AI的終極變現,AI應用概念股有哪些?達明、和椿、所羅門殺出一條血路!
AI的終極變現,AI應用概念股有哪些?達明、和椿、所羅門殺出一條血路!

《數位時代》AI概念股系列經歷了能源篇晶片篇基礎設施篇模型篇,帶你來到輝達(NVIDIA)執行長黃仁勳「AI五層蛋糕」的最後一塊——應用篇。

應用層是五層蛋糕最靠近使用者的一層,也是整塊AI蛋糕真正變現的地方。本篇將細細拆解,並用實際訂單與營收佐證,幫你整理台股有哪些直接與間接受惠股。

五層蛋糕3.0
輝達執行長黃仁勳提出AI五層蛋糕概念,《數位時代》整理出相對應的幾檔代表性個股。
圖/ AI生成

本文重點

  • 應用層分兩類:軟體應用(含代理式商務)與實體AI(具身智慧/機器人)。全球變現前段班以美企為主:Anthropic、OpenAI、Google等。
  • 台股在應用層的「直接受惠股」極窄——真正有訂單或營收佐證的核心是機器人相關的達明(4585)、和椿(6215)與所羅門(2359),軟體端則多為間接受惠。

本文目錄

AI應用層可以拆成哪幾種?市場有多大?

AI應用層大致分成兩類:軟體應用(含代理式商務)與實體AI(具身智慧/機器人)。

應用類別 白話說明 常見應用
軟體應用/代理式商務(Agentic Commerce) AI從「回答問題」進化到「替你做決定、下單、完成交易」 AI助理、企業AI客服與業務代理、AI代理購物與支付
實體AI/具身智慧(Physical AI) 把AI裝進看得到、動得了的機器,讓它能感知、判斷再動手做事 協作型機器人、人形機器人、醫療照護機器人、工廠自動化

這兩塊的潛在交易規模與經濟機會,各家機構估算不一。代理式商務方面,各家對2030年的估算差距頗大:顧問公司Edgar Dunn & Company估市場規模達1.7兆美元(約新台幣54兆元)、年複合成長率67%,麥肯錫(McKinsey)估全球3至5兆美元(約新台幣96至160兆元),Juniper Research則估交易額約1.5兆美元(約新台幣48兆元);實體AI方面,黃仁勳把機器人與實體AI能切入的工業經濟規模,形容為上看50兆美元(約新台幣1,600兆元,未設定年期),涵蓋製造、物流、運輸與自駕等領域。

AI應用層的錢,現在都被誰賺走?

截至2026年,應用層的代表性變現前段班,特別是軟體端,仍以美國公司為主。

公司 應用類別 變現數據
Anthropic AI助理(Claude) 2026年5月年化營收(ARR)約470億美元(約新台幣1.5兆元)
OpenAI AI助理(ChatGPT) 外界推估,2026年年化營收約250億美元(約新台幣8,000億元)
Google(Alphabet) 雲端/AI服務(含基礎設施) 2026年第二季Google Cloud營收248億美元(約新台幣8,000億元)、年增82%;Gemini月活躍用戶9.5億
Microsoft(微軟) 生產力工具(Copilot) 2026年7月365 Copilot付費席次達3,000萬席
Salesforce 企業AI代理(Agentforce) 2026年5月Agentforce年化營收12億美元(約新台幣384億元)、年增205%

註:OpenAI、Anthropic同時開發模型(延伸參考:模型篇談的那一層)與自家應用,這裡計入的是它們靠付費訂閱與API服務變現的部分。

實體AI這一側,掌握變現與估值高地的同樣是美系:輝達提供機器人的運算平台(Jetson Thor已上市,其中Jetson AGX Thor開發者套件定價3,499美元、約新台幣11.3萬元,並推出GR00T機器人基礎模型);特斯拉(Tesla)的人形機器人Optimus預計2027年才進入高量產;新創Figure AI在2025年底完成新一輪募資,投後估值近390億美元(約新台幣1.25兆元)。

應用層的變現目前握在這些國際大廠手上。對台廠而言,軟體端不是主戰場,真正切得進去的是實體AI的機器人——這是下一段的重點。

AI應用概念股,哪些台廠直接受惠?

