盜刷更難了！信用卡內建指紋辨識，歐洲正式起跑測試|數位時代 BusinessNext

盜刷更難了！信用卡內建指紋辨識，歐洲正式起跑測試

非接觸式付款雖然方便，卻也成為安全漏洞。英國蘇格蘭皇家銀行（RBS）最近宣布，要推出英國第一張生物識別信用卡，透過內建的指紋掃描器增強支付安全性，第一階段將邀請200名客戶參與測試。

感應式付款風險高，導入指紋辨識增加用卡安全

使用非接觸付款的人數快速成長中，以英國來說，2017年使用非接觸付款的人數就成長了97%；另外以2018俄羅斯世界盃為例，賽事期間使用非接觸式支付的比例，也有高達 54%。

不過這類支付方式卻有極大的風險疑慮，有心人士只要有一台讀卡機，就能在大約10公分的距離內，竊取卡號跟個資。此外，以台灣多數銀行來說，金額在3000元以下的消費，是不需要簽名就能完成的，這些因素都增加用卡風險。

因此英國蘇格蘭皇家銀行（RBS）先前宣布，要推出第一張生物識別信用卡，將在四月中旬，邀請RBS以及國民西敏銀行（NatWest Bank）的200名客戶，參與為期三個月的測試計畫，讓消費者透過指紋辨識增加付款安全。

指紋資料存卡內，不怕駭客遠端攻擊

這款信用卡，內建一個指紋掃描器，採用與Apple Touch ID 類似的使用方式，持卡人在支付時，需要以指紋作為身分認證方式，當消費金額較大時，不再需要紙本簽名或是輸入PIN碼。

除了方便性提升，安全性上也增加不少，過去無論是簽名或PIN碼，相對容易被仿造或竊取。這款信用卡會將指紋資訊儲存在卡片中，駭客沒有辦法從銀行的中央式資料庫竊取資料，且使用方式也比起輸入密碼、簽名快速容易許多。

由荷蘭晶片生產商 Gemalto生產的卡片，外觀與一般信用卡差不多，最明顯的不同，是在卡面上多了一塊方形感應器，交易時會由付款卡終端機供電，當消費者將手指放在感應器上，感應器會與卡內儲存的生物識別數據配對，以此來確認身分。

雖然指紋仍有可能遭到仿造，但比起簽名與輸入PIN碼，已是相對安全的認證方式。國民西敏銀行支付部門主管David Crawford表示：「這是近年卡片科技最大的發展，我們很期待展開新服務的測試。」

生物辨識技術已經成為許多行動支付的基本配備，事實上，結合指紋辨識的信用卡技術，早在2015年就已經出現，不過一直沒有傳統銀行願意大規模採用。過去晶片生產商 Gemalto，在2017年曾於南非進行小規模測試，用戶必須要親自跑一趟銀行才能註冊指紋資訊，這次RBS銀行主導的產品，同樣沒有解決這項問題，Gemalto表示，改良後未來一定可以實現在手機上完成指紋註冊。

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。