Dragonfly最新加密薪酬報告:薪資普遍下滑、遠距辦公仍是主流
Dragonfly最新加密薪酬報告:薪資普遍下滑、遠距辦公仍是主流
2025.10.16 | 區塊鏈
##### Dragonfly發布加密公司薪酬報告 加密領域可靠的薪酬數據非常稀缺。Dragonfly曾發布首份薪酬相關的數據集和分析報告(2023年度)。如今,Dragonfly再度發布薪酬報告,包含85家加密貨幣公司,收集時間是2024年末和2025年第一季度。該報告還擴大了研究範圍,包含大約3400個獨立且不重覆的員工和候選人的數據,並在相關情況下將調查結果與2023年的報告進行了比較。本文節選了報告部分精華,以下為內容詳情:
##### 亮點 - 大多數加密公司處於增長模式,但非高速增長模式。 - 加密行業的招聘從一開始就具有全球性,僅限美國的招聘幾乎不存在。 - 歐洲是主要的國際中心。 - 幾乎所有層級和地區的基本工資和代幣薪酬都有所下降。 - 遠距辦公依然盛行,而各大公司並不打算改變這種現狀。 - 加密行業難以進入,不到10%的職位是初級崗位。 - 工程部門占據主導地位。 - 美國的薪資是全球工程領導崗位的標準。
##### 薪酬狀況 整體而言,2024年和2025年初的加密行業薪酬處於下行市場,與傳統行業相比,其薪酬體系仍相對不成熟。

幾乎所有層級的薪資和代幣獎勵都有所下降。美國崗位的現金薪酬仍處於領先地位,而國際團隊則透過提供更大的股權和代幣獎勵來縮小差距。股權分配不均衡,尤其是非技術、非高管崗位。美國的薪酬範圍有所縮小,而國際崗位有時能達到美國水準的2至10倍。

按發展階段劃分,預期的模式依然成立:早期公司提供的薪資較低,但股權更多(通常是兩倍),而後期團隊則相反。代幣總體上變得不那麼常見,但在市場推廣(GTM)、產品和高級國際職位中仍具有重要意義。

初級職位受到的衝擊最大,薪資大幅下降,獎金也縮水,不過股權獎勵有所增加。美國新入職員工的現金收入仍較高,但國際同行通常獲得的股權是其2至3倍,代幣獎勵也更多。

中層員工受到擠壓,增長有限,而高層員工則情況較好,減薪幅度較小,股權更穩定,代幣也愈發集中在高層。

高級IC(獨立貢獻者)和高管層的薪酬提升幅度最大,在產品和工程領域尤為明顯。

##### 薪酬基準 以下是軟體工程、加密工程、開發者關系、產品管理、設計、市場營銷以及市場拓展等各個崗位的薪酬數據。

國際工程高管的薪酬首次超過美國同行(總薪酬在53萬至78萬美元之間),這得益於代幣獎勵接近3%的提升。

對於加密工程師而言,「確定性與上升空間」的權衡比以往任何時候都更清晰。美國工程師在幾乎每個層級的現金和總薪酬方面都領先,而國際同行在初級和中級的股權和代幣獎勵方面領先。

產品管理高管的薪資在所有職位中最高(39萬至48.4萬美元),總薪酬與工程職位相當或更高;國際產品管理的股權獎勵通常約為美國水準的2至10倍。

開發者關係成為「最無國界」的職能,全球薪酬區間幾乎相同,經理和高管層級的差異較小(美國在股權和總薪酬方面領先;國際在代幣方面領先)。

設計職務的領導層不如高級設計師受重視。美國設計崗位的IC(首席/高級)在總薪酬方面超過了經理,甚至一些高管。

市場行銷在薪酬和所有權方面存在地域差異。美國在薪資和總薪酬方面領先,而國際公司的股權約為美國水準的3至10倍。

GTM總薪酬在入門級和經理級的薪酬差距縮小。高級IC在總薪酬方面超過了經理,而國際業務部門的領導在股權方面勝出。

##### 創始人薪酬 在本報告中,公司所有權分為股權和代幣(與之前的報告中將它們合並在一起不同)。因此,薪資分析是按年同比報告的,而股權和代幣數據反映的是24/25年的數據。

與去年相比,創始人的薪酬有所增加。總體而言,融資額越高,薪資越高,股權占比越低(正如預期)。

美國創始人在薪資、股權和代幣方面的收入普遍高於國際同行。

要點:

