區塊鏈加 AI，真實落地在哪裡

醫療、金融、供應鏈。這三個場景，資料都很髒，也很敏感。AI 要吃資料，先得知道資料能不能信。

說真的，這就是區塊鏈和 AI 真正會合的地方。Blockchain 負責留痕，AI 負責判讀。前者管誰動過資料，後者管資料能做什麼。

這篇不談空話。重點是看真實部署。像是審計、存取控管、資料來源追蹤，這些都很土，但很有用。很多專案不是炫技，而是先解決「這筆資料到底能不能拿來做決策」。

為什麼區塊鏈和 AI 會搭在一起

AI 最怕什麼？不是算力不夠。是資料不乾淨，還查不到來源。模型如果吃到錯資料，輸出再漂亮也沒用。

區塊鏈不會神奇地修好所有資料問題。它做的是另一件事。它把事件、權限、更新紀錄，放進比較好查的共享帳本。這對審計很有感。

在企業環境裡，這比行銷文案重要多了。醫院、銀行、物流公司都想知道，誰改了資料，什麼時間改的，有沒有授權。AI 再拿這條紀錄去做異常偵測、預測、流程自動化，才比較像樣。

講白了，真正有價值的地方通常是四個：資料完整性、同意管理、自動化流程、資安監控。這些拼起來，才有機會在不放棄控制權的情況下用敏感資料。

• 不可竄改紀錄，讓事件歷史可追查。
• 權限控管，讓資料只給該看的人看。
• AI 可以掃同一條事件軌跡，抓詐欺和異常。
• Smart contract 能少掉一堆人工核對步驟。

這套東西也有合規價值。像 GDPR 和 HIPAA 這類框架，重點本來就是誰能碰資料、碰了什麼、為什麼碰。區塊鏈式審計軌跡，剛好能補這一塊。

醫療：資料可信度最重要的地方

醫療是最好懂的例子。因為資料敏感、來源分散，而且一直在不同單位之間流動。診所、醫院、實驗室、保險端，全都會碰到同一份病歷或檢查結果。

常見做法是把雜湊值、引用和權限規則放上鏈，原始大檔案留在鏈下。這樣不會把 X 光片或病歷直接塞進鏈上，但還是保留可驗證的足跡。AI 就能拿這些驗證過的資料做分診、風險評分、族群健康分析。

另一個重點是病患同意。很多人以為同意書是紙本文件。其實在系統裡，它應該是可執行的規則。區塊鏈可以記錄每次存取嘗試，AI 再去找怪異存取模式，像是內鬼行為或帳號被盜。

“The future of healthcare is not about replacing doctors with machines, but about using data and AI to augment human judgment.” — Dr. Eric Topol, Deep Medicine

這句話很對味。醫療不是要把病歷公開到全世界。是要讓可驗證資料能被使用，同時保留同意、來源和責任歸屬。

像 Akiri 和 Medicalchain 這類公司，都在碰安全資料交換或病患控制病歷這條路。做法不同，但邏輯很一致：先讓資料可信，再讓 AI 上場。

• 區塊鏈式 EHR 能降低病歷被亂改的風險。
• 同意紀錄能清楚顯示誰看了資料。
• AI 可用長期病歷做更細的臨床分析。
• 試驗紀錄能保留時間戳，方便追 protocol 變更。

臨床試驗也很適合這套架構。Consent、protocol 更新、結果紀錄，都需要可追溯。AI 則能分析驗證過的試驗資料，找安全訊號和退出風險。藥品供應鏈也是同理，假藥和漏交接，本質上都是追蹤問題。

金融：共享紀錄，檢查更快

金融業用這套東西，原因很直接。大家都在對同一批事實做核對，太浪費時間了。銀行、保險、支付業者都需要共享歷史，AI 則負責把異常抓得更快。

詐欺偵測最直觀。傳統系統常只看到部分交易片段，異常偵測就很吵。共享帳本給 AI 更完整的交易軌跡，怪行為就比較好比對。

保險理賠也一樣。Smart contract 可以先做資格檢查、預授權判斷、付款觸發。AI 再去分類理賠件，預測哪些要人工介入。流程會順很多，但不是完全沒人管。

還有一個熱門方向，是可程式化穩定幣。它能縮短跨境付款時間，也能加上政策控制。AI 則能幫忙做制裁名單檢查、風險評分、交易監控，讓合規團隊少被誤報淹死。

• 區塊鏈提供共享交易軌跡，審計價值高。
• AI 會讀上下文，詐欺監控更準。
• Smart contract 可減少理賠和清算的人工作業。
• 可程式化支付，可搭 AI 合規檢查。

