你的餐廳有倒閉危機？凱基銀攜手iCHEF用大數據預測營運狀況|數位時代 BusinessNext

你的餐廳有倒閉危機？凱基銀攜手iCHEF用大數據預測營運狀況

凱基銀行攜手iCHEF推餐廳經營預測服務，其結合凱基銀行的大數據分析、風險控管API和iCHEF的餐廳經營數據，替用戶預測餐廳經營的可能風險、提早避開營運陷阱。

預測餐廳營運狀況，助凱基攻餐飲借貸市場

iCHEF將用戶餐廳經營數據去識別化後，結合凱基銀的風險控管模型和人工智慧監督式學習，跑出一套餐廳經營的預測模型，進而提供餐廳營運建議。iCHEF共同創辦人程開佑指出，只要收集的數據夠多，AI還能預測明天有多少客人、該準備多少存貨等，甚至是餐廳是否有倒閉風險。凱基銀行創新科技金融處資深副總周郭傑指出，這套系統最多可提早六個月預測餐廳營運狀況。

對凱基銀而言，過去餐飲市場是銀行貸款服務較觸及不到的一塊，原因包含中小型餐飲業的生命週期相對短、營收數字真實性難以評估，以及其他風險分析數據不足等。而iCHEF握有的豐富餐廳營運數據，剛好能補足這塊缺口。

iCHEF的數據涵蓋餐廳預約、候位、點餐、出餐、結帳、支付、甚至是報稅等資料，而只要凱基銀獲得用戶同意存取這些數據，便等於掌握了餐廳營運狀況，也能作為是否提供借貸等金融服務的依據。換句話說，iCHEF目前已有的3,200名用戶，都將成為凱基銀的潛在客戶。

周郭傑指出，過去餐飲業者若要貸款，需要經過遞交文件、徵信、授信等長達五到十天的繁瑣流程，但將iCHEF數據結合自家風險控管系統，便能大幅縮短流程，甚至能事先了解客戶，提早設計金融服務。

而這也是凱基銀不從「支付」、反而從「服務」切入的原因之一。周郭傑指出，銀行介入支付服務，只能記錄到信用卡、悠遊卡等在結帳點的交易資料；相較下，iCHEF收集到的「數位足跡」則是一般信用卡的20倍。

不走支付，凱基用開放API進入新市場

不像多數銀行從「支付」切入FinTech服務，凱基銀行是台灣最早實現「開放API」的銀行之一，除了大數據分析，凱基銀行的開放API服務「KGI inside」也提供生活繳費、身份認證、線上申辦等元件。

「KGI inside是真的想要進到新市場。」周郭傑說，不像行動支付市場只是從信用卡市場移植過去、不是真正分到現金市場，和iCHEF合作，能幫助他們觸及到全台灣12.5萬間餐飲商家。

凱基銀行總經理張立荃也表示，KGI inside的目的是把服務帶出去，讓用戶不一定要透過特定管道才能使用他們的金融服務，因此他們的策略是和更多互聯網App合作、進入他們的流程，「金融要像『水』化在場景裡」他形容。

周郭傑透露，目前生活繳費領域除了已經上線的Pi錢包和記帳應用程式CWMoney，陸續還會有4~6名業者串接，而數據合作方面，除了iCHEF，未來還有一名大型業者加入。

從生成式AI訓練、推論，到代理式工作流程（Agentic Workflow）與未來的實體AI，資料流量正以指數級成長，讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出，AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力，加速「Computational Memory」等新架構興起；在這波浪潮中，深耕記憶體與儲存技術數十年的美光科技，正與關鍵夥伴展開深度協同設計，包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術，在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。