法規與監理 2025年4月

發展亞資中心 爭取台商資金

賴威仁

管會主委彭金隆力推台灣成為亞洲資產管理中心,關鍵來自是否接軌國際監理、簡化商品開發、鎖定境外客群,以資金分流建構穩健金融市場。觀察台灣的高資產客戶眾多,但不見得所有的高資產客戶都喜歡走海外理財路線,例如專注本地的開業名醫、中小企業主,就比較偏好將資產留在台灣,用於投資本地的房地產或股市。相反的,過去在海外經營有成的台商,或是近年來新興的半導體新貴、具高額的海外投資獲利或分紅收入者,就可能比較偏好在境外從事理財,一方面資金不必匯回台灣、曝光所得,另一方面也可獲得節稅的功效。

因此,上述兩類高資產客戶,前者稱作本地高資產客戶、後者稱為境外高資產客戶,兩者相比不難發現各具特色,這兩類客戶不僅在投資標的上的偏好有所差異,甚至在國籍、從事的行業也有很大差異,銀行面對同樣資產規模的大戶時,所提供的高端理財服台灣銀行家2025.4務,也會隨著客戶的屬性而有所調整。

依據金管會訂定的「銀行辦理高資產客戶適用之金融商品及服務管理辦法」,明確定義高資產客戶是得以提供存款、國內外有價證券或短期票券、結構型商品、黃金存摺等可投資資產淨值及保險商品價值達等值新台幣1億元以上之財力證明;或於該銀行之可投資資產淨值達等值3千萬元以上,並提供持有等值1億元以上可投資資產淨值及保險商品價值之財力聲明書者。

本地高資產客戶在台灣深耕已久,所得大多源於本地,必須依照我國所得稅法納稅,所產生的收入大多屬於稅後收入,就可以依照客戶自己的投資偏好投資於本地或境外資產。但事實上,這些本地客戶基於風險考量或是資產管理的便利性,更偏愛新台幣資產,而把資金投資於流動性較差的房屋、土地等不動產上。甚至,依目前銀行業對高資產客戶的定義,少部分的客戶在扣除不動產外的資產,可能就未達到高資產人士的定義,而非銀行要去爭取的高資產客戶。

再者,這些本地高資產客戶由於持有不動產資產的比例較高,若加上年事已高,就更易產生資產傳承的節稅需求,也由於這些客戶的不動產都位於本地,離世前都會產生遺產及贈與稅的規劃需求,這也是本地高資產客戶需求最大的資產管理服務項目之一。所以,只要本地的遺產稅與贈與稅沒有歸零,其資產傳承服務需求就一直存在,國稅局必有稅收,這也是政府對此無法鬆手的主要原因。若更進一步來看,稅收或許只是其次,取消遺產稅與贈與稅可能引發外界對於租稅公平性的質疑,恐怕才是稅務機關拋之不去的意識型態壓力,銀行業實在沒必要硬將本地高資產客戶轉移到境外理財,而要求政府做過多的法令開放。

從資產來源來看,境外高資產客戶對比本地客戶就有很大的不同。這些境外客戶的資產來自於境外營業活動或是投資收入,暫泊於境外。若客戶不是本國籍的自然人或法人,且沒有把資金匯入台灣本地分支機構,政府對於此類資金事實上沒有太多的管轄權,對於此類的資金就應該持更多開放、幫助的角色,因為境外資金雖然沒有入台,但在台灣的境外金融中心從事資產管理操作,這些業務會帶來營業稅收、人才、民生消費等周邊利益,就像是1980年代台灣的加工出口區繁榮本地經濟一樣,這些才是我們發展資產管理中心所要的成果。

所以,台灣發展資產管理中心業務,首要的目標客群一定是外國客戶來台灣的境外理財需求。這樣的客戶所需要的投資標的,不一定是想投資台灣,只是想將資金停泊於台灣,然後用國際主要貨幣做一些穩定的投資產生收益,資產未來也能傳承給他們的後代,這樣就已經滿足它們主要的需求。再者,目前台灣CRS(共同申報及盡職審查準則)已與3個國家執行資訊交換,並與34個國家簽有租稅協議,雖然執行資訊交換的國家並不多,未來交換的國家數一定會持續增加,而客戶的資料有被其他國家交換取得的機會,相對地,兩國彼此間的境外客戶也能增加拿到租稅抵減的可能。

