BMW宣佈裁員6,000人，中止與賓士自駕研發合作|數位時代 BusinessNext

歐洲車市慘跌5成，BMW裁員度難關

BMW聲稱他們已與工會達成協議，聲稱將透過裁員、優退、遇缺不補等手段，減少人力成本，應對武漢肺炎對車市帶來的蕭條。BMW在一份聲明中表示，為讓集團能夠應對外部影響及市場波動，他們必須採取進一步的措施。

BMW全球員工總計達12.6萬人，本次裁員6,000人約占其整體員工數的5%。疫情期間BMW許多員工也無法正常工作，仰賴與政府合作推出的短工時計畫度過大封鎖難關。今年5月，BMW透露有3萬名員工利用短工時計畫。

民眾足不出戶的這段期間，全球車市表現低迷，BMW 2020年第一季的財報中，汽車總銷售量下滑約20%，歐洲汽車製造商協會（ACEA）資料也顯示，歐洲5月汽車銷量暴跌52%。

不光BMW在疫情下遭遇重創，福斯集團、寶獅雪鐵龍集團、雷諾集團等汽車界巨頭，5月銷量均重挫50%以上。

中止和賓士的自駕聯盟，BMW稱「現在不是合作時候」

且在裁員之餘，BMW也因此中止與賓士的自動駕駛技術聯盟。BMW宣稱這是場「和平分手」，雙方皆同意將精力專注在既有的開發布局上，且不排除日後恢復合作，兩者在安全性及客戶利益等自駕技術的基本架構上仍然高度相似。

去年7月，兩位汽車業巨頭宣佈了這項合作，計畫將共享開發資源，長久投入自動駕駛技術的研發當中，按照他們所描繪的藍圖，他們原先設想在2024年時，於旗下車款納入此合作誕生的技術。

然而2020上半年爆發的武漢肺炎攪亂了一切，研發自動駕駛技術所費不貲，迫於窘迫的現實狀況，雙方決定暫時擱置這項合作計畫，「經過廣泛的檢視後，我們得出的結論是，考慮到建立自駕平台的成本、當前業務及經濟情況，現在不是合作的時間點。」

雖然從4月開始，BMW等車廠就漸重啟工廠，開始恢復汽車生產，BMW對車市在疫情後的復原相當悲觀，執行長奧利佛．齊普斯（Oliver Zipse）認為，歐美市場需要很長一段時間才能回復到疫情前的水準，雖然中國在疫情趨緩後銷售量迅速反彈，但不覺得歐美能有同樣表現，預測2020年「狀況嚴峻」，2021年則「充滿不確定性」。

揮之不去的疫情陰霾，也迫使其餘車廠裁員保命，法國最大車廠雷諾5月宣佈裁員1.5萬人，重新調整組織架構，日產也正考慮裁員2萬人，為公司瘦身以度過病毒難關。

責任編輯：蕭閔云

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。