[專訪] IBM技術長林育震談FinTech：台灣銀行業心態積極，但中國比較願意實踐|數位時代 BusinessNext

「信任」是不可取代的優勢

根據CB Insights研究數據，全球FinTech公司光在去年第三季就吸引了高達48.5億美元投資，金額幾乎是前一年同期10.2億美元的5倍，可說是目前最夯產業之一，尤其是信貸、支付和機器人理財更是重點領域。FinTech公司挾著強大科技能力，已經開始攻城掠地。相對於FinTech新創公司，傳統金融業者有什麼不可取代的優勢？

「我覺得蠻重要的是信任，信任的來源有兩個，一是法令保護，二是銀行本身建立的信譽。」台灣IBM技術長林育震說。他指出，因為民眾把錢存在銀行，因此法律對於金融業一直都有嚴格的規章制度控管。無論銀行是否要發放貸款或是提撥多少準備率，這些都是基於對民眾的保護，讓民眾認為存款放在銀行是安全的。此外，他也認為，目前許多FinTech公司其實是運用銀行本身的服務，只是透過進一步的拆解、整合和優化，提供民眾更方便的服務。「但是背後還是那些銀行，還是這些基金公司啊！它（指FinTech）並不是完全取代銀行。」

既然如此，銀行業者該如何借力使力，結合FinTech力量為原有業務加值？林育震在IBM金融科技創新研討會上曾分析，目前金融業者與FinTech的合作方式共分三種，包括自己成立新部門、與FinTech公司策略結盟以及收購。如果以台灣的銀行業者來說，哪一種方式最符合經濟效益？「投資別人現有的技術比較好，」林育震指出。「銀行的編制和預算有限，不會因為一個新技術出來，就去擴充一個新的部門。不過，就算銀行能夠馬上成立新部門，也沒辦法立刻找到適合的人才。」而反觀新創公司，他們不僅擁有好的創見或成果，甚至有些公司的步伐已經跨出台灣，走向全球舞台了。所以銀行不論是收購或投資，應該都能加速自身成長。

金融業轉型最常遇到的困難：資金、人才、觀念

然而，當轉型已經迫在眉睫，台灣金融業者卻常受限於現實條件，難以邁開步伐。「台灣金融業轉型最常遇到的困難有三點：第一是資金，第二是人才，最後是觀念。」

林育震進一步解釋，首先，如果銀行要從IT端啟動金融科技，高層是否支持、是否願意提供資金就是一個問題。而這筆資金是銀行本身擁有的，還是來自外部合作又是另外一件事。

第二，銀行是否有足夠的人才發展新技術？「比方說比特幣，他知道要怎麼採礦嗎？怎麼加密嗎？銀行是否有足夠的人才發展新技術，或是搭上這班列車？如果沒有，可能也需要靠外部FinTech公司來借力使力。」

第三，銀行要能觀察到市場演變、看到新世代消費者的需求，適時變換自己的方向，這同時也包括需要有人主動出來推動政府改變。

台灣心態積極，但資金和速度都慢了

不僅FinTech發展速度快，中國銀行業者以IT力為自己換血的速度也很快。他指出，中國銀行業者在金融科技上的投資越來越多，也聘了很多人來開發新技術，例如中國工商銀行就擁有1萬多名工程師，廣發銀行在佛山的基地也有幾千名IT人員。

雖然台灣的腳步看似緩慢，但林育震強調，中國業者其實態度比較保守、會先求穩定，台灣的銀行業者反而較為積極，願意嘗試新科技，而且有許多IT服務的首發都在台灣。

「比方說API Management（API管理），台灣就是第一個。主機上的Internet Banking（網路銀行），台灣是大中華區第一個做的。IBM的MDM（Master Data Management，360度客戶視圖），台灣也是第一個。台灣其實有蠻多第一的。不過，一方面可能受限於規模大小以及繼續投資的意願，所以台灣有一些銀行領先了，但不是每一個銀行都是如此。」

說到底，資金還是最大的阻力。他指出，台灣在引進新技術時，多半還是以實驗性質、小規模嘗試為主，動作不會像中國業者那麼大。台灣銀行業者雖然對新科技很有興趣，但是如果想要發揚光大，一定還需要高層支持。

**「中國比較願意實踐，」林育震語重心長地說。他以中國青島銀行引進IBM技術為例，比較兩地銀行業者的心態差異。他指出，IBM推出了一體機，也就是在一個基座裡有很多硬體，軟體也配置好了，本身就是一個私有雲平台，具備管理、資料庫、應用程式工具。青島銀行購買機器之後，就用來做服務導向架構的實驗，串聯了不同的系統，讓流程更靈活運用。但是，「那個機器在中國賣了幾台，台灣沒有賣出去一台。」**他認為，台灣的銀行不願意投資可能是原因之一，因為機器成本不少。「可是相對來說帶來的效益比較高。不然我如果去兜不同廠牌的機器、不同種類的OS，你就要自己整合，不一定可以達到很好的雲的效益。」

@@ACTIVITYID:503@@

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。

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。

「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