  • 創始人平均薪資同比約增長37%,從2023年的14.4萬美元增至2024/2025年的19.7萬美元。
  • 種子輪的美國創始人擁有最高比例的股權(32%)。
  • 種子輪階段,不同地區的代幣持有比例相對穩定(9%),但在後期階段則差異顯著。
  • 罕見的例外情況:在A輪融資中,國際創始人的薪資高於美國創始人(分別為24.4萬美元和19.8萬美元),而美國創始人持有的代幣更多(分別為13%和9%),股權比例也略高(分別為20% 和19%)。
  • 罕見的例外情況:在B輪融資中,國際創始人報告擁有最高的股權比例(30%),但這一數據基於有限的數據,應謹慎解讀。
##### 獎金與浮動薪酬 獎金的使用情況隨企業規模擴大而減少:規模較小和處於早期階段的團隊最有可能進行嘗試,中型公司選擇性地採用,而後期階段和基礎設施導向型公司則逐漸減少使用,轉而傾向於長期激勵措施。

在存在獎金的情況下,獎金通常與公司和個人績效(混合)掛鉤。僅與公司掛鉤、僅與個人掛鉤以及基於職位/級別的模式不太常見,固定獎金也很少見。

要點:

  • 獎金在規模最小的公司(1-5名員工)和早期階段(種子輪/A輪)達到峰值,尤其是在融資金額為500萬至1990萬美元的公司中。
  • CeFi的採用率最高,為71%;DeFi為50%,主要由美國驅動,且更注重個人績效;基礎設施/L1/L2的採用率要低得多(15-30%),且通常是混合模式。
  • 美國的獎金待遇更為友好,尤其是對中型團隊而言。
  • 例外:一些資金雄厚的C輪後團隊表示,由於入職需求激增以及品牌知名度提升,面臨「申請人數過多」的問題。
  • 例外:基礎設施公司面臨的挑戰最為廣泛:63%的公司提到人才短缺,27%提到薪酬問題,5%提到競爭,還有5%提到遠程/全球招聘(這是唯一提到這一問題的領域)。
##### 代幣補償分析 許多團隊在計算代幣授予時,越來越多地將代幣與股權分開。在後期階段,通常的做法是將授予與公平市場價值掛鉤,最常見的是使用時間加權平均價格 (TWAP)。

在歸屬方面,大多數團隊遵循四年期計劃,並設置一年的「懸崖期」,但也有一些團隊嘗試了混合模式,將基於時間與里程碑驅動的解鎖相結合。

大多數公司都是從專門的員工代幣池中發放代幣,只有少數非常大的組織仍從總供應量中分配贈款,但越來越少見了。

薪酬構成(現金、代幣、股權)

早期團隊嚴重依賴股權來保持代幣的靈活性。中型組織通常會轉向混合模式(股權+代幣),提供風險調整後的薪酬結構和額外的流動性。大多數後期公司在公司價值和代幣流動性動態更加穩定後,會重新傾向於股權。

要點:

  • 近半數國際團隊(44%)只提供代幣。美國團隊則相反,只有39%的團隊只提供股權。
  • 早期公司嚴重依賴股權(員工數在1至5人時約71%),混合薪酬在A輪達到頂峰,之後逐漸向股權傾斜(B輪為45%,C輪為71%)。
  • 像L1、L2和DeFi這樣協議密集型領域自然傾向於代幣為主的薪酬,而基礎設施、消費和CeFi公司則默認採用股權。
  • TGE之前的團隊中,近三分之一只提供股權和代幣支付,混合支付占32%;而一旦項目啟動,團隊就嚴重依賴代幣支付(47%只提供代幣支付,47%提供混合支付),純股權支付幾乎為零。
  • 罕見例外:極少數(5%)只提供現金支付。

股權/代幣關係(比例)

只有少數團隊在股權和代幣之間建立了比例關系,即公司根據個人的股權份額來確定未來的代幣授予。

在 TGE 之前,這是常態,但隨著公司的發展成熟,幾乎所有公司都切斷了這種聯系。到了後期,股權和代幣被視為完全不同的東西。

要點:

