央行定調未來支付藍圖!楊金龍:TWQR、批發CDBC、代幣化一起推
央行定調未來支付藍圖!楊金龍:TWQR、批發CDBC、代幣化一起推
楊金龍發表專題演講

在12月4日舉辦的財金公司114年度金融資訊系統年會上,央行總裁楊金龍發表了題為「支付的數位化創新與央行扮演的角色」的專題演講

面對全球金融科技的快速迭代,從電子支付的普及到區塊鏈技術的興起,楊金龍在會中明確定調了央行的立場:無論科技如何演進,「信任」始終是貨幣體系的基石。

他強調,未來的支付創新仍須由央行貨幣提供信任基礎,並採取「雙軌並行」的策略 ,一方面優化現有的支付體系,另一方面則穩步推進央行數位貨幣(CBDC)的研發,特別是在批發型CBDC與代幣化資產的結合上,展現了央行對於未來金融基礎設施的總體經濟佈局。

貨幣體系的定錨與雙層架構的堅持

楊金龍首先從貨幣的本質切入,指出支付創新必須建立在健全的貨幣體系之上。他引用了國際清算銀行(BIS)的觀點,強調央行貨幣具有三個不可或缺的支柱:「單一性」(Singleness)、「彈性」(Elasticity)以及「完整性」(Integrity)。

央行貨幣具有三個不可或缺的支柱:「單一性」(Singleness)、「彈性」(Elasticity)以及「完整性」(Integrity)。
圖/ 中央銀行
  • 單一性是指央行貨幣能確保所有形式的貨幣(如商業銀行存款、電子支付餘額)皆能以面值1:1進行互換,這也是貨幣體系穩定的關鍵
  • 彈性則是指央行能隨時調節貨幣供給以應對市場流動性需求
  • 完整性則涉及防制洗錢與資恐的能力

在這樣的基礎上,楊金龍重申了「雙層運作架構」(Two-Tier System)的重要性。 他認為,無論支付科技如何去中心化,央行作為最後貸款者以及清算資產提供者的角色不可取代。

楊金龍重申了「雙層運作架構」(Two-Tier System)的重要性。
圖/ 中央銀行

透過央行對商業銀行、商業銀行對客戶的層級設計,搭配存款保險與審慎監理,才能確保公私部門協力的最佳發展。

這意味著,即便在數位資產興起的當下,央行並不打算讓科技完全取代傳統的金融仲介角色,而是希望透過數位化來強化現有的信任機制。

雙軌並進:TWQR的普及與零售型CBDC的務實應用

針對台灣支付市場的發展路徑,楊金龍提出了「雙體系並行」的策略。首先在優化現行體系方面,他特別點出「TWQR」的推動成效。為了解決市面上各種QR Code規格不互通的痛點,財金公司自2021年起建置「電子支付跨機構共用平台」,串聯了銀行與電支機構。

針對台灣支付市場的發展路徑,楊金龍提出了「雙體系並行」的策略。
圖/ 中央銀行

根據央行數據, TWQR的交易量逐年成長,2024年的營運量已達新台幣582兆元,是該年度GDP的23倍 ,顯示出台灣在零售支付整合上的巨大成功。此外,為了提升跨境支付效率,財金公司也正積極推動與日本(PayPay)、韓國(BCCard)及新加坡(NETS)等國的雙向支付互通,並持續關注國際間對於快捷支付系統(FPS)互連的趨勢。

而在眾所矚目的CBDC議題上,楊金龍採取了相對務實的態度。他指出,雖然央行已於2022年完成了零售型CBDC的雛型平台建置,具備轉帳、消費等功能,但考量到台灣現有的支付工具已相當多元便利,目前並無發行零售型CBDC的急迫性。

然而,這並不代表計劃停滯。央行轉而將技術應用於「數位公共建設金流平台」,並與數位發展部合作,將其用於政府的數位券發放與現金補助。

數位公共建設金流平台。
圖/ 中央銀行

例如在2025年8月啟動的客委會客家幣專案,以及11月協作普發現金1萬元的試作項目中,該平台展現了每秒處理2,505筆交易的高承載量能,證明了技術的可行性與穩定性。 這種「先試行、後推廣」且聚焦於政府效率提升的策略,顯示央行在零售端更傾向於解決特定場景的痛點,而非貿然改變大眾的支付習慣。

