誰是日本泡沫經濟的元兇?「大藏省」的權力失控,如何讓日本陷入失落的十年?
誰是日本泡沫經濟的元兇?「大藏省」的權力失控,如何讓日本陷入失落的十年?

儘管貨幣政策是由日本銀行負責執行,但法律將監督權交給了大藏省。

在法律上,日本銀行的最高決策機構是政策委員會,正如我們看到的,此委員會是在1949年由美國占領當局所設立,目的是要讓央行「民主化」並淡化其戰時體制的色彩。政策委員會除了日銀的總裁和副總裁外,也包含外部人士。政策經過討論後付諸表決。

然而,眾所周知的事實是,委員會僅是在為日本銀行的理事會已做出的決定蓋章背書,而理事會是由日本銀行的職員組成,並由總裁負責領導。

人們一般認為,關於調降或調升官方貼現率的決策,央行都必須與大藏省密切協商後才能決定。這不只是因為大藏省擁有的「非正式」權力,在法律上也完全合理:規範日本央行職責和權限的《日本銀行法》有明定,日本銀行的大部分業務內容,都必須聽從大藏省的指示。

第42條便直接指出:「日本銀行應受主管大臣之監督。」第43條:「若主管大臣認為,對於實現日本銀行的目標有特殊的必要因素時,得命令該行從事必要業務,或命令修改章程及採取其他必要行動。」以及第44條:「主管大臣得⋯⋯發布命令或採取其認為執行監督所必要之行動。」類似的條文還不止於此。在規範日本銀行權利與義務的前47條條文中,「經主管大臣許可」或「依主管大臣規定」等用語出現了29次。

雖然「主管大臣」是指大藏大臣,但實際上這代表的是由大藏省最高級別的官僚—大藏政務次官。因此,貨幣政策實際上是「依照」大藏省的想法所制定。考慮到這條法律是源自戰爭時期,這並不令人意外。

大藏省被認為是經濟泡沫的罪魁禍首

在戰後時期,大藏省經常直接介入有關官方貼現率的政策。大藏省對外匯干預更具管轄權,因為這是受獨立的《外匯法》規範,這條法律賦予大藏省干預外匯的專屬權力。

日本銀行只是負責執行大藏省指令的部門,只根據大藏省國際金融局的決定,去實施特定規模的外匯干預。這也是為什麼在1990年代中期,外匯市場會如此密切關注個性張揚的國際金融局次長榊原英資的一舉一動。

根據這些法律上的事實,大多數觀察者而言都這麼認為: 大藏省是真正當家的人。泡沫經濟是因為大藏省過度寬鬆的利率而造成的。 從1984年到1989年,前大藏事務次官澄田智甚至出任日本銀行的總裁。擁有專業知識的日銀應該更清楚狀況,但由於其法律地位較低,只能被迫執行大藏省強加的錯誤政策。

如今就連普通日本上班族也都明白,在1980年代,銀行是投機者的主要幫兇,投機者揮霍超過年度國民收入四分之一的金錢。銀行受大藏省所監管,而大藏省是它們的金主。在1990年代,日本的週刊雜誌經常報導大藏省的銀行監管人員如何在藝館接受招待、用餐享樂,並洩漏下次銀行稽核時間的消息。當大藏省對銀行界發生的問題(最一開始在住專爆發)的反應是建議動用更多稅金時,其聲譽徹底毀損。起訴方似乎可以結案了:日本的經濟政策是場災難,而罪魁禍首就是大藏省。因此,大藏省必須受到懲罰,被剝奪權力並分崩離析。

譯注:住專,專門發放住宅貸款的機構。

英雄三重野:終結泡沫並推動日銀獨立

三重野康的形象與所謂的英雄很相似,他於1989年12月至1994年期間擔任日本銀行的總裁。當他於1989年上任時,他發現前任央行總裁、前大藏省事務次官澄田的貨幣政策過於寬鬆。

