矽谷銀行48小時崩潰實錄：史上首次由推特引發的銀行擠兌，是怎麼發生的？|數位時代 BusinessNext

3月10日美國矽谷銀行（Silicon Valley Bank ,SVB）倒閉的消息震撼金融圈和科技業。部分媒體人認為，造成矽谷銀行倒閉的原因之一，正是因為儲戶們在社群媒體、電子郵件等平台上的訊息交流，使得大批投資人因為恐慌及從眾心理而一窩蜂地去提領存款，最終導致矽谷銀行的擠兌現象，並連帶影響整個銀行業。

沒有社群媒體，就不會發生擠兌現象？歷史上首次由推特引發的銀行擠兌案

「如果沒有社群媒體，矽谷銀行的擠兌現象很有可能不會發生。」美國知名商業新聞網站Business Insider的科技記者卡莉（Kali Hays）這樣認為。

矽谷銀行的倒閉之所以與眾不同，在於它發生的速度如此迅速且毫無預警。3月8日以前，矽谷銀行還是一家總資產約2,000億美元、信用評等處與良好「A等級」的大型銀行；然而， 短短兩天，就引發股價大幅跳水、儲戶紛紛提領現金等現象 ，最終只能黯然宣布倒閉。

除了內部資金鏈出現問題、美國聯準會大幅升息及全球經濟環境不景氣等背景因素影響，不少專家表示，過於發達的社群媒體使得資訊流通極為迅速，用戶們在各平台上大肆討論，恐慌情緒不斷蔓延，使得擠兌現象越發劇烈。

這股焦慮情緒主要經由推特發散，上周四「SVB」這個關鍵字在推特被轉發了約20萬次，眾多科技新創執行長和風險投資人在推文中提到，他們即將從矽谷銀行撤資，並呼籲客戶們盡早做好準備，以確保自身資金的安全。

截至上周五為止，儲戶們共計撤出約420億美元。美國聯邦眾議院金融服務委員會主席派翠克·麥克亨利（Patrick McHenry）形容這是歷史上首次「由推特引發的銀行擠兌案」，顯示在如今這個數位時代，社群媒體的力量有多麼強大。

延伸閱讀：一週內三家銀行倒下，穩定幣也受波及！穩定幣真的穩嗎？

專家：從未看過如此快速倒閉的銀行，儲戶的恐慌不應在數小時內蔓延

綜觀歷史上著名的銀行倒閉案，如2008年因金融海嘯而受到波及的華盛頓互惠公司（Washington Mutual Inc.）和印地麥克銀行（IndyMac），它們通常會在面臨財務危機數天到數周後，才開始產生擠兌現象。

湯瑪斯·瓦爾塔尼揚（Thomas Vartanian）是《美國金融恐慌的200年》（"200 Years of American Financial Panics"）一書的作者，在歷經1980年代後期的儲貸危機及2008年金融海嘯後，他談到自己從未看過如此快速倒閉的銀行。儲戶們當然會因為銀行的財務問題而產生失去信心、恐慌焦慮的現象，但它應該會在數周而不是短短幾小時內蔓延。

起初，儲戶提領現金的速度可能是較小範圍且有秩序的，但在周四晚上科技業和投資圈開始有風聲傳出後，包括有「矽谷天王」之稱、知名企業家與風險投資專家彼得・提爾（Peter Thiel）建議他的投資公司關閉在矽谷銀行的帳戶，推升此次全面性擠兌風暴。

過去，銀行擠兌指大批儲戶湧入銀行，並要求大量提款的現象，為了安撫儲戶的心情，銀行通常會將現金堆放在櫃台，瓦爾塔尼揚表示，人們會因為能夠實際看到錢而平靜下來；然而，時代已然轉變， 只要銀行準備金減少的消息開始在社交平台上大量傳播，無論資訊是否為真，儲戶們就會因為從眾心理而開始感到擔憂 。同時，由於網路銀行的發達，人們不再需要親自到銀行櫃檯提領現金，只要透過網銀轉帳，即可快速提取存款，種種因素都加快了銀行擠兌的速度，間接使得矽谷銀行陷入崩潰。

擠兌現象讓新創公司間的Slack群組都活躍了起來

矽谷銀行以對新創友善而聞名，全美將近一半的科技、生技新創企業都是其客戶，還包括相關產業的風險投資人（VC）跟私募股券基金投資人（PE）等，因此矽谷銀行的倒閉，無疑是對於美國科技產業及新創公司的一大重創。

這些客戶原本擁有的優勢，在此次風暴中反而成了劣勢，矽谷銀行的客戶們因為所屬產業的緣故，能夠快速掌握資訊的流通，當矽谷銀行面臨資金問題的消息一傳出，這群投資大佬、科技新貴或是企業家們的應變速度同樣也非常快速，推特上也鋪天蓋地的傳出他們將要從矽谷銀行撤資的消息。

「稱職的董事會成員或股東，應該要建議公司盡快提領出現金。」這是歐洲投資公司Mangrove的執行長馬克·特魯什茲（Mark Tluszcz）在周五的推文；而舊金山員工績效管理公司Confirm.com的執行長大衛·莫瑞（David Murray）則是在周四早晨收到一封來自投資者的電子郵件，信中表示矽谷銀行正在發生擠兌現象，並建議多數人立刻撤出資金。

莫瑞表示，這些新創公司擁有一個共同的社群，彼此用Slack互相交流、分享資訊，而現在，他能夠透過Slack實時看見其他人的恐懼。「通常這些聊天群都已經沒有在運作，但在那天，所有的Slack群組都活躍了起來。」

相關消息層出不窮，在各個社交平台上大肆流傳，用戶們已經難以分辨這些資訊的真實性，即使部分企業家，如金融軟體新創公司Runway的創辦人Siqi Chen於事後刪除推文，並表示「對於銀行擠兌現象搧風點火，對於每個人而言都是糟糕的表現。」但這些恐慌情緒早已擴散出去，簡單的刪除文字根本無法止息儲戶們的焦慮心態。

然而，諷刺的是，這些迅速挑起爭端的投資人和新創企業家，旗下的產業正是在這件事中最受影響的一群。

「我們就像在搬起石頭砸自己的腳。」風險資本家馬克·薩斯特（Mark Suster）在推特呼籲大家保持冷靜，但是幾乎無人理會他的話語。

消息的大範圍擴散，容易演變成集體恐懼

Open AI的執行長山姆·奧特曼（Sam Altman）於事件發生後，在個人推特寫道：「現在這個世界的速度已經改變，人們說話、提領現金的速度變得更加快速。」

透過本次震撼全美、甚至全世界的矽谷銀行倒閉案，不難看出在資訊流通的這個時代，社群媒體掌握著多麼強大的操控能力。當一個消息開始大範圍地擴散，無論真偽與否，很快會演變成集體恐懼，讓消息的接收者感到焦慮、或因從眾、跟風效應而採取行動，最後可能將導致嚴重的後果。

延伸閱讀：美國矽谷銀行倒閉，導火線是什麼？「矽谷雷曼時刻」引發骨牌效應

資料來源：Insider、Fortune、GlobalNews、TheWallStreetJournal、coloradoboulevard.net、skynews

責任編輯：陳建鈞、林美欣

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。