【觀點】刷卡點數為何不能馬上折抵?穩定幣技術如何讓這件事變成可能
【觀點】刷卡點數為何不能馬上折抵?穩定幣技術如何讓這件事變成可能
刷卡點數為何不能馬上折抵?

最近有一條新聞跟「2025 大限」有關。聯合國教科文組織在幾年前曾呼籲,錄影帶的磁帶,會隨著時間老化導致消磁,2025 年就是這類磁性媒體的「大限」,因此聯合國呼籲家中還有錄影帶的民眾,要儘早將檔案數位化,保存珍貴回憶與資料。

到錄影帶店挑片、甚至要「倒帶」才能回看特定片段的觀影體驗,對早已習慣串流服務的現代人來說,早已成了時代的眼淚。

看影片的體驗如此,金融商品的演變路徑也很類似。

對於一出生就有電腦、網路甚至智慧型手機的 Z 世代以及 α 世代來說,人生第一個接觸到的投資或交易標的,可能不是房地產,也不是股票、基金或債券,而是比特幣、以太幣甚至是迷因幣這些加密貨幣。

加密貨幣運行於區塊鏈之上,具有「24 小時不休市」、「全球都能交易」和「即時清結算」等特性。因此,這群數位原生世代對於金融服務的預設心態,就是應該要具備這樣的特性。

當這群數位原生世代累積更多投資經驗,開始使用傳統金融服務、做資產配置時,很可能會開始拋出許多個「為什麼?」。

最近,我跟主跑金融路線、特別關注區塊鏈以及 FinTech 發展的記者林麗珊 Lisa 錄製 podcast 節目《Web3 大西進》時,不到 30 歲的她拋出一個問題:「為什麼刷信用卡累積的點數,大多不能即時折抵消費使用?」

這個可能許多人沒有認真想過,甚至已經習以為常的問題,可是對於麗珊這一代的年輕人,這是一件奇怪的事,因為她所熟悉的世界,從網路到區塊鏈,應該要可以達成這件事。

「資訊」及「價值」難同步!盤點點數系統三大困境

銀行信用卡根據不同的產品定位及屬性,大多會有一套回饋機制,可能是現金回饋折抵下一期帳單,又或者是給持卡人點數,用於折抵消費會兌換商品。

但由於信用卡的支付流程,涉及發卡銀行、清算中心、收單銀行與商店等多方角色,一筆交易從確認到計算回饋,往往需要數日的時間,因此很難在交易當下就收到回饋並使用。

目前大多數的信用卡點數(回饋)系統,都有三個共通的挑戰。

第一,是消費獲得回饋的當下,沒辦法立刻折抵使用;
第二,是不同點數系統之間,很難做到轉點及兌換;
第三,一般人很難知道每一點所代表的實際價值,以及背後是否真有相對應的價值儲備。

這是因為每一套信用卡點數系統,都像是一套不公開的私人帳本,背後的運作機制都不同。舉例來說,如果要把一點凱基銀行的點數,兌換成一點遠東商銀的點數,由於兩套點數系統每一點的價值可能不同,因此兩家廠商之間在做點數兌換時,必須要可以做到即時的清結算,背後是一套非常浩大的工程。

這也就是為什麼,市面上多數的信用卡點數系統,無法克服以上三大問題,難以做到「資訊」以及「價值」同步。

共同規格、共同帳本,穩定幣清算邏輯有哪些好處?

信用卡點數折抵的例子,讓我想到了穩定幣在去中心化帳本上,自動化、即時清結算的應用案例。

加密貨幣的運作機制,是透過在區塊鏈上的「共識機制」完成,也就是每一筆交易產生時,在 10 到 20 分鐘內,區塊鏈上負責驗證交易的礦工,會形成一個對該筆交易結果的共識,如果超過半數的礦工都同意,該筆交易就會被記錄在區塊鏈上,做到「資訊」以及「價值」即時且同步傳遞,同時穩定度、正確性都很高,這樣一套流程,就是一次清結算。

對比信用卡運作的方式,當持卡人在商家消費後,會經過以下五大步驟,才會完成交易清算:

  1. 持卡人在商家消費
  2. 商店向收單銀行以及清算中心(如 Visa)傳送交易授權
  3. 商店向持卡人確認交易金額
  4. 清算中心向收單銀行以及發卡銀行,完成該筆交易的清算
  5. 完成交易授權與清算後,發卡銀行會在每月的結賬日,向持卡人寄送帳單請款

信用卡交易的過程涉及多方,可能需要歷經數日才能完成一筆交易,這是因為不同銀行、系統間,規格以及帳本的不同。

透過這個例子,就凸顯了區塊鏈技術上去中心化帳本,這種共同規格、共同帳本好處。

新臺幣穩定幣當儲備!Web3 時代點數可以怎麼玩?

這也就是為什麼,台灣發行「新臺幣穩定幣」這件事很重要。今年(2025)初,金管會召開公聽會,討論「虛擬資產平台及交易業務事業 (VASP) 專法」草案,其中最受關注的焦點,是將開放讓銀行發行掛鉤新臺幣或美元等法定貨幣的穩定幣,為加密貨幣交易提供穩定橋梁。

如果銀行真的能發行新臺幣穩定幣,未來銀行要發行信用卡點數時,背後就可以以新臺幣穩定幣作為儲備,確保其價值性,並透過智能合約發行點數。

這麼做有兩大好處,第一,可以知道各家銀行點數背後實際的儲備有多少,確保點數有價值;第二:透過智能合約,就可以將點數兌換的規則寫入其中,讓不同銀行點數系統之間的兌換全自動化。

以新臺幣穩定幣儲備,並透過智能合約發行的品牌點數,就能將點數變成積木,依照銀行的經營策略隨意組合,做出許多不同的行銷玩法。

舉例來說,如果 100 點 A 銀行點數可以折抵 10 元消費 ;以及 1 點 A 銀行可以換 5 點 C 銀行的點數,就可以將這些規則寫在智能合約上,當有用戶要兌換時,就能自動並立即執行,不僅公開、透明,也打開了與傳統金融體系與法幣串連的大門。

從信用卡點數折抵,這類生活化的應用場景,可以看出穩定幣作為清算與結算工具的優勢,實現更加即時、無國界且高透明度的金融體驗,在 Web3 新金融時代,真正做到「資訊」以及「價值」的同步。區塊鏈技術所帶來的金融體驗已是不可逆的一股趨勢,某種程度上,甚至是新世代年輕人對金融的習慣與基本要求。

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

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
代理式商務連動百兆商機
© 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