Apple Pay個人轉帳測試版上線，透過 iMessage就能直接匯錢|數位時代 BusinessNext

Apple Pay個人轉帳測試版上線，透過 iMessage就能直接匯錢

蘋果推出Apple Pay Cash 點對點（P2P）交易beta 版，用戶可以透過 iMessage直接轉錢給朋友，為日常消費提供新選擇。

Apple Pay Cash方便轉帳與收款

Apple Pay Cash 是基於簡訊系統的現金轉帳功能，用戶需綁定簽帳金融卡或信用卡，就能將指定款項轉給朋友，收到款項後現金會存放在Apple Pay Cash的虛擬卡片中，用戶也能自行從銀行帳戶加值至虛擬卡中，從iPhone上的「錢包（Wallet）」可以查看虛擬卡片餘額，這筆錢用戶可以選擇下次轉給其他人、用於Apple Pay支付，或是轉匯到指定銀行戶頭。

至於許多用戶關心的手續費問題，如果使用簽帳金融卡交易則免收手續費，但若使用信用卡轉帳、支付，則必須依照各銀行規定繳交約3%的手續費。

關鍵字能喚醒Apple Pay Cash 功能

比較特別的是，可透過 iMessage 訊息關鍵字喚起Apple Pay Cash 功能，例如傳訊息告訴朋友「你上次還欠我電影票錢」，經由系統辨識後就會從對話框中開啟Apple Pay Cash，方便用戶直接分帳、轉帳，而每筆交易都需要透過密碼、Touch ID、 Face ID 擇一來認證身分授權。

作為蘋果非接觸式付款系統Apple Pay的延伸，根據Apple Pay副總裁珍妮佛·貝里（Jennifer Bailey）的說法，Apple Pay在2015年推出時，於美國零售端只有3％的接受度，如今已經成長到50％以上，「取代錢包」將是未來的發展目標。

P2P支付市場競爭，Apple Pay Cash優勢在哪？

雖然Apple Pay Cash看起來很方便，但Apple Pay Cash並非P2P支付服務的先例，目前在市面上， PayPal旗下的行動支付服務Venmo仍是美國市場的領導者，還有美30家銀行共推的 P2P支付服務Zelle、Facebook「Messenger 即時付」功能，更不能不提中國市場的微信支付、支付寶等，那麼Apple Pay Cash的優勢究竟在哪裡？

「大多數人都用訊息功能與朋友、家人溝通。」Apple Pay副總裁珍妮佛·貝里認為整合在訊息App中是優勢之一，因為通訊錄裡的人正是日常生活中會需要轉帳的對象，「另外就是不用再額外下載其他app。」內建在iPhone中的 iMessage讓用戶在不需要額外下載的情況下就能適用，貝里認為這會大大提升用戶的使用意願。

隨著Apple Pay Cash功能推出，預計能讓Apple Pay為首的支付功能更加方便，尤其是沒有設置刷卡設備的店家，未來也能直接透過iOS裝置收款，商家不必擔心現金遭竊、遺失等風險，對於小規模的商業活動有一定程度幫助，就消費者來說，也讓像是支付房租、吃飯拆帳等日常消費更加容易。

需要注意的是，目前的beta版僅開放美國用戶使用，正式的iiOS 11.2及watchOS 4.2版本，預計在今年年底才會向全球用戶開放。

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。