【觀點】去中心化不代表不作為,到底什麼是去中心化?
【觀點】去中心化不代表不作為,到底什麼是去中心化?
2025.03.27 | 區塊鏈

觀點文章呈現多元意見,不代表《WEB3+》的立場

##### 去中心化不代表不作為 我身邊有不少同樣身處區塊鏈產業的朋友,大家價值觀相若,對事情的判斷大同小異,但這裡談一個例外。好幾位朋友都認為以太坊的去中心程度永遠及不上比特幣,要去中心就要去 Vitalik,只要他一天還在,以太坊就無法做到真正去中心。另外,不少朋友認為 Proof of Work 比 Proof of Stake 優勝,即使後者在今天成為主流,不過是必要之惡,或權衡後的取捨。

我不同意以上看法,本文先聊前者,他日另文再談 PoS。

##### 淺談去中心化 我雖然開宗明義表示不認同 Vitalik 是以太坊去中心化的障礙,但經常為相關議題糾結,說的是我自己在 LikeCoin 的角色。我不可能跟 Vitalik 相比,但在一個小十萬倍的規模之下,我面對的情況十分相似,都被不少人認為裝作自己不重要,但經常以寫作及倡議等方式介入,社群馬首是瞻。

吊詭的是,常有朋友說諸如「我不知你說甚麼,但我相信你」此類的話,明明是衷心認可,卻同時反映我的論述未能讓人充份明白和自主判斷,教我五味雜陳,也令我對這議題份外感同身受。

要避免以學術概念解釋區塊鏈的「去中心化」,大可以反過來看:若某公鏈會因天然災害、國家政策和商業利益等因素癱瘓或被騎刧,就是不夠分散;換言之,要做到去中心,就要逐一拆解可能出現、足以摧毀系統的單一故障點(single point of failure)。

從這個角度出發,我們可從各個層面評估個別公鏈是否足夠分散,在技術層面可量化為 Nakamoto coefficient,即至少控制多少節點就足以停掉整條鏈,比如 Binance chain 的 Nakamoto coefficient 為 7,即只要控制最大的 7 個節點,就可對 Binance chain 予取予攜。值得注意的是,量化指標只能反映大概,試想像,前列 7 個節點都屬於同一公司或放在同一機房,跟前列 7 個節點處於 7 大洲、由不相關的持份者管理,分散程度顯然差天共地。

##### 去中心化是場動態博弈 技術相對靜態,在創世區塊前設計得足夠好就可應付一段長時間,然而,當革命性技術如量子電腦出現,始終需要更新系統才能應對;而其他層面如政府介入、地緣政治,變化則更加急速,要防範就需要及時反應。去中心化是長期博奕,不是「完成時態」而是「進行時態」,像持續進行的棋局,當對方走了一步,我方需要作出回應。

要規避政治風險,首要避免依靠政府撥款;這一點難倒大部分傳統 NGO,但多數公鏈能過關,反正本來就沒有政府補貼。不過,隨著近期有政府明確表態祝福特定公鏈,總統參與個別專案,情況正在改變。Vitalik 和 Solana 創始人 Anatoly Yakovenko 都明確表達跟政府走得太近有違去中心精神,令人欣慰,但其他公鏈則不好說。

再進一步推演,任何基金會都是在特定國家註冊的組織,雖然大型項目可選擇在成本高昂的中立國瑞士註冊,但畢竟依附於特定法律框架,仍有被取締的風險,其次,基金會也有可能彈盡糧絕,被逼關掉;在缺乏基本會的情怳下能否持續運作,是對公鏈的嚴格考驗。有趣的是,近年常被批評基金會表現不濟的以太坊,正是少數沒了基金會也不見得會垮掉,去中心程度極高的公鏈。

##### 不要「Plan B」要「Plan 幣」 日前 Vitalik 接受訪問,談及坊間對 EF(Ethereum Foundation)的批評,明確表達「去中心化不等於甚麼都不做」,指 EF 應該參與被忽視的地方以維持生態平衡,解決後就把資源改投其他地方。Vitalik 雖未明言,但同樣的邏輯也適用於當仁不讓、介入重組 EF 的他本人。

友人批評 Vitalik 對以太坊指指點點,說法有欠全面。參與社群是一份責任,社群需要保障所有人發聲的權利,而不是反過來,責怪勤於表達、積極倡議的參與者說話太多。

以我個人為例,在特定議題認同 Vitalik,是讀過他文章後同意其分析,而不是真的把他當作 V 神,認同他說的一切。我只是小薯,以太坊生態中很多能人異士,斷不會是盲粉,社群也曾經否定 Vitalik 的提議。當然我無法否定有人盲目崇拜,但即使有都不能歸咎於「偶像」;再說,就算隱世(或不在人世)的中本聰都有義無反顧的追隨者,除非打從一開始就不做任何事,否則就沒法避免有人盲從。

有次,友人問我 LikeCoin 有何「Plan B」,意思是一旦出現極端情況,生態中的內容儲存何去何從;我戲言沒有Plan B,只有「Plan 幣」。Plan B 是未雨綢繆的傳統思路,例如平時儲存在亞馬遜,同時準備谷哥雲備份方案; Plan B 可取,但「Plan 幣」更進一步,透過經濟誘因和博弈理論增加系統韌性,構建反脆弱生態,隨時應對各種變化,主動追求去中心化。

放在創始人的語境,要讓專案去中心化,Plan B 思路是身處權力中心但隨時準備好繼任人,而更積極的「Plan 幣」思路,則是應對各種中心化威脅的同時,把自己都視為風險之一,盡可能讓個人的存在變得可有可無。

去中心化不代表不作為,而是在積極作為的同時,避免自己成為單一故障點。

p.s. 我要不是太市儈就一定是職業病,處身歷史名城 Athens,在哲學先賢和諸神的庇佑下,看到的竟是 ATH ENS。

原文出處:去中心化不代表不作為

往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