奧特曼的野心之作，世界幣首波發給200萬人！但「V神」點出背後四大問題|數位時代 BusinessNext

🔥每日精選最重要區塊鏈新聞、第一手採訪 👉歡迎加入《WEB3+》官方Telegram

世界幣正式上線，首波發給200萬人

由OpenAI執行長山姆·阿特曼（Sam Altman）共同創立的世界幣（WorldCoin），一直是一個備受爭議的加密項目，在昨（24）日，團隊宣布正式推出世界幣代幣（WLD），並將其分發給全球超過200萬人，世界幣在多個加密交易所上市後，幣價也快速飆升94%。

由於世界幣計畫是透過虹膜掃描球，為每一名用戶進行身分驗證，因而引發討論。但目前仍有超過200萬人已經通過驗證，並收到他們應得的WLD代幣。通過虹膜驗證的人，最初可以收到25個WLD代幣，將來也可能定期收到WLD幣的贈款。包括幣安、Huobi、Bybit和OKX等加密貨幣交易所，都已上線該代幣。

根據區塊鏈平台Coinmarketcap數據指出，世界幣在上線後，一度飆漲至3.31美元，幣價上漲了94%。目前世界幣價格為2.15美元，過去24小時交易量高達5.6億美元。

世界幣透過聲明承諾，將透過在全球20個國家、超過35個城市設置虹膜掃描球Orbs來加速註冊。世界幣主要開發商Tools For Humanity的產品、工程和設計主管蒂亞戈·薩達（Tiago Sada）表示，到2023年底，市場上流通的掃描球數量。將從目前的200顆左右增加到1,500多顆。

根據世界幣白皮書，目前的原生代幣WLD初始供應量為100億枚，並將於15年後達到發行上限（可由社群治理決定是否增發），其中75%將分給社群用戶、9.8%給初始開發團隊、13.5% 分給投資者、1.7%作為儲備資金。

延伸閱讀： ChatGPT之父的另一個大業「世界幣」，為何被罵詐騙？

以太坊創辦人V神怎麼看？

以太坊網路聯合創辦人維塔利克·布特林（Vitalik Buterin，又稱「V神」）在推特上也針對世界幣發表了一篇長文，闡述了他對世界幣人類身份驗證系統的看法。

文章中，除了對世界幣及其運作方式的解釋外，V神也指出了世界幣用戶身份驗證系統的四大問題：隱私、可訪問性、中心化和安全性。

問題一：隱私

世界幣相信，隨著AI人工智慧的進步，要辨別人類和機器，將會變得越來越困難。世界幣聲稱可以在不儲存個人數據或依賴中央機構的情況下，對用戶進行身份驗證，但要獲得「世界ID」，用戶就必須使用組織提供的虹膜掃描球Orb進行身分驗證。

V神表示，由於世界幣項目必須進行虹膜掃描，因而引發了嚴重的隱私問題。儘管世界幣系統會將虹膜圖像轉變為哈希值，而非直接將原圖檔存在數據庫中，並透過各種加密技術保護用戶身份，但還是有可能出現被濫用或洩露的風險。

🛎️延伸閱讀： ChatGPT之父的「世界幣」獲1.15億美元融資！卻遭爆黑市賣「柬埔寨虹膜」，組織怎麼收拾？

問題二：使用門檻

要加入世界幣生態系，用戶就必須透過虹膜掃描球Orb，才能實際參與。

這限制了世界幣在全球的覆蓋範圍，除非有夠多的掃描球，且任何人都可以輕鬆使用、登入，否則可能會導致世界幣分配不平衡，對於容易獲得掃描球的城市來說更加有利。

不過，世界幣過去也提出，將電話號碼作為Orb生物識別的替代方案，若真的實現，或許可以增加用戶進入世界幣生態系的管道與機會。

問題三：可能藏有後門

世界幣虹膜掃描球Orb硬體設備構造的完整性無法驗證，因此也許存在後門的可能性。V神補充，即使在軟體上是去中心化的，但世界幣基金會或是惡意廠商也有可能在偷偷設下後門，建立假的人類身份或洩漏資訊。

V神表示，世界幣的治理和特有演算法，是中心化未來必須面對的問題。不過，值得稱讚的是，世界幣基金會也致力於往去中心化方向邁進。

問題四：安全性

最後，世界幣系統的安全性也是一個風險。V神表示，電話竊聽、強迫他人掃描虹膜、出售或出租身份證等，都是這類安全性風險的例子。不過，這些也不是世界幣項目特有的，全球各個項目、組織都可能出現這樣的問題。

雖然V神表示，目前沒有理想的身份證明解決方案來解決這些風險，但他建議結合目前的三種方法：基於社交圖譜（social-graph-based）、通用硬體生物識別技術，以及專用硬體生物識別技術（如世界幣）。

他補充，這樣的解決方案可以提供一個去中心化、可擴展和注重隱私的系統，也可以避免出現假身份。

V神認為，世界幣背後的概念很有價值，但沒有任何身份證明系統也會帶來風險，世界幣在系統上還需要有更多進一步的發展。

社群怎麼看？

世界幣在正式上線後，許多網路上的大神，都紛紛針對世界幣的身分認證與整體概念，發表了個人的意見。

對於世界幣進軍全球的目標，Twitter聯合創辦人傑克·多西（Jack Dorsey），在推特上用一個詞來形容：可愛。

比特幣支持者安妮塔·波什（Anita Posch）表示，世界幣項目的中心化性質及其管理的數據量，可能是導致其失敗的一原因。

EToro創辦人約尼·阿西亞（Yoni Assia）則在推特上暗示，世界幣是參考了他自己的GoodDollar數位通用基本收入平台。

根據世界幣的白皮書，該協議最初的Beta階段選擇在Polygon上進行，而目前的版本已轉移至以太坊Layer2解決方案Optimism主網運行。

🔥每日精選最重要區塊鏈新聞、第一手採訪 👉歡迎加入《WEB3+》官方Telegram

參考資料：The Block、cointelegraph、cointelegraph、The Block

本文授權轉載自：WEB3+

核稿編輯：高敬原

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。