富邦銀行聯手刑事局，每年詐欺案超過2萬件，如何用科技防詐、揪出人頭帳戶？|數位時代 BusinessNext

每年詐欺案超過2萬件！北富銀聯手刑事局，如何用科技防詐、揪出人頭帳戶？

近四年來，每年平均超過2萬起詐欺案件，其中假投資案件數與財損金額高居第一，為有效攔阻詐騙事件，台北富邦銀行找上刑事警察局合作，聯手推科技防詐。

金融詐騙層出不窮，第一線銀行扮演把關的角色

刑事警察局局長黃嘉祿表示，上網購物投資增加，導致電信網路詐欺事件增加，且詐騙金流快速流通，如透過第三方支付買虛擬貨幣、斷點多，加上追查銀行金流明細回復時間長，導致追回贓款不成比例。

刑事局與台北富邦銀行彼此簽署合作意向書，希望透過雙方情資的交流，從臨櫃匯款攔阻，警示人頭帳戶等面向，交叉分析可疑的犯罪特徵，有效增強預警機制，並希望建立即時通報管道，強化線上打擊力道。

台北富邦銀行總經理程耀輝表示，金融詐騙層出不窮，第一線的銀行扮演重要把關的角色，但客戶被詐騙往往不自知，甚至認為是對的，未來將提升第一線行員的詐騙識別能力。

截至今年11月底，北富銀與警方已成功防阻175件詐騙案，平均每週就有4起，攬阻財損超過1.3億元財產，相較去年提升84%。

刑事局提供犯罪樣態建模，銀行早一步提醒客戶

以北富銀來看，全台共有135個分行，一天到訪客戶約1.5萬，但線上完成交易的客戶多達70萬。面對詐騙手段持續翻新，未來透過警方的辦案經驗，結合北富銀的金融專業與數位技術，讓金融交易變得更安全。

刑事警察局預防科科長丁靖說明，「我們把以前口耳相傳的判斷方式，透過雙方的資料庫交叉驗證，建立成可靠的指標，找到人頭帳戶，進而發動偵查。」

對銀行端來說，投入智慧預警機制研發需要大量數據。北富銀自2018年3月起成立專責單位「金融安全部」，統籌全行防制洗錢、外部詐欺及內部違規等業務，有效控制詐騙風險，北富銀金融安全部副總經理蔡佩玲指出，「人工智能及大數據技術建模需要數據，刑事警察局辦的案件是全國性，就可以拉出指標，未來只要發現客戶的帳戶有出現『特定動作』，可提前提醒客戶。」

舉例來說，在臨櫃作業上，用戶突然需要大量提款、且收款戶名不是認識的，或是密集地使用網路銀行與臨櫃，甚至是突然解除定期保單，都是可能被詐騙受害的跡象。

那可疑的「人頭帳戶」怎麼查？丁靖指出，過去初階的判斷是，開戶人短期在多家銀行開戶，或者非在工作地、居住地開戶；未來進階可以查到，人頭帳戶設定多個約定帳戶，突然進出大筆金額；同一帳戶短期轉入不同來源多筆項目，甚至每次匯款額度都接近上限的狀況。

未來透過警方、銀行合作，從初期歸納偵查經驗，分析特定樣態；再來建立預警模組，列出異常指標，最終希望做到即時通報查緝。不過「道高一尺，魔高一丈」，警銀攜手打擊詐騙，未來能否追得上詐騙集團推陳出新的詐騙手法，雙方比的都是速度。

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。