創新工場和BCG諮詢合作的「+AI改造者」系列：看看馬上贏如何在巨頭競爭下，用大數據驅動業務，實現傳統零售商和品牌商的雙贏。

改造者系列：科技巨頭下的AI企業制勝之道？-- 本文来自BCG微信公眾號，經授權轉載。

近期，創新工場聯合BCG波士頓咨詢旗下亨德森智庫，推出「AI融合產業：『改造者』如何促進AI普惠」系列研究。人工智慧在中國大陸有著明確的落地應用場景，大量的AI企業活躍於這些垂直場景中，我們定義這些企業為「改造者」。「改造者」通過傳授其AI技術和垂直行業理解，極大地打破了傳統企業應用AI的瓶頸。

作為擅於趨勢前瞻的TechVC，創新工場長期看好AI領域，深入佈局，至今已經投出了7只AI獨角獸。在系列研究中，我們采訪了數家創新系AI企業，通過這些「改造者」的視角，探究傳統企業擁抱AI的範式與路徑。

馬上贏是創新工場投資的大陸領先的快消行業大數據公司，其定位是中國快消品行業的風向標，零售監測的新標準，成為中國的「尼爾森」。通過信息化賦能小規模零售商，馬上贏打通一個個數據孤島，以大數據的方式挖掘零售數據的商業價值，為品牌商提供產品動銷數據與競品監控服務。

為了讓數據更好地服務於新品研發和上市，馬上贏引入了PDCA（Plan, Do, Check, Act）循環，通過數據說話指導快消品快速迭代，提升零售商銷售收入。

具體來說，品牌商可以在零售商的渠道內測試包括售價、外觀、營銷、陳列等要素，通過數據回饋指導新版本，實現往復循環。

在采訪中，馬上贏創始人猴哥（王傑祺）表示，垂直領域內的AI創新需要符合企業自身的需求，要在巨頭的基礎設施之上，基於更好的訓練集和更專業的垂直行業知識，不斷突破行業壁壘，優化垂直領域的AI創新。

■系列導讀

本系列由BCG亨德森智庫與創新工場董事長兼首席執行官李開復博士帶領的創新工場團隊共同推出，圍繞「AI融合產業：『改造者』1如何促進AI普惠」的課題，我們致力於探究傳統企業在應用AI過程中的關鍵要素與合作夥伴，以及傳統企業擁抱AI的範式與路徑。

在零售領域，馬上贏致力於定義中國快消品零售監測行業的新標準，成為「中國的尼爾森」，通過免費為連鎖零售商提供市場情報和「零售數字化鐵三角」2，與零售商進行數據合作，將海量的線下快消品零售數據轉換成精准的市場洞察情報。

1 「改造者」 通過傳授其AI技術和垂直行業理解，極大地打破了傳統企業應用AI的瓶頸，充當產業中傳統企業應用AI的橋樑。「改造者」包括AI企業與成功轉型AI的傳統企業。
2 「零售數位化鐵三角」指通過PDCA循環迭代的方法提升零售商銷售收入。P=Plan：52周企劃；D=Do：會員營銷；C=Check：BI看板；A=Act：改進。

■本期受訪嘉賓：猴哥（王傑祺）

馬上贏正在建設覆蓋線下門店最多的零售監測網絡，為連鎖企業免費提供BI看板、52周企劃3、會員營銷和市場情報，推進連鎖企業數字化轉型。

猴哥（王傑祺）是馬上贏的創始人兼首席執行官，清華大學學士，美國華盛頓大學碩士。他是原阿里巴巴集團資深產品專家，曾于美國UPS供應鏈部門擔任高級工業工程師。在創立馬上贏之前，他曾創業推出購物助手（如意淘），後被阿里收購。

3「52周企劃」指依托馬上贏的大數據AI技術説明零售商實現精細化管理。零售商可以瞭解一年中每周適合銷售什麼類目的產品，與陰曆節日、陽曆節日、節氣、特殊事件（如比賽活動）關聯，提升門店的銷售計劃能力。

■對談實錄

Q1 馬上贏為什麼選擇切入零售賽道？如何定義「中國的尼爾森」？

猴哥：馬上贏致力於定義快消品零售監測的新標準，做「中國的尼爾森」，為零售商和品牌商提供服務。面向零售商，馬上贏免費提供ABC服務，即AI、big data（大數據）、Cloud（雲服務），以換取訂單數據；面向品牌商，馬上贏基於零售商的脫敏數據提供大陸市場情報，賺取收入。

馬上贏發現，大陸的市場過於分散，零售的毛利又低，大量規模小的零售商缺乏足夠的IT費用以支援其獨立完成信息化應用，但他們對信息化的需求又是真實存在的。另一方面，品牌商有意願和能力為市場情報、動銷數據支付費用。馬上贏看到了零售商和品牌商的痛點以及購買力的巨大差異，嘗試通過為零售商和品牌商提供所需服務來提升整個行業的效率。

