電動車區塊鏈平台將上線!國泰金聯手充電平台宅電,玩出哪些金融新體驗?
電動車區塊鏈平台將上線!國泰金聯手充電平台宅電,玩出哪些金融新體驗?

正當你考慮要換台特斯拉(Tesla)來開時,保險公司提前預知需求,推薦適合的車險產品;在雨天的街頭,車子發生小擦撞,不必費心蒐集一大堆資料,只需要在手機上點一點就能完成理賠。

這些方便的服務,都可能透過區塊鏈的力量,讓金融服務變得不同。用兩年時間練功,從無到有自己開發私有鏈,國泰金控數位數據暨科技發展中心(以下簡稱數數發中心),推出第一款區塊鏈應用——電動車車聯網區塊鏈金融平台。

行車資料上鏈,金融服務、保險理賠體驗提升

打開電商網站,平台依據用戶平常的購物習慣,推薦你可能有感興趣的商品,金融產品是否能做到如同電商般的個人化推薦,在區塊鏈技術的發展下,答案是有可能的。

國泰金跟電動車充電站服務平台宅電(ChargeSmith),與區塊鏈新創團隊BSOS共同合作,在車主的同意下,將包括:開車時間、時段、時速、里程數、煞車……等駕駛行為數據,經過加密後上傳到區塊鏈上。

國泰金可依據鏈上車主的行車資料,串連國泰產險、國泰世華銀行的保險與金融業務,針對每一位客戶真實的狀況,提供融資申貸、保險理賠、個人化商品推薦等服務,無論是在內部流程,或客戶體驗上都能得到改善。

國泰金控數數發中心區塊鏈資深工程師楊俊書表示,未來無論是申請融資或保險,銀行、產險都可以藉由「車主的行車習慣或駕駛行為」、「行車資訊與維修紀錄」來推薦適合產品或加速理賠流程。

張維仁_國泰金控數數發中心數位架構發展部協理_楊俊書_國泰金控數數發中心區塊鏈小組_2020_05_
楊俊書認為,區塊鏈可以快速匯集不同的節點(資料來源),像是修車廠的ERP(企業資源規劃)、維修記錄資料庫,以及確保資料的可靠性,這是使用區塊鏈的好處。
圖/ 蔡仁譯攝

楊俊書舉例:「 如果觀察鏈上的資料,發現車主過去三個月平均時速都有60以上,代表這個人可能喜歡刺激、高風險。 」就能比較精準推薦適合車主的金融產品,或者可以從行車數據(例如:里程數),判斷顧客是否近期有換車、維修保養需求,在需求發生前提前關懷客戶,對金融機構來說,有機會提早對客戶做精準行銷。

此外,車主碰上事故要申請理賠時,通常需要向車廠索取許多資料,再交給保險公司,缺點是要投入許多成本來稽核數據真實性,讓理賠速度變慢。

楊俊書認為,區塊鏈可快速匯集不同節點(資料來源),像是修車廠的ERP(企業資源規劃)、維修記錄資料庫,以及確保資料的可靠性,這是使用區塊鏈的好處,對顧客來說,可以因此更快速完成理賠程序,這就是分享資料的好處。

與宅電 App合作,蒐集電動車車主資料

不過,車主的行車資料和金融產品完全是不同領域,國泰要如何確保取得的行車資料可信呢?關鍵在於合作夥伴——宅電App。

宅電是一家台灣的電動車充電服務平台,專門負責安裝台灣特斯拉的充電站,同時也有在飯店、賣場、餐廳等場域,建置自己的公共充電樁,高達8成的台灣特斯拉車主,都有使用宅電的充電App服務,搜尋充電站資訊與掌握充電進度,而特斯拉也是目前國內最暢銷的電動汽車品牌。

國泰金控數數發中心數位架構發展部協理張維仁說,車主在使用宅電App前,可以選擇是否分享行車資料,「宅電會是一個節點,(充電時)行車電腦資料就會釋出且上鏈。」由於區塊鏈不可竄改的特性,國泰可以確保資料的來源可信。

電動車
國泰透過合作夥伴「宅電」App,取得車主的行車資料。
圖/ 國泰金

作法上,因為宅電本身沒有區塊鏈技術,透過區塊鏈新創BSOS幫宅電建節點,確保資料都來自特斯拉原廠,車主授權分享資料後,就能串接官方API,將行車電腦資料上傳到宅電節點上。

BSOS是一家擅長供應鏈金融的新創,國泰金表示,雖然私有鏈的技術都是國泰自己所開發,不過BSOS在協助企業資料上鏈很有經驗,才會借助BSOS的長處,協助宅電開發資料上鏈工具。

張維仁補充,「電動車車聯網區塊鏈金融平台」採用具備快速擴充、靈活部署、安全性高等特性的「超級帳本(Hyperledger Fabric)」開發框架,特色是可指定特定節點參與及共同維護運作,重視資料保護,能有效率地進行共識演算,增加企業內部應用度與可信度,適合台灣金融業落地應用。

目前「電動車車聯網區塊鏈金融平台」正在進行概念性驗證(PoC),張維仁表示,正式服務預計年底陸續上線。

張維仁表示,國泰金是打造一個平台,讓電動車數據有機會跟金融產品結合,創造更多新商業模式。待未來概念更成熟後,也不排除讓其他產險公司加入平台,透過蒐集特斯拉車主的行車資料,創造新金融服務生態系,而關於具體的做法,官方並未透露太多細節。

國泰金自行開發私有鏈,彈性部署應用場景

與其他投入區塊鏈的金融業者相比,國泰的優勢在於自己開發私有鏈,不僅掌握核心底層技術,更發展出能真實落地的應用場景。

近年許多金融機構投入區塊鏈領域,雖然團隊成員有技術背景,但無法自主開發底層架構,大多選擇與區塊鏈新創、國際聯盟合作,金融機構通常專注在商業方案上。

自己建私有鏈有哪些好處?楊俊書分析,未來金控子公司無論要開發任何服務,都可以很彈性地調整功能並部署到鏈上,也能貼近集團的業務需求,更能兼顧金融業最在意的「資料隱密性」,若使用第三方的鏈,彈性空間就沒這麼大。

國泰金從2018年起成立自家區塊鏈團隊,研究底層技術。張維仁回憶,過去兩年除了先練功打造自家私有鏈,區塊鏈團隊的使命在於,必須把區塊鏈價值落實、應用到子公司,並找出適合應用的場景與服務,而非為了區塊鏈而區塊鏈。

張維仁_國泰金控數數發中心數位架構發展部協理_楊俊書_國泰金控數數發中心區塊鏈小組_2020_05_
國泰金從2018年開始,就成立自家區塊鏈團隊,研究底層技術,開發自己的私有鏈。
圖/ 蔡仁譯攝

張維仁表示,區塊鏈只是國泰金數位轉型的其中一環,目前國泰產險與數數發中心,正緊鑼密鼓透過技術架構重整中後台,會持續透過數據做模型分析,推出更多新服務。

責任編輯:陳映璇

關鍵字: #電動車 #區塊鏈
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