台灣過去建立了很好的境外金融中心制度,幫助了設立境外金融中心(本文所指皆設立於台灣、「境內關外」的虛擬境外金融中心)的金融機構獲得免稅地位,或許目前的銀行、證券、保險三大領域之外,還需要開放更多類型的金融機構在境外金融中心設立,但對於資產管理產業而言,核心還是在於投資產生的報酬是否產生稅賦?在什麼樣的情況下分配報酬會產生稅賦?這些稅賦對於高資產客戶和業者是否具備吸引力?若是上述的問題都能妥善解決,那在境外金融中心發展資產管理,絕對是一個良好的起步點。

既然是境外金融中心的金融產業,那麼接軌國際的金融監理原則應該是可行的作法,甚至可以更寬鬆。對於在境外金融中心營運業者的外幣計價商品、最終標的非投資於台灣的金融商品,除了可以準用美國、歐盟的金融法規進行規範之外,甚至可以考慮更簡單的「負面表列」、「同款規格上架」的作法,意思是只要業者能出示金融商品在其他幾個選定的金融中心上架銷售的合法證明,並聲明其出示文件的真實性與合法地位,即可在境外金融中心對於符合資格的專業法人客戶或高資產客戶以相同規格銷售。政府既然要開放境外金融中心的發展,就應該先尊重業者的自我管理能力,以業者作為主要的監理標的,而非個別產品;同時對於具有口碑、管理能力的國際金融業者給予發展空間。

不過因為過去有太多案例是國人繞道國外,成為了「假外資」來投資國內,這些資金雖然流出國內,但仍伺機而動想要回台「投資」,政府總得防制這些到處流動的資金過度興風作浪,避免損及國內經濟的穩定性。所以,在境外金融中心的監理中,一定要引導資金妥善分流:如果你的資金是在國外,且以外幣計價,那麼政府歡迎你將資金回流到台灣的境外金融中心,從事外幣資產管理;如果你的資金是在國內,或是想把資金從國外兌換為新台幣匯入國內,那麼就必須遵守國內的金融法令規範,由央行管制資金的進出,合理、合法的以新台幣投資國內的金融商品,這樣金融市場才能穩定有秩序地前進。

既然本地和境外高資產客戶的屬性和理財目標都有差異,那麼現階段資產管理中心的目標,似乎不需要把這二類客戶混在一起,全部都吸引到境外資產管理中心理財。境外資產管理中心應該專注在原本已經是境外客戶的這群人,特別是吸引本地民眾所能控制的境外高資產客戶為主,舉例來說,這些客戶可能是本地民眾具有外國籍的小孩,或是本地民眾到海外創業所設立的境外公司,他們雖然分類屬於外國自然人和外國法人,但實際上理財活動仍受到本國民眾所支配,也就是說,這些境外帳戶是本國銀行在國內就可以積極開發,從國外回流到境外資產管理中心從事理財活動的客戶,而不是只有想到把本地高資產客戶吸引到境外資產管理中心理財。

台灣具有深厚的本地產業基礎,許多高資產客戶也在本地經營了良好的事業、投資了許多不動產,銀行對於這些本地高資產客戶,應該專注於在國內分行經營,不需要特別把這些客戶吸引到境外,再轉回台灣當作外資客戶來服務,這樣才能達到境外分行服務境外客戶、本地分行服務本地客戶的「橋歸橋、路歸路」的作法,從而也能避免銀行為了吸引境外客戶回台,要求政府修改一些原本屬於管理全體客戶的法令,甚至大幅影響了稅收,這樣就不是政府積極推動境外資產中心的美意了。(本文作者為台灣金融研訓院金融研究所副研究員)

