0050 分割案通過！調降費用又啟動分割，為的是什麼？|經理人

國內最大規模 ETF 元大台灣 50（0050）年前宣布調降經理費、保管費之後，2 月 17 日又宣布計畫分割。分割案於 4 月 24 日以贊成率 94.2% 通過，預計採 4 倍分割，並於 6 月 11 日至 17 日暫停交易，6 月 18 日恢復正常。

0050 執行分割預計時程

日期	作業項目
5/14	公告分割比率與日程
5/21	停止有價證券借貸
6/5	停止融券賣出 / 信用交易最後回補日、借券強制還券日
6/6	暫停當沖先賣後買日
6/10	最後交易日
6/11	停止申購、交易日
6/13	停止過戶日
6/17	公告分割價格及單位數
6/18	恢復申購、交易、借券、過戶日
6/27	寄發分割結果通知書（預計於 1～2 日內送達）

資料來源：元大投信

0050 為什麼要分割？一旦分割，對於投資人會有什麼影響？對同樣追蹤「台灣 50 指數」的 ETF 富邦台 50（006208）的影響又是什麼？

股票分割意義：淨值降低、總資產不變

股票分割，即是將 1 股拆分成多股，分割後的股票淨值降低，但總資產價值不變。根據投信投顧公會「指數股票型基金證券投資信託契約範本」規定，ETF 的分割倍數應為整數，且分割後每受益權單位淨資產價值，應大於或等於初次發行價格。

0050 初次發行價格為 36.98 元，元大投信初步規畫以 5 倍進行分割，即「1 拆 5」，但實際執行的分割倍數，會以 4 月 24 日召開受益人會議當天淨值為基準。若當天淨值介於 147.92 至 184.89 元間，分割倍數為 4 倍；若淨值介於 184.90 至 221.87 元間，分割倍數為 5 倍，以此類推。

0050 為何要分割？搶占市場、提升整體交易量

假設 0050 以 5 倍進行分割，以持有一張單位淨值為 200 元的 0050 為例，分割前總資產價值為 20 萬。分割後，持有張數將變成 5 張，單位淨值變成 40 元。對既有投資人來說，總資產不變，但對潛在投資人來說，則是可以用更低的價格買到一張 0050；定期定額族群也能受惠。

然而，現在投資人已能透過零股交易達到小額投資效果，0050 為何還要分割？

臺北大學金融與合作經營學系副教授駱建陵指出，許多投資人心裡還是偏好買整張，且整股與零股的報價系統不同，多數投資人還是會以整股交易為主，因此元大投信可能希望透過分割 0050 來提升整體交易量。

另一方面，相較於 0050，006208 的優勢一直都是費用較低、價格較低，投資人容易選擇 006208。駱建陵分析，元大投信先是調降費用，再透過分割壓低每股價格，看起來更像是針對市場競爭而做出的調整。

0050 分割後，投資人該選 0050，還是 006208？

0050 目前規模為 4626.95 億元，經理費率 0.11%、保管費率 0.03%，若以 0050 股價 197 元的價格計算並以 5 倍進行分割，分割後股價不到 40 元，等於一張不到 4 萬元就能入手。

反觀同類型的競爭對手 006208 ，目前規模為 2071.49 億元，股價 115 元，經理費率0.15%、管理費率 0.035%。從股價來看，0050 分割後的投資門檻較低；從內扣費用來看，0050 的費率也較低，能創造更多獲利機會。綜合評估所有面向，投資人可能因為上述考量而選擇 0050。

至於本來就持有 006208 的投資人，是否該趁這次分割換到 0050？由於買賣會產生交易成本，因此投資人可選擇續抱 006208，並等分割後再入手 0050。

然而，富邦投信近期也表示，他們不排除進行分割或降低經管費，具體方案還在研議中，待與主管機關溝通後，才會做出決議。因此 0050 的投資門檻是否相對較低，可能還存在著變數。

