要讓100萬台灣人都有白金卡|數位時代 BusinessNext

「我們不想一窩蜂，」雖無緣與北銀共結連理，中信金總經理辜仲諒在回答金控合併進度時，依然氣定神閒。他說，合併從來都不是件容易事，根據國外經驗，起碼需2、3年才能看得到成效，當兩個銀行體質都不錯、都同樣賺錢時，合併難度高；帶著許多「拖油瓶」的金控併金控，難度更是加倍。因此，他衷心祝福目前已結婚的銀行能在3年內整合成功，但同時也認為中信金現在是「有錢的單身貴族」，合併時程掌握在自己手裡，不會為了幫財政部忙，更不會不顧股東權益而盲目合併。
對於金控的婚配對象，辜仲諒還俏皮地說了個比喻：有錢人家比沒錢人家麻煩多，「門當戶對」總有許多問題，最好是娶「家世不錯、平凡的小康人家」，比較不會造成困擾，「這個問我最清楚了，」這番比喻引來一陣哄堂大笑。
記者會現場另一焦點，是金控策略長林孝平。
這位出身台大農工、哥倫比亞MBA的年輕策略長，曾擔任香港博德（Monitor）管理顧問董事，擅長擬定合併收購、公司再造、競爭者分析、客戶區隔等策略面。他認為，中信金現在不需合併體質好的銀行，反而是需要合併有通路，能幫助中信金發展「財富管理」（Wealth Management，也就是所謂貴賓理財）通路的銀行；更重要的是，由於中信銀近年「自然成長」（Organic Growth）非常迅速，因此所有的併購，都將以不影響自然成長為考量。
會場還有另一段小插曲。當記者會針對合併議題進行約1小時左右，辜仲諒突然語帶玄機：「先把大家的好奇心先解決，待會我們有重大事情宣布，」還捉狹地說，「剛剛走掉的記者抱歉了，」聽得大家滿腹狐疑，紛紛猜測待會到底有什麼勁爆消息時，才聽辜仲諒不疾不徐宣布：「中信銀白金卡將免年費」的消息，當場台下好事的媒體對這個關子大失所望，而辜仲諒也打趣說媒體「真是現實」。
然而，國內最大的信用卡發卡銀行將推出免年費白金卡，勢必讓目前正火紅的白金卡大戰更加白熱化。
過去被視為「尊貴人士」才能擁有，有些銀行年費甚至高達5000元的白金卡，自富邦銀行於5月初推出免年費白金卡後，統計至8月中旬白金卡量已有21.7萬張，因此發卡龍頭中信銀也宣佈加入戰局，準備將信用良好的60多萬金卡客戶主動升級，並預計年底要衝到100萬張白金卡。看來，過去「極度尊榮」的白金客戶，未來20位台灣民眾就有1位白金卡友的「盛況」很快就會降臨。
「要玩合併的銀行，我鼓勵他們好好加油，但信用卡的成長，要玩就只剩這幾年了，」言談風趣，帶領中信銀信用卡成為台灣最大發卡銀行的個人金融執行長羅聯福說，針對目前往來頻繁的兩岸三地人潮，中信金白金卡將提供機場全年不限次數、不限天數免費停車以及機場貴賓服務，由此可窺見中信銀想搶攻台商市場的企圖。而對於目前業務發展狀況，他也提出數據，指出中信銀手續費收入比去年同期成長17%，率市場之先推出的指數型房貸（ARM）也讓房貸金額從1380億提升到1600億，在銀行平均房貸金額下滑了2.66%的同時，中信銀上半年仍有11.02%的成長。
而接下來戰況究竟會如何？或許正如辜仲諒所言，「勝敗不是現在，好戲正要上演」，不論是金控或是白金卡，發展恐怕只會愈來愈精采！

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。