台灣新首富解密:川湖林聰吉國小畢業、黑手出身,如何靠滑軌卡住AI伺服器命門?
台灣新首富解密:川湖林聰吉國小畢業、黑手出身,如何靠滑軌卡住AI伺服器命門?

2026年8月11日,《富比士》(Forbes)即時富豪榜洗牌:川湖科技(2059)董事長林聰吉,以167億美元(約新台幣5,380億元)身家超越國巨董事長陳泰銘,一度登上台灣個人首富。

事實上,川湖早在8月6日就已突破萬元大關、成為台股史上第3檔「萬金股」;8月11日,股價續站逾1.2萬元,林聰吉單日身家一度增加約354億元。

台灣十大首富 富比士最新排名

排名 姓名 公司 身分 資產(美元) 約新台幣
1 林聰吉 川湖(2059) 董事長 $16.7 B 5,380億元
2 陳泰銘 國巨(2327) 董事長 $16.5 B 5,310億元
3 郭台銘 鴻海(2317) 創辦人 $15.8 B 5,090億元
4 林百里 廣達(2382) 創辦人暨董事長 $14.5 B 4,670億元
5 鄭崇華 台達電(2308) 創辦人 $12.3 B 3,960億元
6 蔡明介 聯發科(2454) 董事長 $10.8 B 3,480億元
7 蔡明忠 富邦金(2881) 董事長 $9.9 B 3,190億元
8 張忠謀 台積電(2330) 創辦人 $9.6 B 3,090億元
9 蔡明興 富邦金(2881) 副董事長 $9.4 B 3,030億元
10 蔡宏圖 國泰金(2882) 董事長 $8.2 B 2,640億元

川湖是伺服器滑軌(Slide Rail)製造商。一台AI伺服器最貴的零件,是輝達(NVIDIA)的GPU,一顆動輒數萬美元。但決定這台百萬設備能不能順利拉出機櫃、維修、散熱的,正是金屬滑軌。法人估計,滑軌成本占整體AI機櫃價格不到1%。

那麼為何滑軌成本占整體AI機櫃價格不到1%的川湖,股價可以直直飛?

「沒人會拿頭髮試火!」 滑軌是不能出錯的隱形咽喉

伺服器滑軌是伺服器上下機架、抽拉維修時使用的滑動軌道,是家具抽屜滑軌的延伸。

但到了AI資料中心,滑軌承受的考驗完全不同。輝達NVL72這類高階機櫃,單台重量大幅飆升,一組滑軌得穩穩承受逾100公斤的動態拉伸,還要在機櫃越塞越密、散熱空間越來越有限的條件下,做到免工具快速拆裝、防止誤操作、長期耐用。承重差一點、精度差一點,整台要價百萬的伺服器就可能卡死或損壞。

因此,滑軌雖然只占整機極低的成本,卻成了不能出錯的「隱形咽喉」。

林聰吉曾用一句話點出滑軌的競爭邏輯:「一台伺服器那麼貴,沒人會拿頭髮試火。」客戶挑的是技術可靠度,而不是最低價。這也是為什麼一個只占1%成本的零件,能擁有遠高於成本占比的話語權。

家境清寒 從國小四年級開始當學徒

川湖在林聰吉帶領下一路壯大,但他的起點,其實離「台灣首富」非常遠。

85歲的林聰吉,年輕時是在工廠裡跟五金、機械打交道的「黑手」師傅。1941年出生於高雄的他,家境清苦,國小四年級就進家具廠當學徒、學做抽屜,國小畢業後便沒有再繼續升學。

1977年,林聰吉正式投入五金業,先從門把做起,後來轉做鉸鏈。累積近十年經驗後,1986年在高雄路竹創立川湖,最初只是一間生產門把、鉸鏈與家具滑軌的傳統鐵工廠。

當時大概沒有人想得到,一間做家具五金的小工廠,幾十年後會靠伺服器滑軌走進AI供應鏈。而真正改變川湖方向的,是一場差點讓公司撐不下去的危機。

林聰吉小檔案

項目 內容
出生 1941年,高雄,家境清苦
學歷 國小畢業(四年級起在家具廠當學徒)
起步 1977年投入五金,從門把、鉸鏈做起
創業 1986年創立川湖科技
現職 川湖科技董事長
身家 167億美元(約5,380億元,《富比士》2026-08-11)

