要當台灣第一隻金融獨角獸，揭LINE Bank未來布局|數位時代 BusinessNext

要當台灣第一隻金融獨角獸，揭LINE Bank未來布局

LINE Bank在台灣的目標非常明確，就是要成為「全民的銀行」，除了要推機器人理財平台，還要為年輕人建立個人信用評級，黃以孟目標要讓LINE Bank成為台灣本土第一隻金融獨角獸。

從開放銀行概念出發，打造一目了然的金融服務

黃以孟回憶：「從小到大，我總共擁有七本存摺，還有在四家保險公司，買了16張保單，也投資基金，東買一點西買一點。」

滿手的存摺、保單以及投資產品，卻沒有一個平台，可以一次掌握個人資產狀況。正因為如此，LINE Bank希望用開放銀行（Open Banking）的概念，打造一個與所有銀行對接的金融平台，讓用戶只需要開立一個銀行帳戶、與一間銀行往來，就能一目了然存款、消費金融、保險、基金投資等整合服務概況。

黃以孟表示，未來也會推出機器人理財服務，一般用戶可能只要支付5美元（約新台幣150元），就能購買一個單位的投資組合，「我們希望提供N個機器人，找出最會投資的機器人讓大家挑選。」讓用戶隨時掌握投資組合標的。

未來還打算在LINE中提供個人信用分數，黃以孟分享：「年輕人累積個人信用很少，很難在金融機構得到貸款，」未來年輕人能夠在LINE生態圈中，創造出自己的信用分數，讓年輕人可以更容易取得小額信貸，實現普惠金融的願景。

LINE也想推出個人財務管家，讓用戶一次掌握保單、房貸的繳款狀況，「現在的狀況是沒辦法提供每一個人理財專員，未來可以把財務管家，直接放到每個人口袋中。」

LINE Bank初期的產品規劃，會以存款、個人信貸等產品為主。黃以孟認為，雖然這些功能看似簡單，從LINE的角度來設計，將是完全不同的產品體驗，「就是要讓大家有WOW的感受。」

實現普惠金融願景，黃以孟：打造台灣第一隻金融獨角獸

黃以孟強調，LINE Bank的願景是要降低金融門檻，讓全民都能享受到普惠金融的便利，要達到這樣的目標，需要懂技術、設計、創意等各方人才投入，「這些人才通通會從本地挖掘。」

因此，LINE Bank籌備處將持續擴大台灣團隊編制，預計今（2019）年底前，將招募科技、金融、資安、AI、大數據等相關專才，預計人數將超過百位，在眾多人才職缺中，又以資安對純網銀來說特別重要，預計IT相關人才，將會占總員工數超過一半。

此外，LINE財務長黃仁埈也身兼LINE新創事業投資發展的主管，由他所領軍的LINE Ventures，目標是為台灣挹注跨國資源與經驗扶植科技新創，將來會與更多跨界產業夥伴合作，重塑金融服務平台與體驗。

LINE也計劃在台灣成立人工智慧實驗室（AI Lab），黃以孟強調，未來很多創新都將仰賴這座實驗室的能量，會將人工智慧技術導入各項應用，顛覆傳統的金融服務體驗。

展望未來，黃以孟自信表示：「我期許將LINE Bank打造成台灣第一隻金融獨角獸。」不僅要將成功的經驗帶到海外市場，更要替政府打亞洲盃。

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。