40年前一周內仿出電玩機台,40年後掌控全球九成AI伺服器!台灣ICT產業靠什麼走到今天?
40年前一周內仿出電玩機台,40年後掌控全球九成AI伺服器!台灣ICT產業靠什麼走到今天?

當全球目光都聚焦在台積電的晶片製造時,台灣另一股撐起科技產業半邊天的勢力——資通訊(ICT)產業,正悄悄完成從個人電腦到 AI 伺服器的關鍵轉型。台灣如何從 1970 年代仿製日本電子遊戲機的「家庭代工」模式,演變成長年佔據全球 90% 伺服器市佔率的軍火庫?

科技產業專家、《台灣科技島 1981-2025》作者吳金榮,將帶領讀者穿梭 40 年時空,解析台灣電子業如何憑藉軍事化管理與極致良率,在美中貿易衝突與 AI 浪潮中,轉化為不可或缺的全球基礎設施供應商。

以下 Q 為《數位時代》總編輯王志仁提問,A 為科技產業專家吳金榮的回答。

Q1:台灣電腦產業的起源與 1970 年代的電動玩具行業密切相關,這段發展背後的故事為何?

A:台灣電子業的起源,最早是從外商來台投資印刷電路板(PCB)加工開始,當時我們並沒有自己的技術。直到 1970 年代,日本大型電子遊戲機風靡全球,台灣商人敏銳地察覺到商機,但當時並非向日本採購,而是採取「仿製」策略。

當時的做法非常驚人:業者在日本購買最新一到兩台的電玩機台,於當地拆解後再由專人搭飛機帶回台灣。外殼好辦,難的是裡面那塊主機板,台灣的專家團隊會進行「逆向工程」(Reverse Engineering),分析 IC 零件與 TTL(電晶體-電晶體邏輯)編號,迅速重新佈線(Layout)印刷電路板。往往不到一周,仿製的電玩機台就能在台北上市。

這段「野蠻生長」的過程,讓台灣業者在微處理器與主機板設計上累積了扎實的基礎。後來因為學子過度沉迷電玩,時任內政部長林洋港(任職期間為 1981 年 12 月至 1984 年 6 月)下令全省禁電玩主機。命令一出,業者庫存全被迫停售,當時有一家五個年輕人創辦的公司「旭青」(DTK),就面臨了這樣的困境。

然而,危機也是轉機。這批擁有主機板設計能力的工程師,很快找到了新出路——Apple II 個人電腦正好在此前問世,他們把逆向工程的技術無縫轉移,開始仿製 Apple II 主機板,意外開啟了台灣電腦產業的大門。

Q2:Apple II 與 IBM PC 的出現,如何讓台灣主機板業者抓住機會快速崛起?

A:Apple II 的出現本身就是劃時代的事件。在那之前,電腦是佔據好幾層樓的龐然大物,普通人根本碰不到;Apple II 讓電腦第一次變成可以放在桌上、像打字機一樣操作的工具,從此個人電腦的概念才真正落地。

Apple II
1977 年的 Apple II,搭載整合式鍵盤、彩色顯示、音效、塑料機箱與 8 個擴充槽。
圖/ 維基百科

但真正讓台灣主機板業者大爆發的,是 1981 年 IBM PC 的推出。由於 IBM 擔心反壟斷法而公開規格,這對擅長逆向工程的台灣人來說是巨大的機會。當時旭青、精英、華碩等公司相繼湧現。旭青曾一度成為全球第三大主機板廠;而精英(ECS)創辦人陳漢清(原為宏碁工程師)則看準 Intel 80386SX(業界暱稱「P9」)的市場潛力,當多數業者認為這顆 CPU 前途有限,陳漢清卻反向大量備貨生產對應主機板,結果 P9 大缺貨,精英因此大賺一筆。

華碩(ASUS)的崛起則代表了另一種路線。師承施崇棠、以童子賢為首的五位宏碁工程師創立的華碩,以「高品質、高規格」打出名號。在那個時代,全球個人電腦若要買主機板,幾乎都得找台灣。當時台灣主機板的全球市佔率曾高達 80% 至 90%,正式確立了台灣「電腦王國」的地位。

Q3:台灣廠商從主機板跨入系統組裝,歷經從「白牌電腦」到「自有品牌」的轉型,當時台灣與美國品牌之間是如何從競爭走向深度合作的?