批發型CBDC:建構代幣化金融的基礎設施

相較於零售端的審慎,楊金龍在演講中對於「批發型CBDC」與「資產代幣化」(Tokenization)的結合則展現了更多前瞻性的規劃。隨著現實世界資產(RWA)代幣化的趨勢興起,全球主要央行皆投入批發型CBDC的研究,主要聚焦於跨境支付與作為代幣化資產的清算工具。

楊金龍引用BIS的「聯合帳本」(Unified Ledger)概念, 指出未來的代幣化金融體系需要將代幣化的央行準備金、商業銀行存款與公債整合在同一可程式化平台上,以實現款券同步交割(DvP)或外幣間的同步交割(PvP)。

BIS 的「聯合帳本」(Unified Ledger)概念。
圖/ 中央銀行

為此,央行已於2024年協同財金公司建置「代幣化金流試驗平台」,成功驗證了以批發型CBDC支援存款代幣的技術可行性。

央行已於 2024 年協同財金公司建置「代幣化金流試驗平台」。
圖/ 中央銀行

更進一步,央行目前正與集保結算所合作,進行更深度的技術介接。該試驗計劃以「公司債代幣」為標的,測試如何在同一平台上完成款券交割。

具體作法是讓集保結算所在代幣化平台上開立統倉帳戶,將批發型CBDC以1:1兌換成集保交割代幣,並利用跨鏈橋技術解決平台碎片化的問題。

這項實驗若能成功落地,將為台灣未來的代幣化金融基礎設施打下重要地基,大幅提升金融資產的流動性與交割效率。

穩定幣的挑戰:現代版「野貓銀行」與台灣的發展空間

在演講的最後部分,楊金龍花了相當大的篇幅討論穩定幣(Stablecoin)。 他直言,雖然穩定幣目前在虛擬資產交易中扮演重要角色,市值雖僅佔整體虛擬資產不到10%,但交易量佔比卻高達80%,顯示其作為避險工具的重要性。

然而,從貨幣管理的角度來看,穩定幣存在顯著風險。

楊金龍犀利地指出,穩定幣並不符合貨幣的「單一性」、「彈性」與「完整性」測試。由於穩定幣在次級市場價格可能偏離面值,且發行商多註冊在監管寬鬆地區,他甚至引用學者觀點,將其比喻為19世紀美國混亂的「野貓銀行」(WildcatBanking)時代之翻版。

** 備註:美國1830~1860年代曾發生「野貓銀行」亂象,直到美國通過國家銀行法(National Bank Act),於1913年成立美國聯邦準備體系(Fed),由Fed獨占貨幣發行權,才解決貨幣體系的亂象 **

穩定幣並不符合貨幣的「單一性」、「彈性」與「完整性」測試。
圖/ 中央銀行

此外,穩定幣採100%準備發行,無法像央行一樣具備調節資金供給的彈性,且在KYC合規上存在漏洞,容易成為洗錢工具。

針對監管趨勢,楊金龍提到歐盟《MiCA法案》與美國《GENIUS法案》皆嚴格規範穩定幣發行商,特別是禁止支付利息,以避免其演變成「影子銀行」,造成銀行存款流失並墊高貸放成本。

至於台灣是否需要發展自己的新台幣穩定幣? 楊金龍的看法相對保留。

他分析,新台幣穩定幣與電子支付在性質上都屬於「PayBefore」(預先儲值),使用者必須先存錢才能消費,這與金融卡的「PayNow」或信用卡的「PayAfter」相比,並無顯著優勢。

加上台灣支付體系已相當完整且低成本,消費端的實際需求有待商榷。

台灣支付體系已相當完整且低成本。
圖/ 中央銀行
他認為,新台幣穩定幣未來的發展空間,將取決於虛擬資產或RWA代幣化的實際應用情況,而非單純的支付替代。

央行將持續與金管會合作,在洗錢防制與投資人保護的前提下,審慎研擬相關法規。

本文授權轉載自《加密城市》

往下滑看下一篇文章
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率

在 AI 快速進入企業營運核心的時代,數據不再只是被動的分析素材,而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據,例如會員資料、交易紀錄以及線上與線下行為數據,但因這些數據分散於不同系統,缺乏統一的身分識別機制以及明確的元數據(Metadata)定義,導致難以整合與分析,同時,也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰,Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務,如 Audience Center 與 AI Agent 等解決方案,並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程,從資料清理到 AI-Ready 再到落地應用,讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化,大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎,以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設?