《數位時代》延續系列標準,以「有沒有AI應用層的實際訂單或營收佐證」區分:有的算直接受惠,宣布合作、做試點或內部工具的算間接受惠。可以發現,直接受惠的非常少。

公司(代號) 應用類別 訂單/營收佐證 分級
達明(4585) 協作機器人本體(cobot) 2026第二季營收5.12億元、年增29.3%,同期新高;累售約1.8萬支機械手臂;輝達Jetson Thor合作夥伴 直接受惠
和椿(6215) AI機器人系統整合 2026第一季營收7.73億元、年增58.7%,稅後純益年增212%;機器人與設備模組業務同步成長 直接受惠
所羅門(2359) AI機器視覺/智動化 智動化事業約占營收29%、有實際營收,稱2026年相關設備訂單占比看到六成 直接受惠
訊連(5203) AI軟體應用(AI影音、人臉辨識) 2025年營收24.59億元、年增18.9%,創新高 直接受惠
台灣大(3045) 代理式商務場景(myfone × Visa) 打造全台首個AI代理商務消費場景,屬試點階段,限聯名卡 間接受惠
富邦媒(8454) AI電商營運工具 AI用於搜尋、推薦、客服等營運環節 間接受惠
91APP*-KY(6741) 零售AI代理SaaS(AgentOne) 2026年7月發表企業級AI Agent平台 間接受惠
玉山金(2884) 金融AI代理 AI應用於智能客服、影像辨識、警示帳戶偵測等內部作業 間接受惠
國泰金(2882) 金融AI代理 AI代理用於可疑交易調查、內部知識庫等內部作業 間接受惠
鴻海(2317) 實體AI智慧醫療 護理協作機器人Nurabot已在臺北榮總等場域部署、可降約30%護理負荷 間接受惠
研華(2395) 邊緣AI/機器人平台 推邊緣運算架構,為機器人平台使能者 間接受惠
盟立(2464) 具身智慧事業群 規劃2026年啟動小量量產(本業為半導體設備) 間接受惠
聰泰(5474) 機器人感知零組件(機器視覺) 與輝達合作,推機器人專用邊緣運算模組 間接受惠
圓剛(2417) 機器人感知零組件(機器視覺) 與美商RealSense合作展示多鏡頭感知,切入Physical AI 間接受惠
零壹(3029) 代理式AI導入服務 系統整合與雲端代理服務 間接受惠
精誠(6214) 代理式AI導入服務 企業AI導入與系統整合服務 間接受惠

代理式商務這一半邊,台股目前還沒有明確的直接受惠股。台灣大 × Visa、富邦媒(momo)、91APP與金控導入的AI,多屬試點、合作或內部效率應用。唯一列在直接受惠的軟體股是訊連,它有實際在賣、也帶來營收的AI應用產品(AI影音、FaceMe人臉辨識),這是它和其他只做試點或內部工具的軟體業者最大的不同,雖它未單獨揭露AI占整體營收的比重,本篇仍將其歸類為直接受惠股。

實體AI這一半邊,才是台股真正吃到應用層營收的地方,主要是達明、和椿與所羅門三家:達明主攻協作型機器人本體(cobot)、市占居全球前段班;和椿專做AI機器人的系統整合,把協作機器人、自主移動機器人(AMR)與人形機器人整合成解決方案;所羅門則做AI機器視覺,把「看得懂畫面」的能力做成軟硬整合模組,供機器人與產線使用。

此外,人形機器人關鍵零組件的上銀(2049)有機器人相關營收,但屬零組件、不在應用層;常被一起點名的東佑達,專做電動缸、滑台與桌上型機械手等機器人零組件,並非上市櫃公司;微星(2377)則查無Physical AI應用層的具體訂單或營收,都不列入本表。

從能源的台達電(2308)、晶片的台積電(2330),到基礎設施的鴻海(2317)與廣達(2382),台股在前段各層都有明確的受惠隊伍。但越往上,台廠越難卡位:本篇我們看到,最頂層的AI應用,軟體與代理式商務的變現目前多由國際大廠拿下,台股主要在實體AI的機器人硬體端參與。

《數位時代》以黃仁勳提出的「五層蛋糕」為架構,從能源、晶片、基礎建設、模型一路拆解到應用,AI概念股系列也暫時告一段落。接下來,我們將進一步整合五篇的代表個股,推出《2026 AI概念股全地圖》,帶讀者一次看懂AI產業鏈究竟分成哪些層次、各層有哪些代表廠商,以及從底層算力到最終應用之間,如何一層層串起整個AI產業。

延伸閱讀:

資料來源:黃仁勳「AI五層蛋糕」架構(輝達官方部落格)Anthropic 官方新聞稿(2026/5)Salesforce FY27 Q1 財報(2026/5/27)Alphabet 2026 Q2 財報Edgar Dunn & Company|Agentic Commerce輝達 Jetson Thor 新聞稿

本文初稿為 AI 編撰,整理・編輯/林育萱

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