中國FinTech業者:其實真正的金融科技是大數據金融
中國FinTech業者:其實真正的金融科技是大數據金融

「如何深耕大數據?」是中國金融科技業者最關切的議題。中國上網人口突破6.5億人,產生巨量數據,也因此從P2P信貸、第三方支付、供應鏈金融、消費金融等各領域公司,皆把金融大數據發展列為重點策略。此外中國也誕生如文思海輝與九次方等第三方大數據公司,專為金融機構提供信評等金融數據。

圖說明
照片來自伊特諾 雷分享於flcikr, with CC license。

「其實真正的金融科技是大數據金融,你提供你的姓名和身份證,我們立馬可以對你的個人資訊進行數據分析,得出你的授信額度,不需要再進行審貸。」網貸之家總經理朱明春在《2014東莞互聯網金融高峰論壇》從應用層面解析金融大數據的力量。

金融大數據是中國金融科技巨頭們的核心競爭力。阿里從電子商務、騰訊從社交娛樂、百度從搜尋引擎數據起家,透過合作與併購,搜集電商、社交、物流、支付、交易、評價數據等大數據,再結合傳統金融徵信與風控系統,開發自己的金融科技徵信與風控模型。

加上中國跨業數據交換自由,沒有太多法規規定,成為金融大數據發展契機,大數據徵信產業風起雲湧。

「大數據讓金融服務從被動申請變成『主動』出擊。」舉例來說從過去銀行業者都是被動的等客戶申請服務才開始做授信,但有大數據思維後,就先從大數據中篩選有需求的客戶,搶到銷售商機,再利用數據做貸後管理,追蹤營運狀況。」亞洲資採國際(AsiaMiner)技術長尹相志說。

大數據徵信熱,小米也推小米信用

點圖可放大
圖說明
圖說:中國金融數據交換目前處於第二階段,正邁入第三階段。金融企業數據取得並不容易,政府監管數據更需特別關係才能得到。

「金融科技能真正有別於傳統金融模式,關鍵在於大數據徵信服務。將金融科技譬喻成城市建設的話,徵信系統就是城市的水電、橋梁與鐵路。」《2015年中國互聯網金融行業投資研究報告》如此寫道。

「中國徵信行業未來市場規模將達千億元人民幣,其中企業徵信市場規模有百億元人民幣,個人徵信市場規模有千億元人民幣。」《平安證券2014年專題報告》指出。

「台灣的聯合徵信中心成熟,但中國人民銀行徵信報告,僅涵蓋有3億人口,給予民間徵信機構很大的發展空間。人行徵信與外部大數據怎麼融合是很熱門的議題。」尹相志說。

中國央行在2014年發出8張金融科技徵信執照,讓阿里巴巴旗下芝麻信用、騰訊集團的騰訊徵信與中國平安集團的前海徵信等業者彌補人民銀行徵信不足,就連手機起家的小米,也將推出「小米信用」。

螞蟻金服的芝麻信用為中國大數據徵信始祖,依據電商、支付寶與餘額寶的用戶數據評分。支付寶APP中「芝麻信用」,授權開通後,用戶都可以看到自己的芝麻信用分(從350分到950分)。螞蟻金服表示,「分數隨時浮動,分數越高代表信用程度越好,違約可能性越低。650分以上屬於信用中上。」

芝麻信用已經應用在食衣住行各種場景中。螞蟻金服指出,「芝麻信用推『信用簽證』,分數在700分以上,只需上傳護照、照片、受理表三份資料,就可以申請新加坡簽證。芝麻信用也和世紀佳緣等婚戀公司合作,以信用分高低刪選未來的另一半,芝麻信用在北京首都機場推出了快速安檢通道,信用分達到750分以上的旅客,可以享受快速安檢通道。神州租車是首家與芝麻信用合作的企業。當用戶的芝麻分達到一定分數,租車不用再交押金。」

除了阿里巴巴之外,跨足金融科技的巨頭們無不努力建置自己的數據徵信與風控系統,除了結合傳統金融與產業金融風控外,也投資併購團隊增強自己的徵信與風控體系。本文以京東金融、海爾金融與眾安保險為代表,分析這些公司如何利用大數據推出金融產品。

京東金融電商大數據應用最徹底

「金融是長跑不是百米賽跑。京東金融追求長期價值,我們要做一件一輩子都做不完的事情。我一共給京東金融設計了十步,現在只走了第一步,後面還有九步沒走。」京東金融執行長陳生強在企業內部講話如此說。

點圖可放大
圖說明
圖說:京東金融電商大數據。

中國第二大電子商務業者京東商城,在2013年成立京東金融,兩年內員工數從100人到現在的3000人,建立供應鏈金融、消費金融、群眾募資、財富管理、支付、保險等七大業務。

「和阿里巴巴的螞蟻金服相比。京東金融除了B2C金融外,也兼營B2B金融業務,如訂單融資,入庫單融資,票據融資,資產包轉移與信託等。京東商城數據應用最為徹底。」尹相志補充。

消費金融業務中,以京東白條業務最為出名。2014年京東推出「京東白條」,類似信用卡,主打先消費,後付款。使用者最大信用額度為1.5萬元,可以24期分期消費京東商城內的商品,服務費率每月0.5%-1%,推出至今用戶數已經達到千萬人。

