改善極端氣候太燒錢！區塊鏈讓散戶也能參與「氣候融資」，還能解決債務問題|數位時代 BusinessNext

改善極端氣候太燒錢！區塊鏈讓散戶也能參與「氣候融資」，還能解決債務問題

極端天氣事件頻傳，Web3也能協助改善，讓「氣候融資」不再只是政府或機構能參與的項目，小散戶也能為了更好的生活環境貢獻心力，怎麼做？

🔥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

##### 改善極端氣候，也能靠Web3嗎？

全球極端天氣事件的頻率持續增加，各界也不斷提出改善方案，這當中需要一定的資金來研擬與執行解決方案，同時也存在很多資金缺口。現在，Web3可以改善縮小資金缺口，怎麼做？

2009年，第十五屆聯合國氣候變化大會（COP 15）的代表們承諾，在2020年前將為發展中國家提供每年1000億美元的氣候融資（Climate Finance）。而如今過了近十五年，實際資金估計只有210億美元至833億美元之間。

💡氣候融資（Climate Finance）： 氣候融資是用來協助受氣候變遷影響較嚴重的國家減少碳排放、減緩（Mitigation）等氣候危機；以及處理氣候變遷帶來的傷害，用來修復大自然，提升氣候調適力及韌性。資金來自私人、國家或跨國資金，融資管道包含銀行貸款、風險投資、私募、共同基金、捐贈基金、購買股票或債券等。呼籲財政資源多的締約國，提供較脆弱的國家資金援助。

融資的資金，大多數來自發達國家的政府和機構，其中，一些國家利用氣候融資作為其提升資源開發的一種手段。結果導向融資條件由捐助國決定，然而發展中國家的融資選擇卻很少。

好消息是，Web3可以幫助縮小資金缺口，甚至可能讓環境保護活動人士從政府和機構手中，爭取到更多氣候融資的控制權，更可能讓數萬億的資本進入該氣候融資領域，激勵新一代的氣候議題專案，並為發展中國家提供新的替代金融（Alternative Finance）的選擇。

💡替代金融（Alternative Finance）： 牛津大學和 NESTA 最早提出了可替代金融的概念，即是在網際網路下發展出的新金融業態，主要模式包括群眾募資（Crowdfunding）和 P2P 借貸（Peer-to-Peer Lending），也被歸屬於網路金融（Internet Finance）或者金融科技（FinTech）、票據借貸(Invoice funding)。

##### 散戶也能參與氣候融資

氣候資金短缺問題的一個主要原因是，氣候融資長期以來一直是政府和機構投資者的領域，散戶投資者幾乎不被允許參與，儘管他們擁有8.2 萬億美元的「可投資散戶財富」（investable retail wealth）。

根據一篇研究，大多數散戶投資者表明，希望成為應對氣候變化的一員，並將資金投資於他們認為會對環境產生重大影響的項目，即使這樣的投資擁有較低的報酬。

Web3可以為散戶投資者實現這一點。

在受監管的司法管轄區，Web3可以打造專門為散戶投資者設計的新金融工具，包括現有氣候資產的代幣化、綠色債券等大宗工具的細分，以及創建有特定願景和目標的去中心化自治組織（DAO）。透過（由法定貨幣支持的）穩定幣，Web3更提供了進行低成本、易用的的價值轉移方法。

散戶投資者還可以透過經過審核的Web3 launchpad（幫助項目方籌措資金的平台），參與去中心化且透明的群眾募資活動。

讓散戶投資者使用這些工具，在目前仍然是一個挑戰。儘管基於Web3的氣候融資要成為主流，還需要時間和努力，但已經有數千萬散戶投資者參與Web3，並且擁有足夠的資金來投資氣候資產。

##### 碳排需求成長！Web3讓更多散戶參與交易

對碳與可再生能源排放權的需求，正在穩步成長。

知名管理顧問公司麥肯錫就曾指出，到了2050年，這些需求可能會增加100倍，然而，供應卻難以跟上。主要原因是：更新造林（reforestation）與保護等非技術性氣候專案，很難啟動和擴大所需的前期投資規模。

在亞洲，機構投資者偏好可規模化（scalability）的投資標的，像是咖啡連鎖店和金融科技新創公司等消費性產品或服務的企業。儘管與氣候相關的技術在風險投資領域表現良好，但非技術型的氣候項目，被視為高風險的長線投資。

Web3已經證明了其作為資金募集平台的價值，Launchpad、特定用途的DAO（去中心化組織）和平方募資（Quadratic Funding）等機制，已經協助籌集了數十億美元來啟動Web3專案。

因此，同樣的方法或許也可用於氣候和其他再生項目。這不僅將為散戶投資者開放，機構投資者也可能會發現更符合他們預期的報酬。有了這些機會，就會有更大的經濟動能來啟動氣候專案。

##### 替擁有自然資源的發展中國家，提供替代氣候金融選項

綜觀上述，債務困擾和氣候變遷是互相牽引的。

當發達國家持續向發展中國家貸款，來解決自己造成的問題時，就會陷入惡性循環，債務人需要不斷借錢來償還沉重的債務，並應對氣候變化的影響。這不是一條可持續的前進道路。

Web3融資解決方案帶來一線曙光。

發展中國家通常擁有多樣豐富的自然資產，森林、紅樹林、珊瑚礁、充沛的日照等價值，透過其環境和自然資源部門，政府可以用綠色債券協議等Web3募資平台，來資助產生鏈上碳和可再生能源排放權量的專案，然後將這些排放權出售給有淨零願景的政府、公司和個人。將其視為一種可持續的財富轉移形式，帶來一種效益的循環。

Web3有望成為帶來資本流動的催化劑，催生、擴大新一代草根氣候專案，並為面臨風險的國家提供掌握其氣候資產價值的機會。

氣候變遷問題環環相扣，當我們投資者、政府、公司和個人，去了解如何更好地改變氣候金融，也正是在守護我們的地球母親。

🔥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：CoinDesk、ScienceDirect、The Jakarta Post、LSE、
McKinsey

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。