【觀點】熊市陰影下，企業採用比特幣有優勢嗎？為何還有企業敢加碼？|數位時代 BusinessNext

（觀點文章呈現多元意見，不代表《數位時代》的立場）

比特幣自2021年11月的最高價68,789美元後，進入熊市，一路下跌至約16,000美元。在目前的熊市裡，上市企業採用比特幣正確嗎？

其實採用跟投資完全是兩回事，這裡我們談的是「企業採用」，也就是長期大量持有比特幣，併納入企業策略一環的行為。

遇熊市要收手？上市企業多選擇繼續採用

納斯達克上市公司「MicroStrategy」在2020年8、9月間，共計投資38,250枚比特幣（當時現值約為4.2億美元）做為公司儲備資產，標誌了上市公司正式採用比特幣的里程碑，後續有大量上市企業跟進，使企業採用比特幣成為顯學。

而事隔二年的現況是，多數公司在熊市期間仍未見大幅變動。

據 Bitcoin Treasuries 數據顯示，世界前十大上市公司的比特幣持倉部位約為18.8 萬顆比特幣。多數公司自 2022 熊市至今未見大幅度持倉量變動，唯有 Tesla 於2022年 6 月，自 38,880 顆BTC減倉至 9,720 顆，不過仍名列排行榜前三名。

而有一家是例外，Microstrategy在過去一年熊市裡持續加倉，合計增持了近8,000枚比特幣：

企業採用比特幣的優勢與劣勢，分別有哪些？

優勢一：長期抗通膨的工具

由於 MicroStrategy 公司預計比特幣價格會隨著時間的推移而升值，因此相信從長遠來看，比特幣將成為一種有效的通膨對沖工具。

對於這種科技業者，要尋找到一種標的，兼具保值（甚至中長期有升值空間）、流通性佳、得自由處分的替代選項是什麼？

過去是黃金，而現在有另一個選項：比特幣。

優勢二：打造未來產品的策略

美國行動支付公司巨擘Square，由Twitter聯合創始人Jack Dorsey創立，後更名為「Block公司」，將業務大力擴展到比特幣支付領域，同時也是目第五名比特幣持倉的上市公司。

而使用閃電網路交易畢特幣的使用者，數量在2022年度激增，原因之一就是Block旗下的Cash APP支援閃電支付，目前使用者數已經超過 7,000 萬人。

比特幣持倉數量第七名：Coinbase 建立於 2012 年，是美國第一家合法上市的加密貨幣交易所，也是目前三大現貨交易所，由前 Airbnb 工程師 Brian Armstrong 創立。

Coinbase 執行長 CEO Brian Armstrong 就表示，隨著時間的推移，該公司希望增加公司利潤用於購買比特幣的比例，並強調對加密行業進行長期投資的承諾。

劣勢一：連動比特幣的幣價波動

比特幣至今仍然具有著高波動性，縱然未來潛在回報可觀，但市場漲跌起來，大量持有比特幣的公司，其股價也會隨著幣價連動。

雖然整體科技業這一年度的股價都不好看，不過包括買在比特幣高點的美圖秀秀、Block公司，以及持續買入的MicroStrategy，股價都跟著大幅下跌。

實際上，MicroStrategy 公司首次拋售比特幣也發生在今年：

根據美國證券交易委員會（SEC）於2022年12 月 28 日的文件顯示，隨著「稅損收穫（tax-lossharvesting）」交割最後期限的接近，MicroStrategy 已於 2022 年 12 月 22 日以 1,180 萬美元的價格拋售了約 704 枚比特幣。

但當幣價下跌，企業採用比特幣的最大優勢也出現，這個優勢在於稅務。

虧損的稅務優勢何在？

當企業持有的比特幣幣價下跌，而公司售出時，可以認列虧損，這些帳面虧損可以成為所謂「稅損收穫（tax-lossharvesting）」。稅損收穫是指，美國企業出售表現不佳的資產以實現損失，並可能抵消收益的一種策略。

知名區塊鏈會計師鄭翔宇表示，美國國稅局(Internal Revenue Service,IRS)規定一般美國企業資本損失可以前抵(carry back)三年及遞延(carry forward)五年。而Microstrategy為鉅額比特幣之持有者、隨著2022年比特幣價格滑落（第四季報表應認列未實現評價損失、依據美國稅法未實現損失不得列為稅務申報損失）、故Microstrategy年底將部分比特幣先行出售、將未實現評價損失轉列成已實現處分損失(新聞稿列為資本損失capital loss)、用來前抵以前年度資本利得。

也就是，MicroStrategy可以在比特幣幣價下跌時，透過出售資產獲得稅務優勢，也就是可以透過出售虧損的比特幣，來折抵該年度的公司獲利，達到合法節稅的效果。

社群多數不能理解企業採用比特幣這項策略，多數以「投機」、「賭博」稱之，實際上Microstrategy賣幣的背後原因，也顯示企業採用比特幣有多種優劣考量，是一個複雜的策略。

台灣也能嗎？上述優劣勢大體上也適用於台灣，可惜的是目前尚未有任何一家台灣上市企業採用比特幣。

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

責任編輯：錢玉紘

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。