Apple衝刺、Android出擊、三星搶灘，手機巨頭大戰行動支付|數位時代 BusinessNext

線上線下一起體驗

這種模式都能同時支援線上與線下交易情境，以Android Pay來說，在美國除了支援梅西百貨（Macy）與Staples等實體商家，也支援Uber、Lyft等線上商家，讓消費者體驗無所不在的支付。

在家系統中，值得注意的是三星，他們在今年2月收購磁條型行動支付技術的「Loop Pay」因此，只要支援磁條信用卡結帳的商家就能使用Samsung Pay，如此一來就能減少向商家推廣，和設置支援裝置的時間同時，該技術可整合磁條卡相關功能，例如會員卡、集點卡、購物優惠等，對於快速切入市場，有其優勢。

(三星Samsung Pay直接支援現有刷卡機，有市場推廣上的優勢。)

此外，由於三星的策略是希望以服務帶動硬體銷售，現階段不收取銀行或信用卡公司任何手續費，相對於單筆消費就要收0.15％的Apple Pay而言，Samsung Pay此舉廣受銀行與信用卡公司的歡迎，目前已與美國運通、Visa、MasterCard、美國銀行、JPMorgan、花旗銀行、Bancorp 等18家金融機構建立合作關係。

Visa創新產品總監陳志銘指出，使用Token技術將提升持卡人的安全性，就算商家資料被竊取，也不需要重新換發卡片，而使用Token後，商家需要使用Visa Token Service才能將資料解碼，商家無法立即獲得卡號，因此敏感的卡號資訊也不會經過交易生態系統成員。而對收單行來說也可以避免網路攻擊與資料外洩，降低信用卡被盜刷風險。就算持卡人的手機不見，只要將手機的代碼註銷就好。

小心你的數據資產

不過，在選擇支付方式時，使用者必須更有個人資料保護觀。蘋果執行長庫克（Tim Cook）今年在美國史丹佛大學演講時就強調，「蘋果著重販賣世界上最好的產品跟服務，而不是賣使用者個人資料，蘋果營運模式非常簡單。」庫克沒有明說，但話語明顯指向對於消費者數據虎視眈眈的Google。

「Apple Pay、Samsung Pay手機中設有硬體安全元件（Security element），兩家公司不觸碰使用者資料，但Google走的是HCE（Host Card Emulation）模式，Android Pay沒有硬體安全元件的設計，而是把資料雲端化放在遠端伺服器中，成本更低廉。」資策會MIC產業分析師胡自立說。

手機就是錢包的未來，我們在選擇支付管道時，必須更理解最後資料去向，同時廠商也更應負起保護資料的責任，就像大數據權威專家、牛津大學網路研究所教授麥爾荀伯格（Viktor Mayer-Schönberger）所說，「個人沒有辦法真正瞭解數據的隱私問題有多複雜，尤其當使用者很需要這些服務時，根本不會去看隱私申明，打勾就是了，因此使用資料的人必須負起應有的責任，個人就會有信心，使用資料的企業負責任態度使用是最重要的。」

Google、Apple、Samsung三大行動方案比較

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。