  • 51%的公司將代幣和股權視為獨立的薪酬要素(沒有比例關聯);到D輪及之後,這種情況已普遍存在。
  • 在種子輪/TGE前期,比例模型仍最為常見(33%),但總體而言,隨著公司的發展,其使用率有所下降。
  • 案例:90%的L2公司沒有比例關系,並且沒有尚不確定的。
  • 地域不影響比例關係。

歸屬時間表和開始日期慣例

TGE之前的公司(尤其是在DeFi和L1領域)通常在TGE開始歸屬,以管理留存和流通供應。擁有流通代幣的團隊通常在員工入職之日開始歸屬(最常見的方法)。這些做法在美國和國際團隊之間基本一致,主要差異在於TGE前的團隊。

大多數公司採用標準的基於時間的歸屬,通常是四年計劃,並帶有一年的「懸崖期」。

少數團隊探索了與績效掛鉤的歸屬,或績效與時間的結合。據傳,團隊將歸屬與網路層面的KPI(個人難以控制)掛鉤持謹慎態度,而是專注於可審計的產品、團隊和個人里程碑。

要點:

  • 61%的公司在員工入職當天就開始歸屬。
  • 59%的TGE前團隊在TGE時開始歸屬。
  • 歸屬安排大多標準化,92%的公司採用基於時間的歸屬,通常在4年內完成,其中第一年為「懸崖期」。
  • 例外:只有少數公司偏離了標準的基於時間的歸屬——6%的公司採用了混合時間和里程碑模式,2%的公司完全依賴基於績效的安排。
##### 地域與遠程工作 ## 招聘足跡 全球優先是默認模式,大多數團隊從第一天起就跨國招聘。普遍而言,人才獲取和靈活性比地理位置更重要。

僅在美國招聘的情況很少見,主要出現在種子輪和A輪,隨著公司的發展這種做法逐漸消失。僅在國際招聘的情況在各個階段和規模的企業中都保持穩定,這通常反映了成本敏感的招聘策略。

要點:

  • 從第一天起,全球化就成為默認選擇,81%的公司在美國和全球範圍內同時招聘。
  • 規模較小的團隊往往較早進行全球招聘。擁有21至100名員工且融資在2000萬至4000萬美元之間的公司是最為穩定的,甚至比規模更大的公司還要穩定。
  • 基礎設施團隊最有可能進行全球招聘,比例達到80%。
  • 罕見的例外情況:僅在美國招聘的情況幾乎不存在,占比僅為6%,這種策略主要由早期的消費類和DeFi團隊採用,但隨著規模擴大,他們也放棄了這種做法。

國際員工所在地

西歐是主要的國際招聘中心。

隨著公司發展成熟,需要更強大的本地運營,通常在B輪後期會出現區域招聘的轉變,從而向亞洲、加拿大和東歐擴張。

要點:

  • 西歐:84%處於B輪至E輪(以及約同樣比例的4000萬美元以上融資)的公司在當地雇用了員工。
  • 東歐:63%的後期公司在此招聘,被強大的工程人才儲備和成本效益所吸引。
  • 亞洲:為了適應更強勁的市場應用,招聘比例同比幾乎翻了一倍(從20%增至41%)。
  • 加拿大:38%處於B輪至E輪的公司拓展至加拿大,利用其靠近美國、有利的監管環境和開發者基礎作為對沖手段。
  • 南美洲:只有13%處於B輪至D輪的公司在此擴張。
  • 罕見的例外:印度(9%)、非洲(4%)和大洋洲(2%)仍未得到充分開發。

監管驅動的招聘變化

從2023年到2024年,監管成為影響加密人才戰略的最熱門外部因素之一。在美國,圍繞交易、托管和協議活動的審查力度加大,使得合規考量在招聘決策中占據重要地位。

然而,回顧2024年和2025年初,監管對促使企業在美國以外地區招聘員工的影響甚微。所發生的調整主要集中在基礎設施和DeFi領域(這兩個領域最有可能擁有或發行代幣)中規模較大、資金更充裕的團隊,以及在CeFi領域(該領域受到的監管更為嚴格)。

同時擁有美國和國際團隊的公司最有可能提及受監管驅動的舉措,而僅在美國開展業務的公司大多沒有反應,只有少數公司考慮做出改變。

要點:

  • 總體而言,僅有14%的公司因監管壓力而調整了招聘策略。
  • 近四分之一同時在美國和國外擁有員工的公司表示,監管直接促使其決定擴大國際招聘規模。
  • 在僅有國際員工的公司中,大多數公司因其他原因已實現全球化,但21%的公司承認監管發揮了一定作用。

