中國信託談數位轉型，關鍵在換腦思考，打造出好的體驗|數位時代 BusinessNext

中國信託談數位轉型，關鍵在換腦思考，打造出好的體驗

在面對數據科技的浪潮下，金融業者想推動數位轉型，不能只有喊口號，中國信託認為企業必須連腦袋都要轉型，並善用手中的數據，掌握客戶行為，才能創造更好的用戶體驗。

威脅、機會並存，管理階層也要換腦思考

中國信託全球個金風險管理處處長王俊權說：「面對大數據浪潮下的數位轉型，金融業者其實掌握了絕佳優勢。」因為金融產業的資料含金量高於其他產業，不過，金融業雖然坐擁大數據，卻不一定知道怎麼用，事實上，龐大的數據並不是突然憑空變出來的新東西，而是一直以來都在那裡，如果能將不斷累積的資料處理成質、量兼具的素材，就會是金融產業最大的武器。

對金融產業來說，數位轉型並非只是漂亮的口號，而是需要連腦袋都要轉型的根本翻轉，王俊權強調，新的科技設備只要花錢就能更新，但要從骨子裡真正做到數位轉型，企業管理階層換腦袋就成了重要關鍵，「數位轉型是整個企業管理階層願景的問題。」

精準預測是最有價值的事

因此面對數據科技浪潮，中國信託看到的是威脅、機會並存的未來，王俊權進一步說明，雖然有高達70%的一般消費金融在轉型下面對威脅，但如果善用數據，反而能增加65%拓展客戶的機會。其中，「關聯經濟更是大數據核心的重中之重。」透過企業長期累積的數據去找到產品與客戶最細微的關聯性，就能夠在數據科技浪潮下找到先機。

「大家有用過Google Now嗎？在我出門前就能事先知道上班的路上會不會塞車、天氣狀況等資訊。」王俊權認為各行各業，都能透過預測消費者行為掌握價值，「預測是最有價值的事情。」

「在電影《關鍵報告》裡，數據可以用來預測犯罪；中國信託則從客戶不同的行為模型搭配數據去預測。」王俊權舉例，中信可以從企業後台掌握客戶消費習慣、消費的地點、關聯圈，綜合這些數據後就能作為推薦客戶信用卡產品的依據，做到精準的客製化，再搭配機器做個人化客服，既能夠創造差異化還能節省企業成本。

運用數據打造體驗經濟，抓牢客戶的心

「有了大數據後，個人經濟就出現了。」透過數據掌握顧客行為，進而創造好的體驗，王俊權認為有了對於客戶更多個別資訊的掌握，就能在平台上提供更多樣的個人化的服務。

王俊權還另外舉了智慧房貸服務「中信i適貸購屋雷達」為例，這個房貸平台整合政府開放資料及中信本身數十萬筆的房貸業務資料，不僅能做到協助顧客完成貸款流程，只要輸入房屋的地址，系統就能分析出房屋周邊的大眾運輸系統、民生經濟購物商圈、嫌惡設施，針對客戶個別需求進行資料統整，幫助用戶更準確掌握房貸資訊，而這除了是數據力量的展現，王俊權強調：「這就是體驗經濟，才能讓客戶跟著你繼續往下走。」

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。