唐鳳談數位身分證，個資保護、自然人憑證結合一次解惑！還要重賞攻破防線團隊？|數位時代 BusinessNext

唐鳳談數位身分證，個資保護、自然人憑證結合一次解惑！還要重賞攻破防線團隊？

數位身分證明年即將上路，1月份就會在新竹市進行試辦，但民眾仍有許多疑慮，政委唐鳳透過直播向網友一次解答！真的會更保護個資？

自行設定密碼，對個資保護更確實

唐鳳說，未來數位身分證卡面上，正面只有姓名、身分證號碼、生日還有相片，背面只有結婚狀態，沒有配偶和父母姓名，因為這是別人的個資，對個資保護更加確實；自己願意的話，可以附加自然人憑證功能。

唐鳳表示，像是晶片護照中，如果民眾有申請自動通關，就要翻到內頁讓機器先讀取「讀取碼」，才能讀取晶片內容，知道是不是可以通關的狀態；數位身分證背面也有讀取碼，但不管是公家還是私人，服務提供者都不能強制讀取晶片。

如果要讀取加密區的資料，要輸入自己設定的6位數密碼，才能讀取；如果民眾選擇附加自然人憑證功能，更要8碼以上的密碼。以他自身為例，因為自然人憑證不會帶在身上，跟身分證結合的用處不大，他就會勾選不用附加自然人憑證。

唐鳳指出，「七代卡比現在好，在安全上」，晶片卡設計出來的程式只能讀取，不能更改，且是由台積電寫進晶圓裡，不可能追加功能，並在中央印製廠把資料寫進空白卡中。

資安團隊把關，新竹搶先試辦

數位身分證明年1月將在新竹市試辦，唐鳳表示，有兩個測試計畫並行，在新竹市至少有半年時間讓民眾自願換卡；另外會邀請有公信力的資安團隊，以測試卡測試，讀卡後能不能複製一張、自然人憑證區的感應有沒有問題等。

徐國勇說，資安團隊如果成功攻破，有非常高的獎金，等測試完後確定安全性沒有顧慮，才會全國實施；唐鳳表示，在比利時、瑞典、德國、愛沙尼亞等國推行數位身分證，都有完整溝通程序，確認法治保障後才全面換發，目前有超過128個國家已使用晶片身分證。

唐鳳說，七代卡版面很清爽，個資會更簡化，不會洩漏別人個資；加密保護、防偽等級也提升，「七代卡比現在的要好，即使完全停用晶片，也是比較好的卡」。

有網友詢問，數位身分證是否可附加記名悠遊卡、健保卡、駕照等功能？唐鳳說，戶籍法只授權內政部自己做的這些卡，像是健保卡只能跟醫療有關公務用，範圍、人別不一樣，因此沒有多卡合一，就是張防偽比較好的身分證。

本文授權轉載自：中央社
責任編輯：郭昱彣

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。