史上最重房市管制來了!限貸令後為何還要緊縮?央行看到什麼警訊?關鍵問答一次看
史上最重房市管制來了!限貸令後為何還要緊縮?央行看到什麼警訊?關鍵問答一次看

央行決議升準不升息、祭出第7波選擇性信用管制,雖然擴大房市管制措施在預料之中,但這波出拳力道堪稱史上最重,不僅首次針對有房子、沒房貸族群納管,央行總裁楊金龍更直言「要給投資客、投機客一個lesson(教訓)」。

這次的房市管制決策對央行是很困難的決定,也承受很大壓力,究竟央行看到什麼警訊,即使壓力再大也要降溫房市,中央社整理楊金龍關鍵問答,讓讀者一次看懂。

央行9月19日理監事會決議調升存準率1碼,且祭出第7波選擇性信用管制共有4大措施,第1,新增規範自然人名下有房屋者的第1戶購屋貸款不得有寬限期。第2,自然人第2戶購屋貸款最高成數由6成降為5成,並擴大實施地區至全國。

第3,公司法人購置住宅貸款、自然人購置高價住宅貸款及第3戶(含)以上購屋貸款的最高成數由4成降為3成。第4,餘屋貸款最高成數由4成降為3成。最新房市管制措施於明日起實施。

問:央行看到什麼警訊,決定祭出最強力道的房市管制措施?

答: 今年8月底,全體銀行不動產貸款占總放款比率(不動產貸款集中度)居高,達37.5%,接近2009年10月的歷史高點37.9%,而且現在銀行信用資源向不動產部門傾斜的情況比2009年更嚴峻。

過去房市過熱引發危機的狀況有個共通點,市場普遍認為房地產會一直上漲,尤其是1990年代日本資產泡沫破滅,以及跟2007年至2008年間的美國次貸風暴,均顯示不動產市場過熱引發金融危機及經濟衰退已有先例,當時有個狀況是社會大眾認為市場是efficient、有效率的,到達一個點後會自動調整,但反而沒有,市場直接垮下來。

這次央行頂著龐大壓力做出決策,是因為特殊時期必須有嚴肅措施,央行要釋放訊息,不能讓市場認為房市會一直往上走。

問:先前才剛鬧出房貸荒,為何央行還要再緊縮?

答: 房貸荒的問題不是資金不足,而是信用資源失衡,以銀行法第72條之2規定(銀行不動產放款比率紅線為30%,俗稱不動產放款天條)來看,國銀達到26%以上已經有21家,而且都是大銀行,很顯然,信用資源明顯傾斜到不動產、傾斜蠻大。

央行先前已對國銀做出道德勸說,為何只採道德勸說,因爲「讓大象轉身要小心,快速轉身會跌倒」,我們要讓他慢慢的、但也不能太慢。未來一年,會持續關注各銀行改善成效,並透過實地查核,督促銀行落實執行改善方案。

至於央行整體政策基調是否緊縮,就房地產來講,如果不動產放款集中度下降,就可以釋放資源給其他部門,特別是製造業;若信用資源順利移轉至具有生產力的部門,整體來講,也不能說是緊縮。

問:央行再度調升存款準備率1碼,會不會讓民眾更難申辦房貸?

答: 銀行本身有足夠的資金,央行調升存款準備率1碼,不認為會加重房貸荒現象。調整存準率的目的是希望讓銀行放貸更謹慎,也不會影響民眾首購需求,以及業者推動都市更新、危老重建、社會住宅以及企業建構自用廠辦等所需資金。

先前的房貸荒產生很多抱怨,但那些抱怨「至少有一半以上,是投資客跟炒房客在抱怨」,央行要給投資客、投機客一個lesson(教訓),不再是很容易想貸多少、就貸多少,也藉這次機會告訴社會大眾,房市確實必須cool down(冷卻)。

問:央行這次打房力道堪稱史上最重,是否也考量大環境將走向寬鬆,央行再不出手將錯失時機?

答: 國際環境確實朝寬鬆的方向前進,美國聯準會也已宣布降息,確實要把握緊縮的機會,「該做的時候,就快一點做」。

不過相較之下,台灣還是有緊縮的空間,特別是在房地產這塊。

央行發現,去年中以來,銀行不動產貸放衝得非常快、成長率非常高,代表銀行貸放的標準下降、比較寬鬆,這讓央行聯想到美國次貸風暴,當時金融機構對信用評等較低的借款者提供次級房貸,且核貸條件過於寬鬆,這是過去犯下的錯誤。

希望藉由這次政策實施,讓銀行對於不動產貸放更謹慎嚴謹,不要太過浮濫。畢竟房地產不像其他市場有修正機制,往上走的階段,一不注意就容易硬著陸,最好在適當時機、做適當措施,讓它軟著陸。

問:央行升準不升息、祭出房市管制,目前貨幣政策基調為何?

答: 貨幣政策整體來說目前還算balance,央行現在政策利率雖然跟16年前一樣高,但是像商業本票等市場利率已經比先前還要高。房地產部分的確是緊縮,希望讓銀行不動產貸款集中度下降,釋放信用資源到其他產業。

問:先前央行對於新青安態度是不要對財政部「越俎代庖」,為何這次對房市下重手推出第7波選擇性信用管制?

答: 央行這次檢視房貸數據並未侷限在公股行庫8家,而是檢視全體國銀34家資料。如果有一家觸及不動產放款上限,民眾申貸便會挪移到其他家,進而影響銀行的房貸審核能量,當市場整體亂起來時,財經部會包含央行、財政部、金管會都會一起考量做決策。

新青安方案已經有調整做更嚴格的審核,央行這次也是給國銀1年期間去做調整,希望銀行信用資源可以提供給最需要的那群人,兩者立場一致。

問:央行8月找國銀喝咖啡後,府院相繼出面安撫民心,府院是否伸手干涉央行決策?

答: 央行政策並不受政治干預,從一開始到現在為止,包括今天決策,行政院跟總統府都沒有介入。而且行政院院長卓榮泰在行政院會發言、新聞稿中,也多次表示感謝央行對於市場穩定安全機制預先做了努力。

問:美國聯準會(Fed)宣布降息2碼,隨著美台利差逐漸縮小,央行會放手讓新台幣升值嗎?

答: 新台幣匯率是由市場決定,如果新台幣在市場上會升值,央行不會去阻止新台幣升值。央行唯一會做的是延緩升值或是貶值的速度,「要擋資金力道是沒辦法的」。外匯市場很複雜,像今年初很多貨幣都對美元貶值,後來才又逐漸升值。

問:今年第4季有美國總統大選變數,央行怎麼看美國選舉結果對金融市場的影響,是否可能重新引發通膨隱憂?

答: 美國總統大選中,民主黨總統候選人賀錦麗和共和黨總統候選人川普的政見很不同,兩人對中國態度也有程度差異,至於對於金融市場的影響,這是很複雜的事情。央行會密切關注美國總統選舉對市場的影響,並謹慎因應。

延伸閱讀:限貸令是什麼?會讓房貸戶「斷頭」?限貸令懶人包:限貸來由、各家銀行貸款情況一次看

本文授權轉載自:《中央社》

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