白條業務也擴增到旅遊、校園與租房等領域。京東金融與房仲公司丁丁租房推出「丁丁白條」業務,由於中國租房,房客須繳交一個月房租與三個月押金,對身無分文的窮忙學生來說是很大的負擔,丁丁白條代替學生提前墊付這筆資金,租客按月付款,零息零佣金。

「金融科技產品形態很容易複製,大家實際上真正拼的是底層的風控體系。風控已成為金融科技企業能否長久發展的命脈。」陳生強強調。

2015年京東投資美國金融科技公司ZestFinance,共同開發新模型應用於京東的消費金融體系,並且打造一套大數據徵信體系。如申請評分、詐欺評分、交易監測、催收評分與套現識別等模式的「風險控制」模型與價格敏感度、用戶活躍度、消費購買力、信貸需求潛力等「量化營運」模型,以及識別用戶、挖掘用戶、個人資產評估、身份特徵、履約歷史、網絡行為偏好與用戶社交網絡等「用戶洞察」模型,以上三大模式數據,形成京東商城大數據徵信體系。

海爾金融供應鏈大數據鴻海也跟風

「原來一提海爾一定是個家電企業。未來二三年再提海爾則未必。」海爾集團輪值總裁周雲杰今年出席公開活動如此說。

圖說明
圖說:海爾金融供應鏈大數據-經銷商信貸為例。

面對中國人口紅利消失、工資上漲製造業利潤薄,家電市場飽和等嚴峻挑戰,海爾除了轉向創客孵化平台,也一腳跨進金融科技領域。2014年12月推出「海融易」金融平台,交易量超過20億元人民幣,註冊用戶數達超過150萬人。製造家電起家的海爾強攻「供應鏈金融」和BAT等巨頭走了不同的路。

「海爾未來在供應鏈大數據。」互聯網金融創業事業群執行長程耀輝對中國媒體表示。舉例來說,海爾上游供應商約有5千家,下游經銷商則高達3萬家,這些商家產生了龐大的金流、物流與資訊流數據,海爾利用這些數據,為上游供應商與下游經銷商打造金融產品「小金鍊」與「預付款理財」,加速供應鏈廠商的資金週轉率,在中國製造業與家電領域創新獨具。

在上游供應商方面,海爾把上游供應商賣產品給海爾時所產生的「應收帳款」包裝成金融商品,也就是供應商對海爾的「應收帳款債權」,轉賣給其他投資人。供應商即時獲得應收資金,最後該應收帳款由海爾下屬企業付給投資人。

而針對下游經銷商,海爾設計「預付款理財」產品。過去海爾的經銷商訂貨時,需要預先付預付款,常動輒數百萬,這些資金在預付期內沒有任何收益,海爾就把預付款訂金,包裝成金融商品販售給投資人,讓海爾經銷商的預付款在實現預付功能的同時也能獲得收益,經銷商的沉澱資金變成了活水。

支撐海爾供應鏈金融的關鍵,在於風控系統。海爾金融風控團隊目前擁有30名成員,有來自PayPal,也有傳統金融領域和產業人才。

「海融易參考海爾ERP數據庫的供應商與經銷商數據,然後對融資企業進行線上線下研究,做到其他平台很難做到的『產業風控』。對於風險預警和貸後催收有直接幫助。有了海爾的數據,當一個公司來海融易借款時,風控部門可以查詢該公司的產業鏈位置,判斷公司是利用資金擴大再生產,還是在困境中。」海爾金融執行長王偉在接受《陸家嘴》採訪時表示。

眾安保險醫療大數據具創意

圖說明
圖說:眾安保險-醫療大數據。

騰訊打造了具備微信與大數據處理能力的智慧血糖儀,並且和中國保險公司眾安保險合作「糖小貝計劃」,根據客戶的生活、醫療習慣等數據設計「浮動保額」機制,舉例來說,糖尿病患者飯前血糖若達到標准值,保險額度就會增加100元人民幣,獎勵上限2萬元人民幣,當糖尿病患者病情嚴重,需要手術治療時,眾安保險就會依此金額進行給付。

反之,血糖值過高保額也就會減少,而騰訊還與丁香園合作,丁香園為醫師社群,擁有3.5萬名內分泌科實名認證醫生。病患可得到家庭醫生一樣照顧。

「台灣是法規沒說可以的通通都不行,中國是法規沒說不行的通通都可以,就算法規不可以,也可以打擦邊球。」尹相志說。

京東商城的類似信用卡的白條業務也不符合法規規定,加上台灣較重視個人隱私權,在嚴格《個資法》的限制下,僅能發展內部平台與社交資料,外部數據的交換限制很多,而政府公開數據,看起來可行,但開放的數據比較粗糙,很難實際應用。因此要怎麼在不違法的情況下,利用有限數據,找到數據應用最大可能性成為台灣業者的最大挑戰。

資料來源:《麥肯錫:互聯網金融對傳統銀行的衝擊與啟示:以中國市場為例》、艾瑞咨詢、瀝智匯金融知識庫

@@ACTIVITYID:513@@
@@ACTIVITYID:503@@

本文出自於:
@@BOOKID:126568@@

延伸閱讀:【圖解】六張圖看懂金融科技模式:概念、現況與案例

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