金管會兩週內二度開罰！Rybit交易所遭罰102萬元，4大違規事項一次看|數位時代 BusinessNext

金管會兩週內二度開罰！Rybit交易所遭罰102萬元，4大違規事項一次看

台灣監管機構加強對國內交易所的監管，近日再度針對台灣加密貨幣交易所開刀，宣布對幣錸有限公司處以102萬元新台幣罰款。

兩週內兩度開罰，金管會針對加密貨幣交易所嚴加監管

8月1日，金管會證券期貨局宣布，對Rybit交易所（幣錸有限公司）處以102萬元新台幣罰款。

這是繼兩週前金管會對ACE王牌交易所處罰152萬元後，再一次向加密貨幣產業開罰。在ACE王牌交易所的裁罰中，被指出違反多條洗錢防制法及個人資料保護法規定，包括 未確實做好KYC（KnowYourCustomer）審查客戶身份、未能有效監控洗錢紀錄、未保存完整紀錄以及客戶隱私未能確保安全性等。

而此次針對Rybit交易所的處罰，金管會同樣也點出了四項類似的缺失，顯示出加密貨幣交易所普遍存在的合規問題。

金管會點名四項缺失，Rybit交易所罰鍰較輕

根據證券期貨局新聞稿，Rybit交易所主要存在以下四點缺失：

違反事項一：客戶審查不嚴格

金管會指出，Rybit未對高風險客戶進行強化審查，未能完整辨識和驗證客戶身份，對法人客戶的實質受益人也未能妥善辨識。此外，Rybit也未審慎評估提高客戶風險等級的必要性。

違反事項二：交易監控

在監控洗錢紀錄方面，Rybit未能因應客戶的洗錢風險等級設定不同的監控門檻值，對可疑交易警示的處理狀態和調查紀錄也不完整，未能充分了解客戶資金來源及去向。

違反事項三：記錄保存不足

Rybit未完整保存為客戶辦理虛擬資產轉移的相關資料，也未能提供完整的交易紀錄憑證，這些紀錄的缺失使得金管會無法有效查核。

違反事項四：個資管理存放不當

將客戶個人資料存放於外部公司系統，未採取適當的安全措施，對客戶隱私造成潛在威脅。

最終，證券期貨局依洗錢防制法第5條第2項、第7條第5項、第8條第4項及個人資料保護法第48條第2項規定，對Rybit交易所處以新台幣102萬元罰鍰。

比較兩家交易所的罰款數額，Rybit的罰鍰相對較少，主要因為其違規情節相對輕微。此次對Rybit交易所的處罰，可以看出台灣加密貨幣交易所普遍存在的合規挑戰。加密貨幣交易所作為新興金融服務平台，常面臨快速變化的市場環境和複雜的法律法規，如何平衡創新與合規，成為其能否持續發展的關鍵。

Rybit公開聲明

對此，Rybit交易所也於昨（1）日發布官方回應，強調這次處分不影響任何客戶權益，並會盡快進行改善。

以下為官方原文聲明：

謹說明關於金融監督管理委員會於113年8月1日的函示的行政處分，敝公司虛心接受，並感謝主管機關的輔導，也賜予學習及修正的機會！我們已針對所有缺失，確實進行改善。未來也將恪守虛擬通貨公會據指導原則內容訂定之業者自律規範及所有相關法令。

身為虛擬資產平台的新創公司，我們深知肩負的責任重大，所以更加感謝主關機關在我們成長的過程中讓法規輔導迅速明確化，使我們從制度面上更完善、專業。

另特說明此次處分不影響任何客戶權益。

延伸閱讀：Google被美國裁定壟斷搜尋市場，誰才是最大輸家？Google可能面臨哪些懲罰？

本文授權轉載自：Web3+

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。