不願降價導致訂單被砍 公司一度瀕臨破產

2000年前後,川湖的主力仍是家具五金。當時一家占公司營收近四成的大客戶,強硬要求降價三成,林聰吉拒絕了。

拒絕客戶的代價,就是訂單被砍、營收腰斬,情況最糟時,有約四成員工出走,公司一度瀕臨破產。

這件事情也為川湖上了一堂「無情的課」,當身家壓在單一大客戶身上,對方一句話,就可能決定公司的生死。

但轉機也在此時出現。2001年,電腦大廠康柏(Compaq)因原供應商失靈、急尋替代廠商,找上川湖。林聰吉在一周內交出設計圖、通過認證,拿下首張約10萬美元(約新台幣300多萬元)的伺服器滑軌試產訂單,就此打進伺服器供應鏈,並開始經營自有品牌King Slide。

被家具客戶逼到牆角的川湖,就這樣誤打誤撞,被推上一條當時看不到盡頭、日後卻通往AI的路。

只做高門檻、高毛利 築起專利護城河

切進伺服器後,林聰吉與接棒的第二代總經理林淑珍立下一條原則:只做高門檻、高毛利的產品,不跟人拚代工量產。

川湖也堅守三件事:

第一是專利。川湖累積逾3,700項專利,涵蓋導軌與機架、基板等結構設計,形成一張競爭對手難以繞過的專利網;公司長年投入研發,幾乎天天都有新專利下來。

第二是製造能力。伺服器滑軌不是單純的標準沖壓件,而是牽涉力學設計、材料與精密公差的系統件。對手就算想切入,也得先爬過技術與良率的學習曲線。

第三是客戶黏著度。少量多樣、快交期、客製化的特性,讓雲端服務商與代工廠一旦導入,就較不容易更換供應商。

這樣的策略效果,也直接反映在財報上。川湖2025年全年營收175.01億元、每股純益(EPS)103.23元;搭上AI浪潮後,2026年前七月合併營收衝上226.87億元、年增136.58%,上半年EPS達110.96元。

其中,最受矚目的則是毛利率。川湖第二季毛利率為87.42%、上半年累計84.2%,並強調「這麼高的毛利率,是25年技術積累與創新的成果!」

如今,導軌產品占川湖營收約97.87%,客戶幾乎涵蓋輝達與四大雲端服務商。

一個只占整機1%成本的零件,就這樣被做成單季毛利率逼近九成、競爭對手難以複製的生意。

雞蛋不能放在同個籃子裡 當上首富仍不敢鬆懈

儘管事業一飛沖天,但那場2000年危機帶來的衝擊,沒有隨著首富頭銜到來而消失。

「降價壓力天天都有。」林聰吉說道。

這份憂患意識,過去展現在多角化上。2008年金融海嘯後,川湖看準伺服器滑軌與廚具導軌技術互通,跨入廚具市場分散風險,廚具一度貢獻近三成營收。

但AI伺服器需求爆發後,導軌占比反而一路拉高到近98%。當年的風險,是把身家壓在單一大客戶身上;如今的風險,則換成把營收幾乎全押在導軌這條單一產品線上。性質不同,卻同樣是把雞蛋放進一個籃子,一旦AI建置週期降溫,衝擊恐怕更直接。

這正是林聰吉當上首富仍不敢鬆懈的理由。

如今,川湖一邊在美國休士頓設廠(預計2026年9月量產)、在台灣啟動川益科技三期與五期、投資約100億元擴產,以分散地緣風險;另一邊持續為Blackwell、Rubin等新世代平台開發承重更高的新品,並評估把技術延伸到機器人等新應用。

走到今天,林聰吉仍在替川湖找下一條路。

從國小四年級的家具廠學徒,到85歲的台灣首富,林聰吉花了七十多年證明一件事:最不起眼的零件,只要沒人做得比你好,就能卡住整個時代的重量。

川湖科技大事記

年份 事件
1986 林聰吉於高雄路竹創立川湖,家具五金/滑軌起家
2001 承接康柏首張伺服器滑軌訂單,自有品牌King Slide起步
2008 掛牌上市(股票代碼2059);金融海嘯後加速布局廚具導軌市場、分散風險
2019 廚具從美規跨進歐規;營收48.68億元、年增9.76%
2024 打入輝達GB200/NVL72供應鏈,坐穩全球伺服器滑軌龍頭
2025 全年營收175.01億、EPS 103.23元、配息51元;股價站上4,400元
2026 前7月營收226.87億(年增136.58%)、上半年EPS 110.96元;股價破萬登萬金股,董座林聰吉登台灣首富

延伸閱讀

資料來源《富比士》林聰吉即時身家頁

本文初稿由AI協助整理,整理・編輯/林育萱

關鍵字: #川湖
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