儲值款項不如街口，LINE Pay一卡通過年要發紅包突圍|數位時代 BusinessNext

中秋紅包推升用戶數，但收付款金額仍輸街口

目前電子支付市場，以62萬用戶的街口支付，以及100萬用戶的LINE Pay一卡通競爭最為激烈。可以從收付款金額、帳戶轉帳、儲值款項這三個面向來觀察。

根據金管會本月公布的數據，截至去年11月底，街口支付的實質代理收付款項金額為5.65億元，勝過LINE一卡通的4,390萬元；儲值款項部分，街口支付以3.57億元，勝過LINE Pay一卡通的3.36億元；而LINE Pay一卡通，則在電支帳戶間轉帳金額以1.24億元奪冠，街口支付以8,604萬元居次。

LINE Pay台灣行銷部負責人葉君毅表示，LINE Pay一卡通帳戶能在第一個月，用戶數就突破56萬人，關鍵就是2018年中秋節所推出的轉帳紅包活動，當時11天的活動，就創下5億3,522萬的轉帳金額。藉由社群的力量，在好友、群組內自發性地轉發紅包，由於需要實名制綁定的一卡通帳戶用戶數量上衝不少。

再衝一波！農曆新年祭出抽紅包活動

因此，今年農曆新年LINE再度推出發紅包活動，紅包除了可以傳給個人，也能夠發在群組，事先設定紅包總金額、發放數量，讓好友在群組內搶紅包，系統會隨機分配每個紅包的金額。

特別的是，用戶只要在2/1~/2/12發出紅包，最高回饋888點LINE Points，點數入帳後就能馬上使用。葉君毅表示，無論是發紅包或是收紅包的人，都必須擁有LINE Pay一卡通帳戶，如果沒有帳戶就算收到紅包也領不了。發紅包活動除了應景，LINE最大目的就是希望再衝高轉帳金額、會員數，尤其今年年節有9天的假期，勢必能比起上一波中秋節，賺進更多的用戶。

LINE Pay雖然擁有龐大用戶基礎，但LINE Pay一卡通帳戶在收付款項、儲值帳戶餘額金額一直跟街口支付拉鋸，關鍵原因在於LINE Pay一卡通支援的儲值銀行只有10家，而街口支付合作的銀行高達17家，在覆蓋率上持續領先，自然影響了收付款、儲值成績。

此外，若是要將儲值帳戶中的錢，提領到銀行帳戶中，LINE Pay一卡通部分銀行需要收取15元的手續費，對手街口支付則完全不收取提領手續費。街口更在農曆年前夕宣布，從1月24日上午10點起，將儲值帳戶中的錢提領到銀行，就能即時入帳，不像過去需要等上一兩天的時間，讓用戶在年節期間，可以方便將儲值帳戶內收到的紅包，直接轉換成現鈔領出。

對此，LINE Pay台灣營運團隊負責人吳孟芝認為，LINE Pay一卡通帳戶儲值金額的多寡並不是最大的重點，而是LINE Pay背後所建構的生態圈，另外隨著收款機「LINE Pay mini」的推出，能提供用戶多種支付的選項，讓用戶選擇最適合自己的付款方式才是重要的。

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。