圖解|亞洲銀行業成長快全球3倍!麥肯錫2025報告:台灣金控靠AI代理,可增4%獲利潛力
圖解|亞洲銀行業成長快全球3倍!麥肯錫2025報告:台灣金控靠AI代理,可增4%獲利潛力

重點一: 台灣銀行業若能大規模採用 AI 代理並重塑核心流程,長期有望提升股東權益報酬率達 4 個百分點。
重點二: 全球銀行獲利創歷史新高但估值持續低迷,「精準化」策略與技術投資將成為下一輪成長的勝負關鍵。
重點三: AI代理將顛覆傳統客戶存款與借貸慣性,若銀行未及時應變,全球利潤池恐面臨 1700 億美元缺口。

麥肯錫公司(McKinsey & Company)近期發布《2025全球銀行業年度報告》,全球銀行業在 2024 年創造了約 1.2 兆美元的淨收入紀錄,位居所有產業之冠,且金融資產總額增至 427 兆美元,但資本市場的估值仍較其他產業平均水準折價近 67%。

投資人對利潤持續性的疑慮,使得產業急需從規模擴張轉向「精準化」策略。值得注意的是,亞太地區(不含中國)在 2023-24 年間的成長速度達 13%,是全球平均水準(4%)的 3 倍, 預計至 2030 年將貢獻全球銀行業營收增長的五成。台灣銀行業則憑藉穩健的基本面,在亞洲地區展現穩定的獲利能力與 ROA (資產報酬率) 的提升 。

#0 麥肯錫報告
圖/ 麥肯錫

AI 代理現身,銀行必須警惕哪些風險?

AI方面,報告指出,台灣銀行業若能成功擴大對 AI的採用,特別是將 AI代理(Agentic AI)嵌入核心業務與運營流程,長期有機會提高 ROE (股東權益報酬率) 達 4 個百分點,將顯著拉大行業領先者與後進者的績效差距。

在整體成長趨緩與利潤縮小的挑戰下,大規模應用 AI 已成為提升生產力的主要手段。麥肯錫台北分公司金融機構諮詢業務負責人鐘惠馨 (Violet Chung) 表示,能專注部署 AI 的銀行將脫穎而出;資深顧問管國霖 (Victor Kuan) 則強調,未來真正的區別在於執行力,各機構必須以重塑工作流程的方式部署技術,而非僅是添置新工具。

#2 麥肯錫報告
圖/ 麥肯錫

另一方面,AI代理技術的誕生,也讓銀行業出現典範移轉。雖然大規模部署預計可降低 15% 至 20% 的營運成本,但競爭壓力可能迫使銀行將大部分收益讓渡給客戶。

更深遠的威脅,來自於客戶行為的改變: 當AI代理成為個人財務助手,能自動調度資金至高利率產品或優化信用卡債務時,傳統銀行高度依賴的「客戶慣性」恐將消失。

麥肯錫表示,若銀行未及時調整商業模式,未來十年全球銀行利潤池恐縮減 1700 億美元。摩根大通(JPMorgan Chase)等領先機構已加速投資,目標在 3 至 5 年內建立 AI 原生商業模式。先發者有機會藉由生產力紅利將 ROTE (有形股東權益報酬率) 提升最多 4 個百分點,而行動遲緩者則可能面臨市場佔有率流失與獲利能力長期下滑的風險 。

#1 麥肯錫報告
圖/ 麥肯錫

而在新消費者戰場方面,麥肯錫建議,要在數位化環境中取得成功,銀行必須「不惜代價」進入消費者的最初考慮範圍(Initial Consideration Set),因為比價工具與 AI 的普及,現代消費者的忠誠度已大幅削弱。

銀行必須轉型為「行動端統籌者」,採用行動端優先(Mobile First)策略,將行動設備定位為客戶互動的首要入口,並確保當客戶需要高情感、高複雜度的服務時,能無縫連接分行或聯絡中心。並積極將 AI 融入極致的個人化體驗中,同時建立強而有力的數據安全與隱私保護措施,以穩固消費者的心智份額。

麥肯錫報告
圖/ 麥肯錫

為何多數企業尚未從 AI 投資中獲利?

另一份《2025 年 AI 應用現狀》報告指出,企業對AI技術抱持高度熱忱,但將技術轉化為財務表現的過程仍面臨嚴峻挑戰。

調查顯示,雖然 64% 的受訪者肯定 AI 能顯著促進創新,但僅有 39% 的組織表示 AI 對其 EBIT (息稅前利潤) 產生了可量化的正面影響。

研究分析指出,績效優異的公司組織通常具備一項共通特質:他們不僅是添加工具,而是選擇「重新設計端到端的工作流程」。在高成效的組織中,有一半正打算利用 AI 推動業務轉型,並重構整體的作業邏輯,而非僅停留在局部效率的優化。

另外,調查指也出,目前全球企業正從單點實驗邁向規模化採用,62% 的受訪者表示其組織至少已在嘗試使用 AI代理,顯示出市場對自主化技術的極高好奇心。

然而,現實面卻顯得相對遲緩: 將近三分之二的受訪者坦言,他們的組織尚未在整個企業範圍內推廣 AI,仍處於「點狀試點」或試驗階段

雖然 80% 的組織將「提升效率」視為首要目標,但數據顯示,那些將 AI 應用於成長與創新的企業,往往能獲取最大的經濟效益。此外,對於就業市場的影響,32% 的受訪者預期 AI 將導致其組織整體員工人數減少,而 43% 則預期人數將維持不變。

台灣轉型五大趨勢!應聚焦「精準制勝」

麥肯錫預估,AI 的全面落地可能大幅衝擊傳統獲利池,若不採取應對措施,2030 年全球價值池可能縮減 1,700 億美元 其中信用卡貸款(-34%)與個人存款(-27%)因 AI 代理打破「客戶慣性」而受創最深。

針對台灣市場,報告指出五大結構性趨勢: 金控整併加速推動競爭格形成、從數位化轉向智慧化、全球化佈局與跨境能力強化、財富管理服務升級,以及監管與新興風險防控的全面提升

為了因應變局,業者應聚焦「精準制勝」,將目光關注在 AI 驅動流程重塑、綜合金融生態構建、資本配置效率優化,以及能力補強導向的精準收購。

延伸閱讀:行銷人注意!如何讓 Chatbot 變超強業務?6步驟教你打造一個超懂銷售的AI Agent
微軟也曾重傷!2025品牌最重要思考:當AI、假帳號與演算法瘋狂燃燒「數位野火」,該怎麼辦?

責任編輯:蘇柔瑋

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