不過金融業很少想要公開鏈。多數正式系統都走 permissioned network。這樣每個參與方只能看自己該看的資料。說白了，銀行不會想把帳本做成公開廣播。

供應鏈：最適合驗證來源

供應鏈是最能看出區塊鏈價值的場景。每次交接都重要，每次掃描都重要，每次延誤也重要。AI 要做預測，前提就是事件資料不能亂。

藥品追蹤是最典型的例子。從製造商到通路商，再到醫療端，產品流向和保管權變更都能記錄。AI 再去找路線異常、重複掃描、時間不合理這些訊號，抓假貨或轉流。

醫療物流也很常見。缺貨可能來自需求暴增、製造卡住、運輸塞車。AI 可以用歷史消耗和交貨表現來預測風險，但區塊鏈先把營運事件記得更完整，模型才有料可吃。

• 追溯性變好，召回和真偽檢查更快。
• AI 能抓路線偏移和怪異掃描模式。
• 共享紀錄讓採購更早看見缺貨風險。
• 不可竄改事件軌跡，讓供應商爭議更好查。

如果你在做這類系統，重點很簡單。事件軌跡爛，模型就爛。來源資料變乾淨，不代表預測一定神準，但至少 AI 有機會做出像樣結果。

競品怎麼看，差異在哪裡

很多人會問，這到底跟一般資料庫差在哪。差別在於信任模型。傳統資料庫適合單一組織內部管理，速度快，也好維護。

但一旦牽涉多方協作，問題就來了。你要怎麼證明誰改過資料？怎麼證明對方沒偷換欄位？這時候區塊鏈的共享紀錄就有用。它不是拿來取代資料庫，而是拿來補審計和跨組織協作。

跟純 AI 平台比，區塊鏈方案也不是在比模型分數。它比的是資料可追溯性。沒有 provenance 的模型，出事時很難查責任。這對醫療和金融尤其麻煩。

• 傳統資料庫：速度快，但跨組織審計弱。
• 純 AI 平台：模型強，但資料來源常不透明。
• 區塊鏈加 AI：審計強，但整合成本較高。
• permissioned network：比公鏈更適合企業流程。

如果看實際產品，IBM Blockchain、Hyperledger 這類企業方案，通常都強調權限、審計和整合。這很合理。真正上線的系統，沒人在乎白皮書多漂亮，大家只在乎能不能接舊系統。

背景補充：這波熱潮怎麼來的

區塊鏈和 AI 會一起被討論，不是最近才有。早期大家愛談去中心化，後來才發現，企業要的是可控、可查、可合規。這就把焦點拉回資料治理。

另一個背景是生成式 AI 爆紅後，大家更在意資料來源。模型幻覺不是新問題，但現在每個團隊都想知道，這份資料能不能拿來訓練，能不能拿來推論，出錯時誰負責。這些問題都很務實。

所以現在很多專案走的是混合式架構。大檔案放鏈下，摘要和權限放鏈上。AI 讀驗證過的事件流，做風險預測、異常偵測、流程建議。這種設計比較像工程，不像宣傳稿。

我覺得這也是台灣開發團隊可以切入的地方。台灣強在製造、醫療資訊、金融系統整合。這些場景都很吃資料治理。只要痛點夠明確，區塊鏈加 AI 就不是空談。

結尾：先問一個很實際的問題

如果你要做這類系統，先別問要不要上鏈。先問：哪一段資料最需要可追溯？哪一段決策最需要 AI 幫忙？

我的判斷很直接。接下來最容易落地的會是醫療影像審核、理賠自動化、供應鏈追蹤這三塊。因為它們都有清楚的事件流，也有明確的審計需求。先把資料證明做乾淨，AI 才有機會真的好用。