大,但因為它是一個非常非常新的領域,很多東西其實是還沒有人去做過的,所以也沒有什麼前例可循。很多都是我們摸著石頭過河,在做的過程當中慢慢去學習的,所以一樣是最挑戰。但是最有趣的點因為,當你做到了,你可能就是全世界第一個,所以會特別需要有AI專才的區塊鏈團隊。

核稿編輯:高敬原

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