A:1990 年代,台灣不只出產主機板,連顯示卡、螢幕、電源供應器都具備競爭力。當時全球有很多白牌電腦(指由小廠商製作並銷售的「無品牌」電腦),其實都是從台灣進口零組件組裝而成。美國媒體曾形容,當時發動價格戰的 Compaq(康柏電腦),其背後真正的軍火庫就是台灣。

台灣品牌如宏碁(Acer)雖在海外耕耘辛苦,但也帶動了整機輸出的能量。當 Compaq 與 Dell(戴爾)發現台灣的製造成本與供應鏈彈性遠優於美國本土時,他們開始大規模下單給台灣代工。這形成了一種共生關係:美國品牌負責市場與設計,台灣則負責從螢幕、鍵盤到整機組裝的繁雜工序,這讓台灣從零件供應商,正式升格為全球 PC 的代工核心。

Q4:品牌與代工的利益衝突,如何催生出「電子五哥」的產業分工格局?

隨著台灣電腦業者同時承接 IBM、HP、Dell 等美國大廠的代工訂單,一個結構性的矛盾逐漸浮現:客戶開始擔心,自家的產品機密是否會在同一間代工廠內流通?更何況台灣業者自己也在做品牌,這樣的利益衝突讓客戶顧慮重重。

A:這個問題在 2000 年前後到達臨界點。宏碁率先將代工製造業務分割出去,成立緯創(Wistron)專責代工接單,宏碁品牌則獨立運營;華碩也依樣畫葫蘆,分割出和碩(Pegatron);明基(BenQ)在打自有品牌的同時,也將代工部門切割為佳世達(Qisda)。

代工業務獨立後,反而能更專注衝刺規模與效率。得益於台灣強大的「軍事化管理」製造文化,台灣業者在工廠管理、標準作業程序(SOP)與良率控制上是世界一流的。例如鴻海(Foxconn)從模具與連接器起家,累積了極高的工藝精度,最終成為 iPhone 供應鏈的核心。現在所謂的「電子五哥」(廣達、緯創、仁寶、英業達、和碩)加上鴻海,之所以能維持競爭力,關鍵在於能將毛利僅 3% 到 4% 的「茅山道士」(毛 3 到 4)產業,透過規模化與極致管理轉化為穩定的獲利。

Q5:AI 浪潮來襲,台灣供應鏈如何自然接軌,成為全球 AI 基礎設施核心?

A:台灣承接 AI 基礎設施的供應鏈,其實是非常自然的延伸。在生成式 AI 興起之前,台灣廠商在通用伺服器市場的市占率就已經高達九成,理由跟個人電腦時代一樣:良率高、品質穩、保密程度好。

地緣政治更是關鍵推手。美中貿易戰爆發後,美國出於安全考量,嚴禁敏感的伺服器產品在中國生產,甚至出現過「間諜晶片」的疑慮。這使得美國雲端服務大廠(CSP)如微軟、亞馬遜、Google 只能將訂單交給台商。現在所有的 AI 伺服器,從輝達(NVIDIA)的 GPU 到最終的機櫃,幾乎都由廣達、鴻海、緯創、緯穎等台灣公司掌握。我們真的要感謝地緣政治帶來的「非紅供應鏈」紅利。

Q6:面對中國在機器人領域的強勢崛起,台灣在人才短缺與排擠效應下,該如何尋求突破?

A:坦白說,在機器人這個領域,目前是中國大陸領先的局面。中國擁有全球最大的汽車市場,工業機器人的需求量極為龐大,各種協作型機器人、焊接機器人的應用場景非常成熟,加上政府大力支持,人形機器人的研發也推進得非常快。

像宇樹科技(Unitree Robotics)已經推出售價從 2.99 萬至 [19.9 萬人民幣](約新台幣 13.8 萬至 92.4 萬)不等的人形機器人;同時,在今年中國大陸的央視春晚舞台上,宇樹科技的人形機器人也已直接應用在演出中,並表演了多個高難度特技動作。

反觀台灣,面臨幾個現實挑戰:少子化導致工程人才供應不足,優秀人才又高度集中在半導體與既有電子代工產業,能投入機器人研發的資源相對有限。

不過,我對台灣仍然保持樂觀。我們應利用「後發先至」的優勢,結合我們在 AI 運算端的強項,開發出更聰明、更穩定的控制系統。雖然人才短缺是個問題,但台灣人在「從不懂做到懂」的快速應變能力上,始終是我們最強的武器。

收聽完整 Podcast|EP274. 全球倚賴的AI基礎設施供應鏈,台灣如何從仿冒電動玩具走到今天? ft.科技產業專家吳金榮

(延伸閱讀|AI 引爆記憶體大缺貨!HBM 供不應求、筆電成本飆至 40%,台廠該學台積電什麼?

(本文初稿由 AI 編撰)

關鍵字: #華碩 #和碩
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