Vpon 威朋數據科學經理廖宜楷指出,在 AI 驅動的時代,數據的品質決定模型價值。其中四個關鍵分別是:建構標準化的數據採集與處理管線,透過統一的工程規範,確保所有進入系統的數據在格式、維度與質量上具備高度一致性;其次是定義語義清晰的元數據(Metadata)體系,確保數據能夠被 AI 理解與使用,從而產出具備可靠性的產出結果;再來是打破企業內部的「數據孤島」, 透過完整整合線上(Web/App)行為與線下(POS/CRM)會員資訊,建構全方位的會員數據輪廓,精準捕捉消費者的跨通路行為軌跡。最後,數據的價值隨時間遞減,AI 的決策品質取決於數據的「新鮮度」,因此,數據的持續更新與自動化維護,不僅能讓企業在動態市場中保持敏銳,還可進一步深化會員輪廓分析的即時性。

舉例來說,在 Vpon 團隊的協助下,台灣百貨零售龍頭透過整合 Web 與 App 行為資料,並將線上與線下數據集中於數據中台進行分析,將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應,並基於此高效率基礎,進一步開發不同業務主題的預測與分群模型,提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實:Audience Center 如何賦能企業實現「數據即戰力」?

有了堅實的數據底座後,下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出,在變化快速的零售與數位行銷市場中,速度就是競爭力。然而,仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去,當行銷或業務人員需要數據支持時,通常得花費繁複的內部流程申請需求、討論需求,才會進到後續的資料清理、建模與分析,最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程,不僅拖慢了決策效率,更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程,將數據處理轉化為數據服務,透過直覺的介面與背後扎實的數據基礎支撐,讓非技術人員不用編寫程式碼,即可自行組合維度,大幅縮短從需求到執行的距離,將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入,不僅有助於提升效率,更賦予企業快速試錯與精準捕獲趨勢的能力,讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

#1 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學經理 廖宜楷
圖/ 數位時代

以 AI Agent 重塑數據使用方式,讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度,更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示,在數位轉型的過程中,許多企業面臨的挑戰不僅是數據整合,更包括如何讓不同部門的人員都能更即時協作與應用數據,有鑑於此,Vpon 推出四種 AI Agent 協助企業分析與應用數據,極大化第三方數據成效:

第一,以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表,即時掌握市場動態,加速決策下達與決策品質。

第二,透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限,可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三,藉由 Audience Agent 將客戶分群方式從規則導向(Rule-based)轉變為關聯導向,以關聯分析擴大受眾範圍,協助品牌找出更多潛在客群。

第四,推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因,釐清受眾喜歡的素材跟不喜歡的素材,藉此優化廣告投放內容,持續提升轉換率。

陳文謙表示:「透過 AI Agent 的輔助,品牌不僅能更快完成數據分析,也能將分析結果直接轉化為行銷策略與創意建議,降低跨部門溝通成本,讓數據真正參與決策流程。」

#2 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學資深總監 陳文謙
圖/ 數位時代

鏈結數據生態夥伴,以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率,Vpon 也持續拓展數據生態圈,協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示,跨境行銷過去多仰賴經驗與市場直覺,但透過數據整合與 AI 分析,品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明,透過雙方的獨家合作,企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源,深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型,以及不同客群的價格敏感度與回購行為等,將行銷決策從過往的經驗判斷轉變為精準的數據洞察,成為品牌出海的重要工具。

簡言之,對零售品牌而言,跨境數據是理解海外旅客真實樣貌的一大利器,也能進一步優化廣告投放、內容策略與商品布局,讓品牌在拓展國際市場時,可以更有效率地接觸潛在客群,放大行銷效益。

#3 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋產品行銷資深經理 邱心儒
圖/ 數位時代

展望未來,Vpon 將持續擴展數據生態圈並優化產品服務,幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環,希望以數據夥伴的角色與品牌共同成長,打造互利共贏的數據生態。

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
AI全球100+台灣20
© 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