美國史上最大紓困變調成50億元詐騙案!金融科技有法可解,台灣準備好跟上了嗎?
美國史上最大紓困變調成50億元詐騙案!金融科技有法可解,台灣準備好跟上了嗎?

今年四月美國政府為了因應疫情對就業市場及中小企業的衝擊,緊急宣布了大撒錢薪資保護計畫(Paycheck Protection Program,以下稱PPP貸款),只要是500人以下的公司可以根據情況申請金額不等的貸款。重點是,只要企業主將這項貸款使用在員工薪資,租金或其他特定條件下,政府答應全額買單,幫你養員工!

延伸閱讀:川普2兆美元振興方案通關,紐約州長:對紐約來說是可怕的

振興或是撒錢?統計數字看端倪

根據今年六月出爐的報告,PPP計畫已經貸出超過五千億美元的貸款,將近是過去中小企業平均貸款的三十倍!

將近65%的貸款小於5萬美元,以申請條件換算下來,公司規模大概是每月薪資支出不到兩萬美元的小型商家。截至六月的統計,大約有五千多萬的員工受惠於這項貸款,而暫時保住工作跟薪水。

申請亂象,可憐的總是沒人疼的微型商家

這項政策宣布的又快又急,在資格跟配套都還不清楚的情況下,整個紓困救濟金變成了小商家跟大企業的申請大亂鬥。

這項緊急的大撒錢,讓許多在一級重災區的商家,如健身房、酒吧、餐廳等,可以暫時保住員工及生意,但多數的微型商家卻面臨求助無門的窘境。小型商家因為營收低風險高,本來就不是銀行的尊榮客戶,更難以獲得銀行在貸款上的協助。微型企業多的是老闆兼員工,白天忙著救快掛掉的生意,晚上查資料寫貸款申請書,如果家裡又有因為疫情無法上學的小孩,小企業主最後往往只能兩手一攤,宣布放棄。

反觀另一端稍有規模的大企業,財會部門跟銀行窗口看到消息後立刻動作,趕著在貸款上限額滿前拿到補助。政策宣布不久後,就爆出知名企業如Shake Shack(美國知名連鎖漢堡店),茹絲葵牛排等連鎖上市商家,都在核准的補助名單之內。Shake Shack 最後也在輿論壓力下,宣布退還一千萬美元的補助款。

不要忘了,PPP貸款中有65%都是五萬元以下的微型貸款,Shake Shack這一千萬美元的貸款,至少可以再幫助200家的商家跟他們的員工。而這段申請大亂鬥期間,所暴露出來的申請門檻及問題,也被許多人批評是大撒納稅人的辛苦錢。

荒腔走板的查核與防不慎防的金融詐騙

大撒幣的同時,有一群人也開始虎視眈眈準備大發災難財。

貸款詐騙五花八門,有人用已經關門大吉的建設公司申請貸款再拿去買哈雷機車; 有人假造財報申請貸款,再拿補助金去買跑車;有人的公司則是莫名其妙長出許多員工,更用此詐騙到百萬補助款。

詐騙案層出不窮,司法機關也立刻展開調查。美國司法部在九月宣布起訴了57人,總額達一億七千五百萬(約台幣50.7億元)的PPP貸款詐騙。雖然如此,相對龐大的紓困規模,目前揭露的金額看來僅是冰山一角。

金融科技早已Stand By,資源整合才能加速救援

這次美國政府在PPP貸款的作業流程跟審核上,最令人詬病的就是申請資料繁瑣,耗費大量非必要的人力成本,且貸款詐騙案層出不窮。美國身為金融交易高度數位化的國家,蓬勃發展的金融科技早已培育出許多產品,可以直接前線支援。以下列幾項金融科技公司為例:

VISA
圖/ 截圖自Telecoms

金融交易資料整合商:Plaid

Plaid做的是銀行帳戶及資料串接。透過Plaid,使用者可以輕易整合不同銀行帳戶至第三方APP,從APP做金融交易或資料查詢就再也不需要一個個進到各家銀行帳戶操作。Plaid在今年年初被Visa以高達53億的金額收購,多家大型金融及科技公司如美國運通,Venmo都是使用Plaid支援他們的帳戶整合功能。

Plaid整合金融帳戶快速且容易,如果應用在審核申請貸款戶的歷史營收及交易資料,可達到簡化流程,加快速度,且大幅降低人力成本的效果。透過直接跟銀行端連線,也可以減少財報造假的詐騙機會。

中小企業薪資軟體:Gusto

矽谷的FinTech獨角獸Gusto是一家做員工薪資及福利的SaaS服務商。透過跟Gusto的整合,可以輕鬆全覽申請過去的員工薪資金額及趨勢。企業在申請還款豁免時,也可以迅速提供公司妥善使用PPP貸款於薪資發放的證明。

詐騙預防及偵測:Checkr

去年年底剛加入獨角獸的Checkr是一個提供個人背景資料查核的公司。除此之外,市場上也有許多產品針對不同應用及資料,使用人工智慧來偵測及預防金融詐騙。整合這些資源,可以進一步降低貸款詐騙的發生。

美國這次的PPP貸款,是根據公司每月薪資的支出作為申請依據,並依此作為日後貸款可不可以被豁免的基準。從申請,審核到債務豁免都牽涉了大量的金融資料。古法煉鋼不僅曠時費日,更增加了許多不必要的人力成本。美國的公部門若能再進一步整合這些金融科技產品,不僅可以加快撥款的速度,降低專案執行成本,也同時預防詐騙案的發生。

在下一次危機來臨前,台灣的金融科技準備好了嗎?

台灣在這次疫情中,幸運的只有擦撞傷。國內的三倍券辦得如火如荼,但當有一天必須面對緊急紓困貸款時,以台灣目前的金融科技基礎建設來看,可以派上用場嗎?

金融科技要能蓬勃發展,除了要有新創團隊的加入外,金融機構及開放的金融資料扮演生態系中相當重要的角色。目前台灣在開放銀行上(Open Banking)分為三大階段:

1、公開資料查詢:如銀行的商品資訊,各行利率比較等。
2、消費者資料查詢:帳戶個別資料屬於使用者資產,可由使用者授權讓第三方查詢。
3、使用交易面資訊:可透過第三方來進行帳戶交易,扣款、整合等。
擷取.JPG
圖/ 截圖自Sophia Technology

以美國的狀況為例,要能純熟發展到這些終端的應用,必須要走到第三階段交易資料的查詢使用。更不用說因為這次疫情而加速許多金融機構的數位化,讓金融科技產品更加普及。目前台灣正試行到第二階段,離真的開始開發第三階段的產品不僅還有相當大的一段距離,要更進一步走到數位產品普及化,更是遙遙落後。

美國及其他多數國家,在這次疫情危機中,被強迫加快數位轉型的腳步。台灣在經濟上幸運地沒有受到疫情太大的衝擊,若沒有把握這段優勢,專注在數位轉型及金融科技的基礎建設,在面對不可測的未來及下一階段的挑戰時,將會是一個經濟發展上的隱憂。

責任編輯:文潔琳、蕭閔云
本文授權轉自:Sophia Technology

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