觀點｜AWS、AMD財報狂飆背後：算力需求強勁，資料中心建置為何卡關？|數位時代 BusinessNext

美國亞馬遜公司於2026年7月30日公布第二季財報，當季淨銷售額達2,006億美元，年增20%；營業利益達275億美元，年增43%。

AWS與AMD財報展現AI需求

亞馬遜旗下AWS（亞馬遜雲端運算服務）第二季淨銷售額達422億美元，年增37%，創下18季以來最快增速。

亞馬遜執行長賈西（Andy Jassy）指出，截至2026年第二季，AWS的營運年化營收執行率已達1,690億美元，其中AI與自研晶片的營運年化營收執行率皆已各自突破250億美元。

由於需求強勁，亞馬遜將2026年資本支出由2,000億美元調高至2,200億美元，增幅10%。調高資本支出的原因為需求遠大於供給，以及記憶體價格高漲。

賈西表示：「即使投入到這個規模，我們在2026年仍無法滿足所有需求。我相信這樣的情況在2027年也仍會持續。」

值得注意的是，亞馬遜自由現金流大幅由正轉負。截至2026年第二季的過去12個月，亞馬遜自由現金流為負76億美元，而去年同期則為正182億美元。

除了亞馬遜外，微軟、Alphabet及Meta等科技巨頭也因持續擴大AI投資，而出現自由現金流大幅下滑。這顯示AI投資「燒錢」的速度快過賺錢的速度。

對於自由現金流轉負，賈西解釋，亞馬遜通常會在資料中心正式啟用前約兩年開始投入建設，因此會出現一段「現金持續流出，但收入尚未進帳」的時期。

然而，一旦資料中心投入營運，可望持續創造約30年的收入。另一方面，AI伺服器通常不到三年即可回收成本，之後還能持續創造二至三年的獲利。

賈西表示，AWS 2027年的大部分算力已被客戶預訂，2028年的算力也已有相當高比例完成預約。

從全球最大的雲端服務供應商（CSP）AWS的財報來看，AI的前景一片光明。

資料中心建設面臨阻力

AMD於2026年8月4日發布的第二季財報也十分亮麗，營收達創紀錄的115.36億美元，季增13%、年增五成。

以非一般公認會計原則（Non-GAAP）計算，毛利率為56%，年增13個百分點；淨利為27.6億美元，季增22%、年增2.53倍。

AMD資料中心事業群第二季營收67.18億美元，年增107%，營收占比達58%，成長動能來自EPYC處理器與Instinct GPU的強勁需求。

從AMD財報可看到AI晶片需求暢旺，讓它第二季營收創下歷史新高。

然而，從AI基礎建設的現況來看，卻出現一些不給力的現象。

2026年，全球原定約有140項大型資料中心建設計畫，總容量至少達16 GW。據統計，僅有約5 GW已開始建設，且主要集中在美國；最多約11 GW仍停留在宣布階段，尚未出現施工跡象。推估可能是地方人士反對興建資料中心，或政府審查延宕，導致資料中心無法如期興建。

根據摩根大通2026年5月的報告，計畫於2027年完工的美國資料中心容量，遠超過一半尚未觀察到施工跡象。

由此可見，儘管AI供應鏈訂單熱絡、供不應求，基礎建設推動卻面臨很大的阻力。AI資料中心對電力、水資源的需求龐大，令地方人士生畏、群起反對，使AI基建推進遲緩。

資本支出與商業模式的考驗

從金融面來看AI的發展，似有不小的風險。摩根士丹利預估，2026年全球AI相關債務發行規模將接近5,700億美元，較2025年增加一倍以上。

市場預估，亞馬遜、Alphabet、微軟及Meta四大雲端巨頭2026年的資本支出合計約7,600億美元，較2025年的4,100億美元增加約85%。

亞馬遜與Alphabet的自由現金流轉負，顯示AI投資已對自由現金流造成壓力。

OpenAI、Anthropic兩大AI新創龍頭，是雲端服務公司的重要算力客戶，但兩家AI應用公司的營收，與其承諾租用的算力規模相比過於懸殊。

OpenAI 2025年營收約130億美元，研發費用卻高達192億美元，入不敷出。此外，根據曝光的財務文件，OpenAI在2025年支付微軟的各類服務費合計約172億美元，主要包括模型訓練與推論所需的運算費用。OpenAI如不能突破困局，對AI前景有不利的影響。

Anthropic的營運狀況較OpenAI好很多。據2026年5月外媒引述募資資料，Anthropic當時預估第二季營收可達109億美元，較第一季的48億美元成長一倍多，單季營業利益可達5.59億美元。Anthropic若能延續這股成長，將成為推動AI產業前進的重要基石。

綜而言之，AI產業將持續前進，然而並非能一帆風順。OpenAI、Anthropic兩大AI龍頭引領AI產業前進，全球資本市場也投注大量資金；若是後繼無力，恐將造成AI產業發展過程中的波折。

延伸閱讀：AI已經做得到20%的題目，反而不要碰！Google首席科學家給創業者的「1%法則」

《數位時代》長期徵求針對科技時事的深度觀點文章，歡迎各領域專業人士來稿交流。稿件請寄至 edit@bnext.com.tw，全文字數至少 800 字，並請附上 100 字內個人簡介。文章若獲採用，將由編輯進行必要潤飾，如需調整標題，會事先與您討論確認。

（觀點文章呈現多元意見，內容不代表《數位時代》立場）

責任編輯：李先泰

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。

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。

「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