街口全力朝區塊鏈金融轉型，胡亦嘉：鏈上有無盡翱翔的天空|數位時代 BusinessNext

NFT讓虛擬有價、DeFi世界也能賺錢

支付金流，是支撐所有科技發展的底層基礎建設，一般用戶對於金融服務的需求，不外乎就是存款、貸款、保險以及投資理財，胡亦嘉認為，現在的金融服務有許多的不方便，已經在許多方面被區塊鏈金融挑戰，「區塊鏈、Fintech已經有點在相互競爭的感覺。」

各國低利政策下，把錢放在銀行的活存，平均只有1%上下的利率；在區塊鏈世界中，若質押加密貨幣，可以拿到6%~12%甚至更高的利息，都是很正常的事情，DeFi（去中心化金融）開始可以讓人真正賺到錢。

又或者以跨國匯款來說，現實世界中，可能會需要跑銀行、填寫表單等；區塊鏈的世界裡，只要有對方的錢包地址，無論是在南極或北極，都能快速、方便的把錢轉到對方手中；投資方面，股票、基金都是常見的投資產品，這兩年很許多年輕人，則是轉向投資加密貨幣、NFT（非同質化代幣），資金慢慢流向虛擬世界。

胡亦嘉觀察，第一款加密貨幣比特幣，問世已經有10多年歷史，過去不相信加密貨幣的人是多數，甚至幾乎無法衡量背後的價值。這兩年情況反過來，大型法人機構、銀行、政府都開始關注甚至投入。

他認為最關鍵的轉折是，NFT的出現，不是只有用在藝術品，或是區塊鏈遊戲（GameFi）上，而是透過NFT，我們終於可以去定義，每一個虛擬物品實際的價值。

現在，價值、供需以及應用場景都齊備了，「這是一個世界的共識，區塊鏈的資本市場正在形成，且正在蓬勃發展中。」胡亦嘉也看好元宇宙（Metaverse）的發展，他認為五年後，人們每天可能都會有3~5個小時的時間，是在虛擬世界中暢遊的，背後的虛擬經濟將無可限量。

胡亦嘉：街口要做區塊鏈，只差沒改名

「區塊鏈有一片無盡翱翔的天空，」胡亦嘉表示，街口目前正朝區塊鏈金融方向轉型，希望能作為大眾進入區塊鏈世界的入口。

他所觀察到的機會是，許多人都知道加密貨幣的趨勢，卻不知道怎麼購買或參與，原因是現在區塊鏈的服務應用都有點複雜，使用者體驗也比較不好，「對9成的人來說，還是很難理解的。」

以技術門檻來說，加密貨幣的買賣、傳輸，牽涉需多不同的鏈，需要花時間搞懂；體驗上來說，現在若用刷卡買幣，信用卡公司會收取3.5％手續費，很多人可能不願意；若網友之間協議好的C2C交易，因為需要符合身分驗證KYC要求，需要繳交身分證件，個資風險上消費者會有疑慮。

胡亦嘉認為，支付業者很適合在加密貨幣與法幣之間，扮演橋樑的角色。策略上，街口並不會去開一家交易所，或是開發新的產品，去跟現在的區塊鏈項目競爭，而是透過串接外部服務的方式，在街口的平台上，提供用戶一個好用、簡單可以接觸區塊鏈金融的入口。

過去在溝通上，多次與主管機關意見相左，胡亦嘉轉過身，發現區塊鏈世界有無盡開闊的新天地，「面對實體世界的打壓，只會讓區塊鏈世界更加蓬勃。」他希望透過街口未來的服務，讓更多人參與進區塊鏈的世界，「我們要做，就會去把他最到好，公司的轉型，只差沒把名字改掉而已。」一字一句，胡亦嘉的決心早已表露無遺。

