[Mr. Finance] 科技金融還是金融科技？|數位時代 BusinessNext

春末夏初的對流雨，讓城市中的空氣時而凝重、時而清爽，氤氳著萬端詭異的氣氛。就如同曾經彷彿一片晴空的台灣股市，躡手躡腳地爬過1萬點之後，又偷偷摸摸地滾回9千點。我們本來以為這樣的6月中旬，不會再有什麼天外飛來一筆。說時遲那時快，突然之間聽到一則新聞，大意是說：「金管會將開放銀行、保險、證券三行業可以100％投資Fintech（金融科技）相關公司，例如大數據資料處理公司、行動支付或生物特徵認證公司等。」

這個消息倒是平地一聲雷，嚇得許多金融業的人魂不守舍。說穿了，80％的金融業從業人員壓根沒聽過什麼叫做Fintech。不過其實也不必太害怕，金融科技公司的歷史很久遠，甚至還要追溯到早在網際網路發明之前，知名的彭博（Bloomberg）資訊公司就是FinTech的佼佼者。只不過那時候的金融科技業者主要不為人民服務，而是為金融機構服務。

不過隨著網際網路的崛起，金融科技由原先金融機構才獨享的資源延伸到個人，包括當時喧騰一時的E*TRADE、Intuit，都是金融科技的新興崛起者。那一段時日，靜坐在太師椅上的金融業者，倒是氣定神閒地看著金融科技業者紛紛冒出頭，既不覺得受到挑戰，也不覺得緊張。

網際網路的風潮雖然方興未艾，一路到現在，金融機構還是以其本身的資本優勢，把金融科技公司的氣燄強打下去，許多原先看來不錯的金融科技公司，都被傳統金融業者如銀行投資，網羅進金融機構，而成為附屬投資，最後又發展的不怎麼樣。

說穿了，在網際網路時代盛行的金融科技業者太強調「科技」，卻沒想到「金融」才是「科技金融」（Fin Tech）的硬道理，最後被真正從事「金融服務」的業者攔胡了。

但是前一波2008金融海嘯伴隨著Mobile Internet（移動互聯網）的盛行，讓金融科技公司又成為顯學，美國及中國的金融科技公司早已紛紛引起眾人的注意。而且這一次，他們不再是準備拿大型金融機構的投資含笑出場，而是自己大幹一場，他們跟不同機構之間既競又合，打算走出自己的一條路。像是Bank 3.0布雷特．金恩（Brett King）的Moven，就透過跟不同的銀行合作，打算建立自己的大平台，這一波的金融科技公司，倒是真正做到了只是以「科技」為媒介，針對的是「金融服務」。

金管會注意到Fintech的趨勢當然很好，注意到美、中的Fintech這次來真的，也是件功德。但是由於台灣弄得上Finttech的還很少，這樣的判斷也不見得到位。提高金融機構對Fintech的投資當然是對的，但是真正的Fintech也不見得只為一家金融機構服務，所以問題的焦點可能不在於金融機構投不投資Fintech公司，而是如何藉由Fintech的新科技、新想法，提供新時代的金融服務。

因應生成式 AI、代理式 AI 與實體 AI 的崛起，模型成為企業資訊基礎設施的一環，企業不僅需要算力、還必須具備同時管理多個 AI 模型、優化營運成本，以及確保 AI 基礎設施的安全與穩定；有鑑於此，服務超過 2,000 家企業客戶上雲的勤英科技（ELITE CLOUD）將業務範疇從雲端代理延伸到 AI 基礎設施整合商，協助企業整合多元模型資源、因應不同應用場景彈性調度算力資源，在 AI 新世代建立可規模化的 AI Infra 能力。

「隨著 AI 從單一聊天機器人進化到多模型、多代理協作，企業的核心競爭力不再僅是擁有 AI，而是建立一套可管理、多模型共存、穩定、安全且可持續擴充的 AI Infra 環境。」勤英科技區域總經理黃士培表示，為協助更多企業推進 AI 創新實務，勤英科技從原本的 AWS、Google Cloud、Azure 雲端代理角色，進一步轉型為 AI 基礎設施整合服務商，透過多語言模型平台 MixRoute、代理式 AI 導入與企業資料治理服務，協助企業建立真正可落地、可管理、可擴展的 AI 應用架構。