核稿編輯：林庭安

隨著生成式 AI 快速發展，AI 的角色正從回答問題、生成內容，進一步走向執行工作、參與決策，這也讓「自主型企業（Autonomous Enterprise）」成為企業數位轉型的新願景。在這樣的企業中，AI 不再只是被動等待人下指令的工具，而是可以在授權範圍內自主做出決策、執行任務，且會持續學習與優化的數位員工，而人則肩負起監督與審核的責任，確保 AI Agent 的決策與行動符合企業目標及治理要求。

然而，要實現自主型企業的願景，除了依靠強大的 AI 模型外，企業還需要掌握兩個關鍵：一是釐清自身希望透過 AI 解決哪些業務問題、達成什麼目標；二是讓 AI 真正理解企業的業務脈絡。這兩個關鍵，不僅決定 AI 能否從概念驗證（PoC）走向實際營運，更是企業朝自主型企業邁進的重要基礎。

邁向自主型企業，企業必須掌握的兩大關鍵

Teradata 首席營收長 Richard Petley 指出，企業在定義 AI 導入目標時，不能只著眼於技術是否可行，更應該從實際業務需求出發，設定明確且可衡量的成果與投資報酬。

舉例來說，金融業可能希望提高詐欺偵測率、降低風險；零售業則想要藉由個人化推薦提升轉換率與顧客體驗；製造業也許會將縮短生產週期、提升供應鏈效率列為目標。雖然不同產業對 AI 的期待各有不同，但共同點都是希望解決具體的業務問題，而不只是驗證 AI 能做到什麼。

第二個關鍵則是讓 AI 理解企業的業務脈絡。即使企業已經將所有資料集中在同一個平台，也不代表 AI 就能理解這些資料。例如，AI 可能知道某位客戶的交易金額下降，卻不知道背後究竟是受到合約條件改變、採購週期等哪一項因素影響。

換句話說，若 AI 不清楚數據背後的意義，以及企業實際的業務流程與決策依據，即便數據量再多、模型能力再強，仍難以做出適當判斷。因為真正影響企業決策的資訊，往往不只存在於數據本身，也可能藏在不同部門的作業流程、內部文件，甚至資深員工長年累積的經驗之中。

因此，企業不只要整合散落在不同系統、資料庫與文件中的數據，還必須建立資料之間的關聯，讓 AI 不只看得懂數據，更能理解數據背後的業務意義與決策邏輯。如此一來，AI 才不會像一名對公司業務一無所知的新進員工，而是能夠根據企業的實際情境做出適當判斷、執行任務。

Teradata 兩大解決方案，打造由知識與脈絡驅動的 AI

Teradata 首席產品長 Sumeet Arora 認為，邁向自主型企業是一段漸進式的轉型歷程，若能讓 AI 充分理解業務脈絡，就有機會加快轉型腳步。為此，Teradata 推出 Tera Context Engine 與 Tera Harness 兩項解決方案，協助企業打造由知識與脈絡驅動的 AI 應用，讓 AI 不只理解企業的業務邏輯，更能將這些理解運用在實際任務中。

舉例來說，歐洲某醫療研究機構運用 Teradata 解決方案及自家資料庫，開發出一套僅有 200 萬個參數的輕量化 AI 模型，可預測不同病患族群未來 10 年內的疾病發生情況，提供相關單位及早做好醫療需求與資源規劃。美國某大型醫院透過 Teradata 平台整合病患數據，進而開發出可直接在資料庫內執行的病患風險分層模型，可從病患特徵去辨識其風險程度與照護需求，讓醫師據此規劃更精準的照護計畫。

擎昊
Teradata 首席產品長 Sumeet Arora 表示，Teradata 推出 Tera Context Engine 與 Tera Harness 兩項解決方案，協助企業打造由知識與脈絡驅動的 AI 應用。

經理人

首先，Tera Context Engine 扮演的是企業知識整合與轉譯者。它能整合企業分散在四處的數據與內容，並納入內部專家長年累積的經驗，在符合數據治理規範的前提下，轉化為 AI 能夠理解與運用的企業智慧。換句話說，Context Engine 的價值不只是提供更多資料，而是讓 AI 理解資料背後的商業意涵，以及如何運用在實際情境中。