三重野很厭惡這政策的後果。他感嘆日本正在成為一個劃分為「有產者」與「無產者」的國家,因為地主犧牲了平凡員工的利益而致富。他決定要為泡沫畫下句點,在就任總裁兩週後便提高官方貼現率,送出那份1989年惡名昭彰的「耶誕禮物」。以股價為首的資產價格從1990年開始暴跌。直到十多年後,股價在2002年持續創新低。地價下跌約八成,直到2002年初仍在持續下跌。在充滿浪費和扭曲的七年繁榮期後,緊接著是讓經濟清醒的七年蕭條期。

在1990年,大藏省財務官內海孚與日本銀行總裁三重野公開交鋒。三重野批評泡沫經濟期間的過度發展有違社會正義,因而在道德上占了上風。他宣稱自己一生從未持有過股票,而這樣清廉的人物似乎正在為日本制定一套公平的政策。媒體將他描繪為「平成時代的鬼平」,一位為窮人爭取權益的現代羅賓漢。

在三重野於1994年12月卸任總裁後不久,他展開另一項行動。他在全國各個協會與利益團體發表演說,遊說《日本銀行法》的修改。他的論述內容很巧妙地暗示大藏省迫使日銀採行錯誤的政策。為了避免未來再次發生這類問題,日銀需要在法律上獲得完整的獨立性。根據三重野的說法,讓央行獨立的舉動「映照人類從歷史中孕育出的智慧」。

最終,他的主張獲得了橋本龍太郎首相領導的聯合政府支持。政府的行政改革專案小組跟許多觀察家一樣,將1990年代日本遭遇的困境歸咎於大藏省,因此提議要撤銷該部會的諸多權力。這之中包括讓日本銀行獨立,並剝奪大藏省任免日本銀行官員的權力。

在1997年,聯合政府向國會提交修訂《大藏省設置法》與《日本銀行法》的法案。新的《日本銀行法》於1998年4月生效,剝奪了大藏省制定貨幣政策的權力,使日銀在法律上完全獨立。

大藏省試圖振興經濟,卻最終失去權力

毫無疑問,大藏省想要創造經濟復甦。它作為政府預算的主管機關,深深厭惡財政赤字與政府債務的增加。這些指標的惡化被視為有損大藏省的形象。經濟衰退會減少公司、所得與銷售的稅收。同時也會增加失業給付與社會福利的支出。此外,人們還會要求政治人物推出政府的支出方案。

因此,支出會膨脹而收入會萎縮,並使預算陷入赤字。赤字需要透過發行債券來融資,大藏省也不喜歡這手段。最重要的是,大藏省不喜歡經濟衰退,因為它於法負責管理經濟。因此它也要為衰退承擔責任。長期的經濟衰退可能會使它失去長年累積下來的所有權力。

對大藏省而言,最糟糕的情況發生了:經濟未能復甦。

結果,政府實施了深層的行政改革。在日本歷史上,1998年被視為是大藏省失去其主要權力(壟斷編列預算權力)的一年。這是戰後首次由政治人物來制定振興方案。大藏省失去了監督銀行的控制權,這項權力移交給了獨立的金融監理機構。由於「金融大改革」(Big Bang)的計畫,它失去了核發執照的權力。

最後,它失去了對貨幣政策的控制權,此權力移交給獨立的日本銀行。雪上加霜的是,2001年1月大藏省甚至失去了其歷史悠久的名稱。如今,大藏省已不復存在。

雖然大藏省明顯有推動經濟復甦的正面誘因,但日本銀行的立場則較為模糊。因此,是時候重新檢視相關證據。

延伸閱讀:獨家專訪|4年開近50店!2nd STREET成帥潮挖寶地:二手精品服飾專門,怎讓客戶甘願賣開心買?

日圓王子立體.jpg
圖/ 大塊文化

本文授權轉載自《日圓王子:從日本失落到國際金融危機,你不知道的真相》,Richard A. Werner著,大塊文化出版

責任編輯:蘇柔瑋

關鍵字: #時事追蹤
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