責任編輯：侯品如

AI 智慧代理人時代來臨！三大導入階段， AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」。

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」（Agentic AI），在最少人為干預的情況下，自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾，而是需要對AI有正確認識，並制訂循序漸進的導入流程，才能真正發揮AI功效。在2025台灣人工智慧年會中，cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段，深入剖析企業如何從概念驗證（PoC）階段，逐步推進到實際上線（Production），並分享實務經驗與觀察。

延伸閱讀：生成式AI可以怎麼用？cacaFly現身說法，助企業應用GCP服務智慧轉型

解鎖 Agentic AI，企業邁向多任務智慧代理

「很多公司會問，One AI 要做什麼事？但實際上，若要讓 AI 回答公司內部政策或新法條的相關問題，僅靠基礎模型並不足夠。」吳振和指出，要讓 AI 真正成為能「做事」的智慧代理人，前提是它必須理解企業內部的脈絡與知識，並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符，這意味著系統必須具備持續爬取與解析最新資料的能力。為此，企業必須先截取與整理內容，再建構成專屬的知識庫（Knowledge Base），確保資料品質達到可用標準後，再透過檢索增強生成（Retrieval-Augmented Generation, RAG）技術，使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀：從資料清洗到 RAG，大型語言模型的必需品，做出專屬企業的 AI 知識庫！

吳振和強調，這是一個動態循環的過程：從資料蒐集、品質控管、知識庫建構到生成應用，每一環節都息息相關，任何一處鬆動都會影響最終產出的準確性與可信度。

破除「一次到位」迷思，從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望，因此常將 PoC 視為年度計畫的重點，希望能「一次到位」做出具體成果。但吳振和提醒，若缺乏清楚的系統工程思維，PoC 容易淪為「概念展示」，難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程，分為三個關鍵階段：

1.第一階段：可行性評估（Feasibility Study）
企業必須在投入資源前，先明確界定「最需要被 AI 解決的關鍵問題」是什麼，並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性，更要從商業目標出發，釐清導入 AI 的具體使用情境、預期成效與風險邊界，如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段：系統設計與驗證（Design & PoC）
在確定導入方向後，必須規劃清楚資料蒐集與整理流程，確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調，這個階段不能只追求展示效果，而應以「產品化思維」來構築 PoC，使其具備可擴充性、可維護性及安全性，才能為後續上線打下基礎。

3.第三階段：產品化與營運（Production & Operation）
當 PoC 驗證完成後，進入正式上線階段，挑戰也隨之而來。除了需要整合企業內部系統與流程，還必須建立持續監控與維運機制，確保模型表現隨時間演進不會劣化，並能快速回應法規變動或資料更新的需求。吳振和指出，這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

建立模型優化根基，打造高品質的黃金資料集

吳振和特別強調，要讓 Agentic 系統工程真正發揮效益，企業必須先建立一套高品質的「黃金資料集」（Golden Dataset），作為模型評估與優化根基。他指出，黃金資料集的價值在於能為模型選擇與前測提供客觀依據，讓團隊能針對不同任務挑選最適合的模型，避免導入初期就誤踩方向。

同時，黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點，進而快速回應「模型飄移」（Model Drift）的風險。吳振和說明，所謂模型飄移，指的是即使模型本身未經改版，效能也可能隨著環境與資料變動而突然下降，導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果，團隊才能即時察覺效能衰退，並進行迭代更新，確保系統長期穩定運作。

從小規模應用起步，漸進擴展至核心業務

吳振和分享，在實際輔導企業導入 AI 的經驗中，最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證（PoC）階段即可呈現完整的產品原型，然而實際情況顯示，若企業未能建立完善的資料架構與流程基礎設施，即使短期內展現亮眼成效，也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時，應採取漸進式策略，從小規模應用場景著手，逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節，而非獨立的一次性專案。

AI 的導入不僅是一場技術升級，更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局，才能確保 AI 能在企業內部真正「落地生根」，創造長期商業價值，成為真正的智慧代理人。