FinTech是什麼?從全球十大FinTech公司看金融科技未來
FinTech是什麼?從全球十大FinTech公司看金融科技未來

FinTech(金融科技)是一個被過度炒作的詞,金融服務領域的公司必稱「FinTech」、「Big Data大數據」,已經成為一種流行語,但這些公司真正有多少技術內涵,卻可能良窳不齊,泡沫大騙局也多。

但隨著金融業在全球低利率環境下獲利的增速放緩,傳統金融業受到新技術的挑戰,所需人力越來越少,歐美各大行裁員縮編由科技取代的趨勢基本上不會改變,但到底什麼是FinTech

延伸閱讀:FinTech金融科技聖經:全球86位FinTech先驅,第一手公開「金融科技做什麼?怎麼做?」

我們從H2 Ventures每年都會發布的全球FinTech百強公司可以一窺端倪,看看前十名的FinTech公司都是哪些,又有什麼樣的商業模式。

1. 螞蟻金服Ant Financial

若你沒有聽過螞蟻金服,那講支付寶你就肯定聽過了,這家阿里系的公司除了有支付寶這樣的支付巨獸以外,還有像是網路數據徵信的芝麻信用。

我之前寫過的網路金融文章,就簡述過螞蟻金服的業務範圍,這是一隻毫無疑問的FinTech巨獸,光是全球最大的第三方支付工具支付寶,加上最大的電商網站阿里巴巴的淘寶天貓,就有取之不盡的數據可以做分析應用。

2. 趣店

原本叫做趣分期的這家企業,主打的是給沒有信用卡的年輕人大學生分期購物累積信用,更直白來說就是用App對大學生放高利貸,但是透過大的用戶量可以做到更好的數據徵信和風控。

主要的優勢在於它擁有了龐大的年輕消費族群的用戶數據,FinTech行業擁有數據就是金礦,有越多數據基礎,理論上就能夠越精準的切割市場做風險控管。

但是趣店其實也很有可能遭遇夾殺,因為分期付款消費總要到某個地方去買東西,而現實情形是像阿里、京東這些巨大電商都在推廣自己的購物分期服務,沒有電商出海口購物分期變得市場小很多,必須要找到更多使用場景才能繼續這樣玩。

3. OSCAR

這家美國的公司則是專注在健康醫療保險上,主要銷售給中小企業和個人醫療險,定位自己不只是保險公司還是健康管理公司,提供了個人化的線上問診和健身健康管理的服務,由於資訊透明化、納保和理賠手續簡便廣受歡迎,非常受年輕人歡迎。

不過理想上很美好,現實倒是有點殘酷,事實上它也虧錢虧很大,去年上半年就虧損了8300萬美元,業務開發成本高,能否燒錢燒到轉正,猶未可知。

4. 陸金所

有中國平安集團這個富爸爸的陸金所,原本是以P2P信貸聞名,但是如今P2P網貸平台死得死、逃得逃,有點臭掉,而陸金所的P2P業務也降至不到10%。將P2P業務分拆至陸金服,轉而主打綜合性線上財富管理平台,不過真的看不出除了平台大,技術和服務有什麼特殊之處。

延伸閱讀:認識FinTech獨角獸:估值破200億美元的陸金所

5. 眾安保險

眾安保險是中國第一家純網路保險公司,主打的是財產險,它的來頭不小,三大股東分別是馬雲的螞蟻金服、馬化騰的騰訊、還有馬明哲的中國平安。三馬合作的保險公司對其的公信力加分不少,累積了5.23億的客戶。

這篇詳細解析眾安保險的商業模式,最近還成立了眾安科技,說是要在區塊鏈、人工智慧和雲端運算、大數據領域持續探索,所有華麗的名詞這家公司都有包了,你說他能不火嗎?