從 IT Infra 到 AI Infra，企業最大挑戰不是模型、算力而是管理

過去幾年，許多企業透過生成式 AI 實現「問問題」、「摘要文件」、「生成簡報」，提升員工工作績效，而代理式 AI 的崛起與普及，則讓「內嵌 AI 的企業應用」快速成為新常態，從企業資源規劃（ERP）、顧客關係管理（CRM）、人力資源（HR），到客服、研發甚至製造系統，AI 開始深度嵌入各類企業應用，AI 扮演的角色也從單純的輔助工具，逐漸進化為企業營運與決策流程的重要核心。

也因此，企業保持未來競爭力的關鍵，不再是「有沒有導入 AI」，而是「是否具備管理 AI 的能力」，包括如何讓多模型共存、如何控管 Token 成本、如何確保資料品質與一致性、如何依不同部門需求配置 Agent，以及如何避免 AI 成為新的資訊孤島，都是企業導入 AI 後的新挑戰。

「Gemini、Claude、OpenAI、Mistral 等模型快速迭代，意味著企業若只押注單一模型，未來很可能在成本、效能與彈性上失去優勢。」勤英科技區域總經理黃士培表示，企業接下來更需要以「Models as Infrastructure（模型即基礎建設）」的思維，將大型語言模型視為與運算、儲存、網路同等重要的基礎資源來規劃、治理以及進行成本管理，將資訊系統架構重塑為 AI 基礎建設。

勤英科技服務的客戶數超過 2,000 家，不少客戶已導入 AI 應用服務，正積極建置 AI Infra 與管理環境，因此，勤英科技自 2025 年積極轉型，將 AI Infra 視為企業長期競爭力的基礎建設來經營，業務範疇從傳統雲端代理擴展至 AI Infra 整合服務商，例如與多模型平台 MixRoute 合作，並開發可支援單一登入（SSO）、彈性調度不同大型語言模型 Token 的管理平台，協助企業簡化模型管理與成本控管，將更多資源與心力聚焦於核心業務與創新應用。

從雲端代理走向 AI Infra 整合，勤英科技從三面向協助企業發揮 AI 綜效

有鑑於 AI 應用與雲端環境息息相關，勤英科技除因應企業客戶的多雲策略協助管理多雲環境、優化成本，以及落實資安治理，更因應不同使用情境推出三種 AI 方案助力企業：

第一：提供開箱即用的 AI 服務。

黃士培以 Google Cloud 的產品為例解釋，透過整合 Gemini 的 Google Workspace，企業可直接在 Gmail、Meet、Docs、Sheets、Slides 中使用 AI 功能，包括會議摘要、文件生成、簡報整理等，快速提升員工生產力，同時，增強企業對 AI 應用的信心，為之後的應用深化做準備。

第二：協助企業規劃、打造與導入代理式 AI 應用服務。

「對於擁有豐沛結構化數據資料、知識庫的企業來說，除以生成式 AI 打造企業大腦，還會透過代理式 AI 提升自動化執行能力，重塑工作效率。」黃士培表示，勤英科技可以基於 Google Gemini Enterprise，提供含括底層雲端架構、AI 模型調度、資料治理與 AI Agent 串接等服務，讓企業員工可以自然語言安全調用企業資料，讓 Agent 進一步執行任務與推動流程。

舉例來說，勤英科技協助在台灣成立超過 50 年的製造業品牌商將 Gemini Enterprise 介接 SAP 與 Salesforce 訓練模型、建立可供 AI 調用的企業知識中樞；另在影音內容生成領域，勤英科技亦協助客戶導入 AI 自動化技術，將內容產製成本縮減達 90%。

第三：提供多模型聚合管理平台，滿足企業以 API 串連各種模型的需求。

勤英科技與新加坡 MixRoute 合作，提供企業客戶多模型管理平台，讓企業可以視需求彈性敏捷的調度 Gemini、Claude、OpenAI 等不同模型，並透過單一帳號、單一帳單與 Budget Alert 機制，管理 token 使用量與 AI 成本。

「透過我們提供的多模型管理平台，企業客戶不會被單一模型綁定，可以在模型快速疊代的環境下，更靈活地管理成本與算力資源。」黃士培如是說道。

總的來說，隨著 AI 應用從單點工具走向大規模企業部署，下一波競爭核心將從模型能力延伸至 AI 基礎設施管理能力，而這也是勤英科技從雲端代理走向 AI Infra 整合服務商背後的核心原因：當 AI 開始成為企業營運的一部分，企業需要的，已不只是模型供應商，而是能協助串接雲端、資料、Agent 與應用場景的長期技術夥伴。

有關更多勤英科技相關資訊，請查詢網站：https://www.elite.cloud/zh/