美媒公布全球50家「最顛覆」新創，兩家中國公司擠進前十|數位時代 BusinessNext

美媒公布全球50家「最顛覆」新創，兩家中國公司擠進前十

美國財經科技媒體《CNBC》公布今年50強「顛覆新創」，從前十名的榜單中可以看到跟去年2018年相比，專注於加密技術的企業大幅減少，取而代之的則是以「共享經濟」為商業模式的平台，而中國的「滴滴出行」則排名第二，強大的破壞力甚至被譽為「中國式Uber」。

三家新創來自中國，滴滴出行、小紅書擠進前十強

這50強裡有三家來自中國的公司，分別是滴滴出行（中國共乘叫車app，第2位）、小紅書（中國網路購物和社交平台，第10位）和依圖科技（中國人臉識別技術的AI企業，第20位）。

《CNBC》形容滴滴為「中國的Uber式顛覆者」，這家共享出行平台從2018年開始上榜，今年的排名上升了兩位。

「小紅書」和「依圖科技」都是新上榜公司，小紅書被稱為「中國的生活方式趨勢app」，目前估值達到30億美元。而依圖科技則因為人臉識別、癌症篩查等AI技術應用而受到關注。

加密潮退燒，共享經濟當道

從前十名單來看，大部分「顛覆者」的商業模式還是離不開共享經濟。

除了我們比較熟悉的「滴滴」和「Airbnb」，排第3位的「The We Company」主營共享辦公空間（之前叫WeWork），第4位的「Grab」是在東南亞擁有極大市場份額的共享叫車平台，第5位的「Rent the Runway」則提供服裝共享租賃服務。

跟2018年不一樣的是：去年的榜單前十名裡，有4家都是共享車平台。而去年上榜公司中還有一股明顯的加密貨幣熱，今年都消失了。

此外，人造肉公司「Impossible Foods」（第27名）、讓數百萬人沉迷《Pokémon GO》的影音遊戲製造商Niantic（第38名）和基因檢測公司「23andMe」（第46名）都有上榜。

從這50家公司整體看來，機器學習成了這股新生顛覆力量的主要技術支撐。

「出生於矽谷」不再是唯一保證

據《CNBC》統計，有36家公司將機器學習列作他們的業務核心技術，另外常被提及還有人工智慧（29）、雲端運算（14）和物聯網（7）等技術。

在這場新的變革中，矽谷不再占有絕對地位了。今年上榜的50家公司中有44家來自美國，其中24家來自加州，少於整體半數，《CNBC》稱，這是自2013年榜單設立以來的第一次。

去年入選「顛覆者50強」榜單的有「Uber」、「Lyft」、「Pinterest」、「Github」和「小米」，今年他們都上市或被收購了，於是就變成了「畢業生」，不再有入選榜單的資格。

《CNBC》預測，2019年「The We Company」、「Airbnb」、健身公司「Peloton」和大數據挖掘公司「Palantir」也都會上市畢業。2020年的榜單又將迎來一批「think different」的新玩家。

本文授權轉載自：愛范兒

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。