數位貨幣能成真嗎？央行啟動實驗計畫，LINE看好「現金被全面取代」|數位時代 BusinessNext

數位貨幣能成真嗎？央行啟動實驗計畫，LINE看好「現金被全面取代」

數位貨幣（CBDC）成為今年以來金融科技領域熱門話題，各國央行也備感壓力，而科技巨頭LINE又打算怎麼布局？

央行啟動數位貨幣實驗計畫，前提是要比電支、現金更好用

那麼台灣目前發展數位貨幣的進度呢？在今（19）日舉辦的「2020 區塊鏈應用法律高峰論壇」上，中央銀行業務局副局長謝鳳瑛表示，央行已經完成「批發型CBDC可行性技術研究」，從今年九月開始，已經展開為期2年的「通用型CBDC試驗計畫」。

央行的試驗計劃，仍維持現行的雙層式運作架構，由央行發行貨幣給銀行等中介機構，再透過銀行等提供貨幣給民間進行點對點（P2P）支付，避免金融風險產生後直接衝擊央行的可能風險。

謝鳳瑛指出，儘管目前台灣無現金化的基礎設施已經相當成熟，但因國際間正如火如荼地研究區塊鏈在CBDC的應用，因此，央行也必須加緊腳步投入研究與試驗，他也強調：「CBDC確實是未來趨勢，但必須比現行電子支付、現金都好用，央行才會考慮啟用。」

虛擬通貨交易所幣託（BitoPro）執行長鄭光泰則表示，樂見CBDC發展，「尤其 CBDC 基於區塊鏈技術特性，比現金更能防堵洗錢。」

LINE：現金終將被數位貨幣取代

在台灣擁有2100萬用戶的通訊軟體LINE，近年在金融科技領域著墨很深，在論壇上，針對數位貨幣議題，LINE區塊鏈金融平台總監李烘圭認為：「長遠來看，LINE認為現金終將被數位貨幣取代。」

為了加速區塊鏈業務進展，LINE從2017年開始，就成立LINE Blockchain Lab團隊來開發去中心化應用程式，也投入研究P2P分散式網路應用與加密技術。

LINE首次提出「LINE Token Economy（代幣經濟）」概念是在2018年的LINE Conference上，隨後推出面對全球市場的數位貨幣交易所BITBOX、發表區塊鏈網路LINK Chain和數位代幣LINK。

今年，也宣布推出區塊鏈服務開發者平台LINE Blockchain Developers，以及數位資產管理服務BITMAX Wallet，來加速LINE區塊鏈服務發展。

李烘圭認為，許多國家都已著手研究與試驗零售型CBDC，「LINE Blockchain的目標是要打造一個可以普及的去中心化服務平台，也是一個專為金融服務優化的區塊鏈平台。」目前，正同時與亞洲幾個國家的央行接觸，希望可以提供方案推動下一階段的金融創新。

LINE之所以有信心可以投入，李烘圭解釋，是因為LINE Blockchain平台採用強化的共識演算法，支援具可追溯性的隱私保護，也支援不同平台間的連結，驗證了韌性，同時滿足「清算最終性」與「可擴展性」，因此適用於零售型CBDC與批發型CBDC。

「只要有適合的技術出現，數位貨幣的發展速度將超出預期。也因為LINE對金融科技中零售支付服務有高度的掌握，LINE將能提供完整的CBDC配套方案。」接下來，LINE將持續投入區塊鏈技術的發展以協助推動CBDC。

責任編輯：錢玉紘

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。