遠程辦公與混合辦公政策

加密行業仍以遠程工作為主,大多數公司採用完全分布式辦公模式。其次是混合模式,將遠程工作與強制到辦公室工作相結合。遠程優先(可選擇是否在辦公室辦公)模式占據了較小的中間地帶,很少有公司完全在辦公室辦公。

兩種模式的理念都很強,總體而言,政策難以改變:幾乎所有團隊都計劃維持現有模式。

要點:

  • 超過一半的公司完全遠程辦公,超過四分之一的公司採用混合模式,而遠程優先的公司占比較小,為14%。
  • 94%的公司沒有改變政策的計劃。
  • 美國團隊更傾向於遠程辦公(55%),而國際同行則更傾向於混合辦公(35%)。
  • A輪融資團隊的辦公方式相對混合,但到了B輪融資,遠程辦公占比達到73%。
  • 罕見的例外:只有2%的公司完全在辦公室辦公。
##### 組織架構與招聘趨勢 ## 團隊和級別組成 加密行業長期以來一直以工程師為主導,這一趨勢在從種子前到B輪後的各個規模、階段和融資層級中都有所體現。國際團隊更傾向於工程師,而產品和營銷領導職位則主要集中在美國。

從團隊成長的角度來看,種子輪團隊主要是工程師;A輪到B輪增加了高級產品經理、設計師和市場推廣團隊(管理人員較少);B輪之後在市場推廣和工程方面增加了架構。

值得注意的是,初級職位招聘稀缺,這限制了人才儲備和多樣性,也使得新入行者更難進入該行業(產品和營銷領域尤其艱難)。工程領域之外的高管招聘也很有限。

要點:

  • 工程(軟件和加密)崗位約占總員工數的67%,涵蓋不同規模、階段和融資輪次的企業
  • 初級職位僅占所有職位的10%。
  • 產品部門人員配備不足,超過半數的產品經理處於高級或執行級別。
  • 營銷部門人員也較少,僅占員工總數的7%,國際團隊比例略高。
  • GTM部門占員工總數的11%,主要為中高級職位。
  • 開發者關系部門占員工總數的3%,主要為中級職位,薪酬與其他部門相當。
  • 設計部門人員以高級為主,缺乏領導層,約44%處於高級級別,經理或執行級別職位不足10%。
  • 除工程部門外,其他部門人員配備精簡:營銷/工程比例為1:14,產品/工程比例為1:13。
  • 罕見的例外:在一些國際團隊中,產品經理與工程師的比例高達1:20。

各職能部門招聘勢頭

大多數團隊處於目標增長模式,而非超速增長。總體而言,公司在精簡支持團隊的同時,選擇性地擴充核心團隊,許多公司有意維持員工人數不變,很少有公司計劃整體減少人員數量。

招聘勢頭與上述團隊構成情況相符。工程部門顯然是重中之重,而產品和市場營銷部門則穩步但謹慎地增長。在擴張階段以及基礎設施和金融領域,GTM(銷售、市場和運營)招聘勢頭強勁,但在消費、遊戲和NFT公司則有所放緩。設計部門仍處於建設不足狀態,運營和人力資源/招聘部門基本持平,由於技術團隊的增長速度快於內部支持,因此可能造成瓶頸。

要點:

  • 工程部門引領增長,約78%的團隊在擴張,僅有1%的團隊在裁員。這也是唯一一個有真正初級職位招聘渠道的部門。
  • GTM招聘隨著發展階段的增長而增加,57%的團隊在擴張,40%的團隊持平。
  • 產品和市場營銷部門保持穩定,大約一半的團隊增加,一半的團隊持平。
  • 很少有團隊全面擴張;大多數團隊在2至4個職能上擴張,同時保持其他職能不變,這可能是為了簡化招聘流程。
  • GTM只有在高級和高管人才已經到位的情況下才會擴張,而且公司很少通過招聘初級職位。
  • 增長緩慢往往伴隨著高級人才占比較高的團隊;一旦產品、設計或工程部門的高級和高管層到位,這些部門更有可能保持穩定並放緩招聘。
  • 整體裁員比例很少,為3%,設計、運營和人力資源/招聘部門的裁員比例略高。

本文合作轉載自:《PANews》

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