猜你喜歡

2025年8月

AI的零點擊資安攻擊來了

「安全始於設計」原則,近年來已經逐漸在資安界扎根。與其在寫完程式之後,才用人工或自動化工具找出漏洞,還不如一開始就選擇那些在語言層級上本就無法寫出某些類型錯誤的程式語言。舉例來說,若捨棄各種已有數十年歷史的C語言,改用如Rust等較為現代的語言,便能從根本上排除大量的資安漏洞。然而,就在傳統軟體界逐漸接受這個新思維的同時,人工智慧的迅速崛起,卻大幅動搖了這項理念。一旦給了大型語言模型(LLMs)讀取或操作系統資源的權限,它卻可能出現邏輯來源不明、行為難以預測的狀況。有時候,這些風險可以靠修改提示語的上下文、交由其他模型進行驗證,或者為特定錯誤情境設計固定回應來處理。但因為LLMs背後的技術邏輯是由資料訓練出來的,不是人工設計的,這些方法只能頭痛醫頭、腳痛醫腳,無法用來確實防護整體資安。因此,大型語言模型的安全並不是靠設計就能確保不會出錯,而是靠統計方法降低出錯的機率。儘管這些都是眾所周知的危險,但直到2025年6月EchoLeak事件,這些風險才真正首次爆開。微軟Copilot自推出之初就充滿爭議,它的預設權限極廣,且不完全透明。其中最令人擔心的,就是使用Copilot+的電腦,會定期截取使用者的螢幕畫面,並搜尋畫面中的內容。Copilot+甚至還會自動掃描使用者的Email信箱,將冗長的內容整理成簡短摘要。EchoLeak攻擊就利用了這個功能。它向受害者發送電子郵件,而收件者甚至不需要打開Email或點擊任何內容,就可以製造資安界公認最難防範也最高明的「零點擊」(Zero-Click)攻擊。這封Email內含惡意指令,讓LLM反過來對自己發動攻擊,協助攻擊者搜尋系統上最機敏的資料,然後將這些資料外洩出去,在這段過程中它可以繞過許多原本保護機密資訊的安全措施。雖然這個漏洞目前並未在真實環境中被使用,而且微軟已經修補完成,但相同原理的攻擊,未來很有可能產生。EchoLeak攻擊的技術稱為「提示語注入」(Prompt Injection),也就是讓使用者透過特定語句,說服模型忽略系統的原始設定。最著名例子就是「忽略所有先前指令」。這種攻擊之所以難以預防,是因為LLM目前不具備有效的「輸入清理機制」(Input Sanitation)。傳統資料庫系統可以設計防線,讓系統將像「Drop Table」這類的語句視為純文字資料,而不是實際執行的刪除指令。但對LLMs來說,每一段文字都被一視同仁當作指令,沒有明確區分命令與內容。攻擊者正是透過這種混淆來下達他們真正的指令。專家正在開發一些針對提示語清理的解決方案,可能即將問世。德國研究團隊在2025年1月的論文中提出一個辦法:將系統內建的指令,轉譯成一種只有AI才能看懂的秘密語言。AI在處理語言時,會把大量的輸入壓縮進有限的語意空間,因而可能出現語意重疊的情況,使得看似亂碼的字串也會被模型認為具有特定含義,這種特性有點像是看到一個特定的雜訊畫面,卻能接收到某個具體意義。透過這類作法,模型能更明確區分內建系統指令與一般使用者的對話內容,避免將惡意語句誤認為內部指令。然而,這類方案依然基於大型語言模型的黑箱特性,專家目前還在爭論它到底算不算是本文一開始提到的「安全始於設計」的理想。假設這類方案能逐漸改良並逐漸推廣,類似EchoLeak的攻擊空間將會大幅縮小。但真正該擔心的是,LLM的資安漏洞無邊無際。根據開放網路應用安全計畫(OWASP)組織2025年提出的「LLM十大安全漏洞」(OWASP Top 10 for LLMs),提示語注入僅是最關鍵的一種攻擊方法,但並非唯一。當AI能夠主動幫我們執行的任務數量越來越多,種類越來越廣,「過度代理」(Excessive Agency)這類問題也將日益複雜,成為資安領域的重要挑戰。隨著AI深入各種工作流程,企業對它的管理方式將不再只是資安層面的防禦問題,會更像是新進員工的培訓與信任建立過程。剛導入的AI系統不宜立刻接手敏感任務,但若完全不建立起任何信任關係,企業恐怕也將錯失這場自網際網路以來最具顛覆性的技術革命。(作者為金融研訓院̮外聘研究員;譯者為劉維人)