美國14歲兄妹用YouTube自學以太坊挖礦！國中生就月入近百萬還開了公司|數位時代 BusinessNext

據美國德州達拉斯新聞（The Dallas Morning News）報導，現居達拉斯Frisco的兄妹倆14歲的Ishaan和9歲的Aanya Thakur，是Spears Elementary的學生，為準備未來大學學費，到了每年的夏天，兄妹倆都會經營一個檸檬水攤，賺取大學基金。

直到二月分的某一晚，改變了兄妹倆的賺錢方式，他們的父親Manish Raj，也是前華爾街投資銀行家，在一個晚上提及了一個關於比特幣價格飆升至50,000美元以上睡前故事，讓兄妹倆萌生起另一新的賺錢點子—— 加密貨幣挖礦。

Ishaan當時表示，雖然我們很想投資它，但我們並沒有錢購買比特幣： 「相反來看，不如我們來買設備挖礦吧。」

不過，該兄妹表示他們發現比特幣挖礦已是一個過度飽和的市場，因此才選擇了以太坊。

YouTube影片學「挖礦」

因為加密礦機帶來的晶片短缺，於是兄妹倆開始訂閱了販賣硬體設備的店家包括Best Buy、Micro Center的硬體供應量更新資訊，每當他們收到傍晚的供應更新信件後，他們便會在隔日一早衝去店面排隊購買；而其他時候，他們也會透過eBay上購買硬體，兩人的父親也會提供兄妹倆貸款幫他們購買這些設備。

Ishaan表示，每次去店面排隊，通常都會有數百個人在排隊，因為大多數的人都希望可以再用更高的價格在網路上轉售。

據達拉斯新聞所敘，其實早在3月開始，兄妹倆便開始透過一台舊遊戲筆記型電腦開始挖礦，在第一個月就賺了1,000美元。

至今，在過去一個月內，挖礦收入已為他們帶來超過32,000美元的收入。

兩人也用自己的收入在4月30日創建了Flifer Technologies公司 ，來購買更多挖礦硬體設備。

Ishaan表示 ：「當時我以為我做不到，因為條件與水平太高，但後來看了Youtube影片還有爸爸與妹妹的協助。」

Ishaan也表示， 加密挖礦就像開採黃金或鑽石一樣，只是你不用鏟子來挖，而是透過電腦挖礦，你不是在礦井裡找金子或鑽石，而是找加密貨幣。

儘管透過YouTube影片示範，但他估計每個礦機仍須花大約10小時來安裝，不過一旦安裝完成，就能成為被動收入來源之一。

據報導，Ishaan一家共擁有14台礦機拿來挖以太幣，以及5台拿來挖烏鴉幣RavenCoin，目前他們還與中國訂了4台內建處理器的礦機。

Ishaan 興奮的說： 「我們想把他變成一件大事！」

Ishaan另提到，因為礦機的熱能與噪音太大，已不適合擺放在車庫裡，所以Ishaan把主要的礦機業務架設到位在達拉斯市中心的數據中心。

目前Ishaan擺在自家車庫裡的大約還有30張顯卡，總價值約90,000美元。

至於大家好奇的電費部分，一般家庭在夏天的電費為500美元，但隨著家裡挖礦的額外電力，價格已增加至850美元，加上數據中心的1650美元電費，上個月光電費成本共花了2,500美元。不過與他們產出的相比，成本其實微不足道。

目標還是籌措大學學費

這兩兄妹的父母仍希望這些挖礦利潤能夠幫助他們支付大學費用，兄妹倆都想當醫生，哥哥Ishaan希望去賓州大學唸書，妹妹Aanya則想前往紐約。

談及加密貨幣的波動性，儘管一堆投資者對其仍保有謹慎態度，但對這兩人組而言，他們說並不擔心以太坊的未來因為市場非常好，指出以太坊至今的市值，已經比同樣總部位在德州歐文的埃克森美孚（Exxon Mobil，NYSE：XOM）還要高，埃克森美孚是美國總市值最大的上市石油公司，市值為2,368億美元。

Ishaan表示，近期正試圖跟上加密貨幣世界的新聞，不過他和妹妹Aanya都沒有告訴身邊朋友我們在做的事。

「大多數人喜歡用電腦玩遊戲，但我想，我更喜歡去建造。」

本文授權轉載自：動區動趨

延伸閱讀：東京著衣如何從峰頂落到負債1.1億地步？周品均指出3大致命錯誤
延伸閱讀：新零售1元出脫東京著衣！2年前改名重新出發，創辦人周品均就預言今日結果？

最新8月號雜誌《區塊鏈上的金融新世界》馬上購：傳送門
「電子雜誌」輕鬆讀：傳送門

責任編輯：傅珮晴、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。