一週金融科技新聞 - 172 #開放銀行 #電子支付 #穩定幣 #LLM
2023.07.16 - 07.23
#MarkWeeklyDigest #開放銀行 #一百七十二
在過去的一週中，有幾個重要的事件和新聞引起了大的注意，其中涉及台灣的開放銀行進展，國科會針對公部門使用生成式AI的新指引，以及國際貨幣基金組織對於數位資產監管政策的觀點。
首先是金管會近日宣布開放銀行第三階段將即將上路的消息。雖然開放銀行在台灣的發展已有一段時間，但實質上並未產生太多的應用場景。現階段的重要問題是，除非銀行願意積極參與，否則第三階段可能也只是象徵性的合作。
對此，Line Bank的總經理表示已在開放銀行第三階段時程公布前規劃了新的平台策略。他們將利用現有的API平台串聯多項金融服務，並希望通過開放銀行第三階段的推動，來增強自家平台的效用。對於純網銀業者來說，積極參與開放銀行是吸引新客戶的有效手段。
此外，台新銀行和國泰世華銀行也分別發表了對開放銀行第三階段的看法。台新銀行強調他們更重視合作的第三方服務業者（TSP）的規模及資訊安全能力。國泰世華銀則對第三階段開放表達了樂觀的態度，認為這將有助於業者切入場景並獲客。
其次，國科會最近公布了公部門使用生成式AI的指引草案，該草案主要規定：業務承辦人需對AI產出的資訊進行最終判斷，不得取代其自主思維；禁止使用生成式AI製作機密文書或處理涉及機密的資訊；並且不能完全依賴AI產出的資訊作為行政行為或公務決策的唯一依據。
最後，來自國際貨幣基金組織（IMF）的一份報告對數位資產的監管政策提出了新的觀點。IMF強調了建立全面的數位資產監管政策的必要性，並提醒各國政府注意穩定幣有可能替代主權貨幣。該組織對加密貨幣保持謹慎的監管態度，並提出了一系列的政策建議，包括防止主權貨幣被取代、保護國家主權、解決加密貨幣相關資產流動造成的波動，以及對數位資產實行明確的稅收政策。
其他相關重要的新聞內容，可以繼續往下閱讀，大家有什麼想法或意見，也可以告訴馬克。
開放銀行第三階段即將上路，金管會審慎檢討資安規範
#開放銀行
【1】金管會宣布，已收到銀行公會和財金公司關於開放銀行第三階段的相關規範，預計今年底完成核備並開放業者申請，最快明年初就能開放服務上線。第三階段的開放將涉及客戶資金移轉，因此金管會將審慎檢討相關規範。財金公司規畫的資安技術標準將配合開放時程，並將提供消費者存款、貸款、信用卡、支付、手機門號轉帳等五大類服務，共35項服務內容。
第三階段上路後，消費者將能在第三方服務提供者（TSP）的App，透過相關身分認證及授權同意程序進行交易與支付。這與第二階段的差異在於，現今消費者僅能在TSP的App上查詢銀行存款帳戶餘額、交易明細等資訊。由於第三階段開放項目涉及客戶資金移轉，個資保護更為重要，未來若發生資安事件，對客戶權益影響更勝於前兩階段。
-
悠遊卡與HAPPY GO聯手，打造全台最大消費生態圈
#電子支付
【2】悠遊卡公司與HAPPY GO攜手展開策略合作，將利用HAPPY GO會員點數與悠遊付的行動支付，串聯全台交通場域及各大消費通路，形成消費生態圈。當民眾註冊悠遊付會員後，可以在遠東集團所有合作的零售體系裡，透過悠遊付的消費來累積點數，甚至有機會用記名悠遊卡購買熱門的「定期票」來獲取點數。此次合作的亮點在於打通「交通場域、消費通路」兩大生態系，強化會員黏著度。
首波行銷合作瞄準交通領域的串聯，HAPPY GO會員可以註冊成為悠遊付新會員、賺取HAPPY GO點數，悠遊付也會加碼提供現金回饋券。此外，悠遊卡公司表示，透過雙方會員系統的串接，除商務上的合作之外，還可以實踐ESG永續合作，例如，透過搭乘公共交通工具，計算出個人的減碳紀錄。
-
國泰金控聯手韓泰銀行成功實現穩定幣匯款試點
#穩定幣
【3】國泰金控與韓國新韓銀行、暹羅商業銀行科技創新業務部門 SCB TechX 在企業級分散式帳本平台 Hedera Network 上成功完成穩定幣匯款概念驗證（PoC）試點。該試點實現了泰銖、新台幣、韓元間的即時結算和即時外匯匯率整合，且與 EVM 兼容，意味著任何基於 EVM 的穩定幣發行商都可使用該框架。此次合作的成功，將推動實現更快速、成本效益更高的跨境支付。
Hedera Network 是去中心化經濟中被使用最多、最可持續的企業級公共分散式帳本，該網路由全球頂尖組織管理，包括 Avery Dennison 、波音、Chainlink Labs、星展銀行、Dentons、德國電信等。新韓銀行是韓國領先的商業銀行，擁有 664.4 兆韓元資產，而 SCB TechX 則是一家數位原生、產業領先、平台即服務的企業，為東南亞各地的商業機構和消費者提供創新的銀行服務。
-
Meta與微軟合作推出開源語言模型Llama 2
#LLM
【4】Meta宣布開源大型語言模型Llama 2，並與微軟合作，使用戶能在Azure和Windows上部署該模型，降低企業開發AI應用的成本與障礙。Llama 2模型有70億、130億和700億參數三個版本，用於訓練的資料量比前一代模型LLaMA 1多40%，且上下文長度是LLaMA 1的兩倍，有助於模型理解和生成更長的文字序列。此外，Llama 2-Chat模型運用人類回饋增強學習，對話應用最佳化，其可用性已經和ChatGPT相當。
然而，儘管Meta稱Llama 2為開源模型，並可供研究與商業使用，但Llama 2使用一個由Meta自創名為Llama 2的授權，並非典型的開源授權。該授權除了限制Llama 2的輸出不可用於改進其他大型語言模型之外，還附帶了特殊的商業用途條款，當公司的產品和服務超過7億活躍使用者，就必須向Meta申請授權。