漲得比房地產更快的資產 — 比特幣
漲得比房地產更快的資產 — 比特幣

因為工作關係,我開始涉略關於虛擬貨幣的資訊,特別是近期曝光率相當高的虛擬貨幣「比特幣(Bitcoin)」。

隨著越來越多的網路平台接受以比特幣支付貨款,以及 10 月底全球第 1 台比特幣 ATM 在加拿大問世,比特幣的身價也不斷飆漲。1 單位比特幣兌換美元的價格,11月 18 日在全球最主要的比特幣交易所 Mt.Gox 網站也已經突破 500 美元大關。。

雖然我們可能都不曾買過比特幣,也都不曾以比特幣支付款項,但我們卻可能都曾經有使用虛擬貨幣的經驗。
 

什麼是虛擬貨幣 

在歐洲中央銀行 2012 年 10 月的報告「虛擬貨幣架構(Virtual Currency Schemes)」中,虛擬貨幣的定義如下:

「虛擬貨幣為一種未受管制、數位貨幣的類型。由它的開發者發行,通常也是由它的開發者控制。為一個特定虛擬社群的成員所使用和接受」。

這段艱澀的定義或許不容易理解,我們來用實際的例子瞭解虛擬貨幣的不同型態。

封閉性:虛擬貨幣與實體經濟幾乎沒有連結

假如你是線上遊戲的玩家,或許曾在遊戲中以金幣作為交易的工具。玩家為了提高層級需以金幣購買裝備,而遊戲中的金幣則根據玩家線上的表現所賺取的。理論上這類虛擬貨幣在真實世界中無法交易。

Ÿ單向性:虛擬貨幣可用真實貨幣購買,但無法換回原來的貨幣

讀者是否用過臉書幣(Facebook Credits)?臉書於 2009 年推出虛擬貨幣臉書幣,讓使用者可用於購買臉書平台上的商品。臉書幣可用信用卡、PayPal 帳戶或各種付款方式購買。使用者透過特別的促銷活動也能夠獲得額外的臉書幣,例如在網站上購物。但臉書不提供轉換回真實貨幣。

雙向性:使用者可依照匯率用真實貨幣買賣虛擬貨幣

此類虛擬貨幣與真實世界的互通性跟一般貨幣相似,可用於購買虛擬與實體的商品與服務。最典型的例子即比特幣。

 

為什麼要使用虛擬貨幣 

真實貨幣用得好好的,為什麼要用虛擬貨幣呢?通常網路公司希望透過發行虛擬貨幣創造額外的收入。包括:

● 鼓勵消費:虛擬貨幣可以簡化交易,以及避免用戶需在每次購物時輸入付款資料,以激勵用戶在線上消費。
Ÿ● 增加忠誠度:虛擬貨幣也可以留住用戶。比如說,用戶定期登入的話就可以賺取虛擬貨幣。
Ÿ● 瞭解偏好:以虛擬貨幣為誘因,可促使用戶在線上填寫問卷,或回答問題,了解他們的偏好。這些資訊在在商業上更有價值。

然而,雙向性的虛擬貨幣,其設立動機與其他虛擬貨幣不同,特別是將該虛擬貨幣設計為交易媒介,成為真實貨幣的競爭者。例如比特幣,其創造者及擁護者的用意在於克服傳統貨幣供給為中央銀行所獨佔及管理的限制。
 

比特幣的淘金熱

比特幣出現於 2008 年一位名叫中本聰的人發表的一篇論文中。和傳統貨幣最大的不同是比特幣沒有一個中央發行機構,而是由開源的 P2P 軟體產生的電子貨幣。它以一套編碼系統為基礎,經過複雜地計算而產生。任何人都可以通過相關的軟體「製造」比特幣,這種方式稱為「挖礦(mining)」。

比特幣是人類歷史上第一次進行「去中心化」的貨幣系統,不以對中央發行機構的信任為基礎。

在最初比特幣的設定當中,便對比特幣的發行速率、總量設下限制。比特幣的總量基本上為 2,100 萬個。因此比特幣就像是虛擬世界中的黃金一樣,不但要透過挖礦來開採,且總體蘊藏量有上限。

隨著比特幣數量不斷增多,比特幣開採會越來越困難,以致發行速率減緩。如今使用一般的電腦想要挖出一枚比特幣已經十分不容易。

全球無晶圓廠領導廠商世芯電子(Alchip Technologies)這個月才宣佈與瑞典廠商 KnCMiner AB 合作,成功完成業界最快且是第一顆 28nm 晶片的比特幣挖礦機Jupiter,這是當前市場上功能最強大的比特幣挖礦機。目前市面上超過 70% 的比特幣都是由 KnCMiner 的挖礦機所產出,使用者超過 120 個國家。比特幣的淘金熱,由此可見一斑。
 

比特幣面臨的問題 

但作為雙向的、限量的貨幣,比特幣也有一些缺點:

貨幣價值波動大

當比特幣持續升值,便開始出現通貨緊縮和惜售的現象。持有比特幣的人寧願將錢藏在口袋,也不願意消費,只想等待高點賣出。許多投資者存著投機的心理,而且容易受到集體情緒影響,造成比特幣的漲跌幅度超乎正常狀況。

成為犯罪的管道

目前已有 Mega、WordPress、Expensify、Reddit、淘寶網的商店、百度旗下的加速樂等正規網站接受以比特幣付款。全球也已有 1 千多家商家接受比特幣。只是在此同時,也有黑市利用比特幣進行非法交易。

由於比特幣缺乏法定監管機制,加上比特幣基本上屬於匿名交易,因此比特幣很容易成為販運毒品和洗錢的管道。像知名的匿名黑市網站「絲路(Silk Road)」就接受使用者以比特幣進行毒品、槍枝等非法交易。該網站目前已被美國聯邦調查局查封。

目前各國政府對於比特幣的看法依舊存在分歧。德國財政部 8 月份聲明,比特幣可以視為合法貨幣;可是泰國政府在今年 7 月底宣布比特幣違法,下令暫停國內交易,成為首個封殺比特幣交易的國家。隨著比特幣的關注不斷升高,比特幣的監管已經成為各國政府不得不考慮的棘手問題。
 

虛擬貨幣走入生活 

即使現在比特幣已能買賣東西,但其市場流通性仍是其最大的問題。市場流通性不足,造成炒作時波動過大;加上比特幣的價值是完全建立在使用者對它的信心之上,比特幣作為貨幣的發展仍有待商榷。但顯然隨著社群網路與虛擬支付的發展,虛擬貨幣會漸漸地走進我們的生活之中。

轉自有物報告/李芸綺

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

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
一次搞懂Vibe Coding
© 2025 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