機器人理財 156.6 億、23.5 萬人：智能理財到底走到哪一步
台灣機器人理財服務 23.5 萬人、資產管理規模 156.6 億元，四年成長 316%。但把它放進 36 兆元的市場，占比不到千分之一。這個落差，正好說明智能理財真正的價值在哪裡。
機器人理財（Robo-Advisor，法規上稱自動化投資顧問服務）在台灣開放於 2017 年 8 月。定義相當嚴格：完全經由網路互動、全無或極少人工服務，提供客戶投資組合建議的顧問服務；演算法是系統核心，業者必須設立內部監管機制，並充分執行認識客戶程序，評估風險承受度、財務狀況與投資經驗。
九年過去，這項服務的成績單是這樣的。
從 37.6 億元到 156.6 億元
2021 年 6 月底，台灣提供機器人理財服務的金融機構共 13 家（6 家銀行、3 家投信、4 家投顧），服務 10.6 萬人，資產管理規模只有 37.6 億元。
到 2025 年底，機構數增加到 16 家（銀行 10 家、投信 2 家、投顧 4 家），客戶數 23.5 萬人、規模 156.6 億元，分別成長 121% 與 316%。
資料來源：金管會統計、工商時報（2026 年 1 月），轉引自 KPMG《2026 臺灣財富管理趨勢報告》
長條為資產管理規模（左軸，新台幣億元），折線為服務客戶數（右軸，人）。
這張圖有一個細節值得注意：規模三年成長 101%，客戶數只成長 34%。也就是說，成長的主要來源不是新客戶湧入，而是既有客戶把更多錢放進來——平均每位客戶的資產從約 4.4 萬元增加到約 6.7 萬元。
平均每位客戶不到 7 萬元。機器人理財目前扮演的是「小額定期投入」的角色，而不是主要資產的管理者。
誰在做，做得怎麼樣
| 業者 | 類型 | 規模 | 服務定位 |
|---|---|---|---|
| 國泰世華銀行 | 銀行 | 29.8 億元 | 智慧資產配置＋多商品整合＋目標導向，連 6 年雙位數成長 |
| 第一銀行 | 銀行 | 24.8 億元 | e-First 智能理財，主打「投資選目標，不用選標的」，近 7 萬名投資人 |
| 華南銀行 | 銀行 | 20.7 億元 | 好基智平台，以 AI 模型與大數據做目標導向與模型推薦 |
| 阿爾發投顧 | 投顧 | 17 億元 | 投顧業首位，長期資產配置與動態再平衡，七大目標式方案 |
| 復華投信 | 投信 | 6.7 億元 | 投信業最高，2017 年推出「強勢通」，在地化量化模型 |
資料來源：金管會統計與業者資訊，轉引自 KPMG《2026 臺灣財富管理趨勢報告》
前三大銀行合計市占率約 48%。規模為報告所引用之最新數字。
銀行的優勢很明顯：客戶已經在裡面、扣款方便、可以與既有的財管服務整合。三家銀行就吃下近半市占。而純網路投顧（如阿爾發）證明了另一件事——即使沒有分行與既有客群，靠清楚的資產配置理念與長期陪伴，也能做到投顧業第一。
為什麼九年還這麼小
2017 年剛開放時，一份調查顯示 20 至 35 歲的千禧世代與 35 至 49 歲的 X 世代，使用數位銀行 App 的比例高達 79% 以上，但使用 AI 智能理財服務的比例不到 5%。今天比例已經提高，但總量仍小。原因大致有四個：
- 台灣散戶的自主性太強。78.4% 的人以股票為主要理財工具，習慣自己下單。把決策交給演算法，違背了多數人的操作直覺。
- ETF 是更直接的替代品。想要低成本被動配置，直接買一檔市值型 ETF 就好，不需要透過機器人理財的顧問費架構。
- 再平衡的價值難以被感受。機器人理財最大的貢獻是紀律——自動再平衡、避免追高殺低。但這種價值要好幾年後才看得出來，短期內看不到「賺得比較多」。
- 行銷資源有限。相較高資產業務與 ETF 的推廣力度，機器人理財在通路上的優先順序明顯偏低。
制度是怎麼一步步鋪起來的
- 1999 – 2000 年電子銀行與線上基金交易開放
1999 年財政部發布服務契約範本全面開放電子銀行業務；同年投信投顧公會發布共同基金線上交易作業準則；2000 年財金資訊公司建置網路付款閘道。
- 2015 年數位化金融環境 3.0 與金融科技辦公室
金管會新增 12 項可線上申辦的金融業務，涵蓋存款、授信、財富管理與信用卡；同年 9 月成立金融科技辦公室。
- 2017 年自動化投資顧問服務正式開放
6 月同意投信投顧公會所報作業要點，8 月開放投顧業者提供 Robo-Advisor 服務，並在一定條件下可由系統自動執行再平衡交易。
- 2024 年納入證券投資顧問事業管理規則
隨著規模擴大與 AI 應用普及，金管會將機器人理財業務納入管理規則規範，提高監理強度以保障投資人權益。
下一階段：從自動配置走向 AI 代理
金管會 2025 年的調查指出，台灣的銀行、證券期貨、保險業者使用 AI 的比率分別為 44%、23%、46%，較 2024 年的 41%、18%、43% 都有提升。有運用 AI 的投信投顧業者表示，生成式 AI 讓研究報告的產出效率明顯改善；研究亦指出生成式 AI 在投資管理的研究觀點生成與決策流程上，可帶來約 8% 的效率提升。
更值得注意的是治理問題。當金融機構開始依賴具備自主決策能力的 AI 代理執行自動化交易與財富管理服務，如何從生命週期角度建立 AI 代理治理機制（KYA，Know Your Agent），確保模型的合規性、可解釋性與風險控管，會成為關鍵。這不是技術問題，而是責任歸屬問題：當演算法做出錯誤配置，誰負責。
另一條線是資產池的擴大。隨著虛擬資產監理法制化推進、VASP 專法研議與開放專業投資人透過複委託投資海外比特幣現貨 ETF，未來智能理財的標的池有機會納入代幣化貨幣市場基金與符合規管的虛擬資產。國際資產管理機構亦曾研究指出，在傳統股六債四組合中撥出 1% 至 5% 配置虛擬資產，可藉其低相關性提升組合的風險調整後報酬。
對個人的判斷
如果你正在考慮要不要用機器人理財，我認為判斷準則很單純：你缺的是選擇能力，還是紀律？
如果你缺的是選擇能力，機器人理財提供的是一組標準化的配置模型，這件事一檔目標日期基金或市值型 ETF 多半也做得到，而且更便宜。如果你缺的是紀律——會追高、會在下跌時停扣、會因為看新聞而調整部位——那麼自動扣款與自動再平衡的價值，可能遠大於它收的那點顧問費。
接下來兩篇，我們談這個系列最後、也最難的兩個題目：財富傳承，以及支撐這一切的亞洲資產管理中心政策。
本文為第三方解讀文章，非 KPMG 安侯建業《2026 臺灣財富管理趨勢報告》 之官方內容。文中數據轉引自該報告及報告所標示的原始出處（金管會、投信投顧公會、信託公會、保發中心、主計總處、證交所等），解讀、判斷與延伸推論由本站作者負責。投資與稅務決策請以主管機關公告、金融機構契約條款及您的專業顧問意見為準。