不過中國網路上對它的評價蠻差的,買保險很容易,找人理賠很困難。從保監會的保險消費投訴率來看,則會發現它在財險公司中排名最低,以這種迅猛增長的速度來看,控管的能力還算蠻強。

6. Atom Bank

這家是第一間拿到英國銀行證照的純線上網路數位銀行,只能使用App,採用生物辨識技術來進行身份確認,開戶流程只要掃描身份證件和填寫基本資訊,簡便、透明、客製化的銀行App也很受年輕人族群歡迎,跟傳統銀行的形象大不同。

其實Atom Bank也揭示了銀行業未來的發展,事實上需要的人力可能會是非常低的,只是在陳舊的金融法規面前,很多創新都被束縛住。英國作為全球金融中心之一的地位也在發放執照上有了開創性的突破。

7. Kreditech

這家德國的FinTech公司,主打的是讓正規金融機構得不到授信的借貸者提供信貸,用人工智慧和機器學習來處理每個申請人2萬筆的數據資料,來對申請人進行信用評分和發放貸款,其中數據資料包含Facebook檔案、Amazon和Ebay消費紀錄、PayPal交易紀錄等。

其實中國和國外FinTech公司的徵信邏輯都一樣,看申請人電商與支付的數據來決定授信,但因為歐美對個資保護的法規嚴厲許多,這樣的公司要擴張難度比在中國要高得多。

8. Avant

這是另一家美國線上借貸公司,服務的客戶主要介於信用優級和次級之間的借款人,放貸的資金則是來自平台而非投資人,已經放貸超過10億美元,平均貸款額度是8千,最高可到3.5萬美元,也是主打透過大數據和機器學習來建立精確的消費者信用資料,號稱能有效降低違約風險和詐騙。

9. SoFi

SoFi是美國另一家網路貸款公司,它的定位十分有趣,專門低息貸款給美國名校高材生付學貸,因為美國的學費是天價貴,但是這群名校高材生未來的預期收入高,違約率1.6%,低於整體學生違約率的8%。

它的資金來源是這些名校校友投資一筆基金,讓學生能用較低固定利率貸款,還將這個高材生P2P貸款打包證券化,因為違約率低,所以穆迪還給SoFi 3A的高信用評級。

同時校友貸款給學生,也建立起人脈資源連結,校友的投資在未來也能回收(沒有違約的情形之下),不過這公司除了簡便的網路申貸外,也沒有看出有什麼很高的金融科技技術。

10. 京東金融

作為另一個中國大電商平台,阿里做什麼,京東就做什麼,京東金融還有騰訊的入股明顯是在打對台,但是京東更強調供應鏈金融,貸款給中小企業,還有京東股權眾籌等。

至於真有什麼特別的?其實中國這些巨頭的營業模式還真的是混戰互抄,能擴大用戶,拿越多數據並進行分析,就能夠降低風險提高獲利,事實上,這是需要富爸爸輸血的產業,越小的業者越難玩。

總結這十強來看,主要的FinTech的商業模式大同小異,講的就是透過非常簡便、透明和易用的手續吸引用戶,蒐集消費者或貸款者的大數據,然後用人工智慧、機器學習來分析給出信用評等做風險控管,接著再貸款給貸款者,盡力去除中介機構和複雜耗時長的手續與不透明的費用(傳統金融機構的硬傷。

未來這樣的趨勢只會更進一步,即便中美P2P行業都有因詐欺和倒債遇冷的情形,但是傳統金融行業被金融科技顛覆的時日依舊迫近,懂得順應潮流的金融機構在未來才能有競爭力,想要用法規來阻擋金融科技的大潮,只是延長自己被淘汰的陣痛期。

同場加映:中國媒體訪問美國的FinTech公司

未來,金融科技滲透至社會各層面可能會產生的社會現象,大家可以看看科技警世劇《黑鏡Black Mirror》第三季第一集的恐怖景象,在現實其實已經發生了。中國的芝麻信用,基本上就是這個社會現象的原型,大數據徵信滲透的社會,每個人將成為假面人。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

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