有了業務脈絡，下一步就是讓 AI 真正採取行動，這正是Tera Harness 所扮演的角色。它會結合 Context Engine 提供的知識與脈絡、企業設定的目標，如：提升客戶滿意度，讓 AI 去執行對應任務，並依據結果持續調整行動策略。而在涉及重要決策或較高風險的應用情境中，Harness 也能導入人機協作機制，由人介入決策、提供回饋，降低 AI 自主決策可能帶來的風險。

然而，當 AI 開始自主執行更多任務，企業也面臨另一項挑戰：如何在擴大 AI 應用的同時，兼顧主權 AI 與資安需求？對此，Sumeet Arora 指出，Tera Harness 支援地端、雲端及混合部署等不同 IT 架構，能夠配合資料所在位置去執行任務，企業可依據自身的治理與法遵要求彈性部署，將重要知識與商業機密留在內部可控的環境中。

此外，當 AI 開始承擔更複雜、執行時間更長的任務，如何避免因意外而導致任務中斷，也是企業相當關注的課題。為此，Teradata 在 Harness 中導入檢查點與記錄機制，倘若 AI 因意外而中斷正在執行的任務，Tera Harness 會從最近一次的檢查點接續執行，不必從頭再來，減少不必要的時間與成本浪費。同時，Harness 也具備高併發處理能力，可同時處理多個 AI 任務，提升 AI 參與日常營運的穩定性與可靠性。

從資料倉儲走向 AI 知識平台，Teradata 3.0 攜手擎昊加速企業轉型

Tera Context Engine 與 Tera Harness 的推出，不只協助企業加速 AI 應用落地，也反映 Teradata 對自身定位的轉變，正從傳統資料倉儲供應商，轉型為企業 AI 知識與 AI 執行能力的供應商，協助企業將分散的資料轉化為 AI 可理解的脈絡資訊，進而驅動智慧決策與自動化執行。

Richard Petley 進一步說明，Teradata 的發展可分為三個階段，在最初的 Teradata 1.0 時期，以軟硬體整合的資料倉儲設備為主，到 2.0 則轉向支援地端與雲端部署的現代化軟體，如今進入 3.0 階段，客戶不一定要採購整套資料倉儲解決方案，也能依需求導入 Context Engine 或 Harness。這樣的轉變，顯示 Teradata 正以更開放、彈性的合作模式，讓企業能夠在既有技術架構上導入所需的 AI 能力，而不必全面汰換原有系統。

擎昊
Teradata 攜手台灣代理商擎昊科技，結合原廠 AI 技術與在地系統整合經驗，協助企業加速 AI 應用落地，邁向自主型企業。圖中由左至右，依序為 Teradata 首席產品長 Sumeet Arora、擎昊科技總經理劉宗坤及Teradata 首席營收長 Richard Petley。

經理人

然而，再先進的技術架構，仍需要在地專業夥伴協助落地。而擎昊科技作為 Teradata 台灣代理商，不僅與原廠保持密切互動，更擁有深厚的技術實力，及豐富的企業級系統規劃、建置與整合經驗，協助企業打造穩定可靠的 IT 環境，讓 AI 應用能夠順利導入並持續運作。此次 Teradata 兩位高階管理者 Richard Petley 與 Sumeet Arora 來台，除了與企業客戶交流 AI 發展與應用需求，也攜手擎昊科技深化在地合作，共同拓展台灣市場。

面對缺工、高齡化與市場競爭加劇等挑戰，如何運用 AI 提升營運效率並強化決策能力，已是企業的當務之急，這也讓自主型企業成為未來必然的發展方向。在這條智慧轉型的路上，Teradata 將持續攜手擎昊科技，融合 AI 技術、企業知識與系統整合能力，協助企業加速 AI 應用落地，朝自主決策與智慧營運的新階段邁進。