馬上贏一方面向零售商免費提供差異化的信息技術服務，按零售商的需求提供BI看板和市場情報支援，另一方面向品牌商提供產品動銷數據與競品監控服務。此外，馬上贏還在著重提升AI演算法和大數據中台數據處理能力，以便支援更多零售商和品牌商的數據服務需求。同時，這些技術優勢和服務支撐能力説明馬上贏建成大陸覆蓋範圍最大的即時零售數據監測網絡。對於馬上贏和客戶而言，這是雙贏。

在數據治理中，馬上贏需要做的是建立相對統一的內容體系，實現統一的度量衡。比如同一個條碼的商品在不同門店的名稱寫法不同，傳統方法是通過人工進行校驗和修正之後才能統一名稱入庫。馬上贏通過自己搭建的超1,600萬條碼的商品庫，使用AI演算法對零售數據做分類、清洗，並基於完善的商品知識圖譜體系標記商品屬性，再由BI看板提供數據洞察服務。馬上贏的這套全流程自動化體系，極大地提升了數據處理和情報產出的速度和效率。

Q2 相比數據咨詢商、科技巨頭等其他類別的競爭對手，馬上贏的差異化優勢是什麼？如果品牌方想自己做零售大數據，馬上贏怎麼應對？

猴哥：以往零售商想實現信息化必須高價購買專門技術公司的服務，只有少數資金充足的大零售商可以負擔得起，零售行業中數量眾多的中小型零售商往往望洋興嘆。而品牌方一般很難獲取到這些生意占比很大的中小型零售商數據，因而會尋求數據咨詢商的數據服務。但出於成本和利潤的考慮，數據咨詢商往往只服務最頭部的品牌商，在大陸可能只有幾百個品牌商能消費得起數據咨詢商的服務。相比之下，馬上贏合作的品牌商更加廣泛，從新銳品牌、區域性品牌到成熟品牌、頭部品牌，馬上贏都可以提供符合客戶需要的數據服務。

數據咨詢商從少數零售商那裏提取商品月度銷售匯總數據，再將數據整合為大盤情報，賣給少數頭部品牌商。但馬上贏從「激活生態」的角度出發，説明零售商提升數據運營能力，獲得大量一手銷售訂單數據，可以為品牌商提供更詳細的數據洞察服務。此外，馬上贏由AI賦能數據清洗和BI交付，從而可以提供即時的、更細顆粒度的看板，可以提供細到省級、地級市級、業態級、SKU級顆粒度的數據。

相比電商巨頭，馬上贏選擇線下快消品零售行業，覆蓋更多的線下零售商，涉及更豐富的業態，有大賣場、大超市、小超市、便利店、食雜店等等。在商品品類的選擇上，馬上贏暫不拓展美妝、服裝等電商渠道占比超過50%的品類，而選擇線上化率相對更低的品類，如食品、飲料、日用品。這些品類消費時效性高、頻次高、單價低，線上購物場景並不適合線下。

至於品牌方自己做零售大數據，馬上贏早前就思考過這個問題。我們和大品牌都聊過，如果建立品牌方自己的銷售追蹤網絡是否可行，得出的結論是不可行。一是單一品牌方來做大數據，做完了只能自己受用，成本攤下來很不合算，還不如投資AI企業，實現專業化分工；其次，品牌方還有一些技術壁壘解決不了，攻克下來只會對成本端造成更大的壓力，得不償失。

Q3 馬上贏在賦能零售商和品牌商的過程中遇到的最大挑戰是什麼？

猴哥：最大的挑戰來自於行業裏不透明的競爭——現在做AI的企業太多了，很多企業會虛報準確率，噪音特別大。

AI在每個垂直行業的落地需要很多行業知識，其次才是疊加AI演算法。但很多傳統企業對AI的期待特別高，導致市場上各種聲音魚龍混雜，每個企業都在講述「AI萬能」的故事。馬上贏不會激進地過度承諾，但這種冷靜和狂熱之間的衝突會帶來很多麻煩——當別的AI企業過度承諾其自動補貨的準確率高達95%的時候，馬上贏如果表示我們的準確率位於70%—85%的區間，傳統企業就會輕視我們的實力。現在，垂直行業裏缺乏行業組織或者專業機構來做客觀、公允的第三方普查。比如在圖像識別、自然語義處理領域，都有比較公認的訓練賽，大家用演算法的跑分說話，相對而言就比較客觀。落到垂直領域裡，每個企業自己報數據，很多時候就會有水分。

馬上贏曾經考慮把收集的數據脫敏之後貢獻出來，讓大家有一個公平的舞臺競技，但是很難運行起來。僅僅共享數據不足以激勵演算法團隊，需要行業組織定期舉辦競賽、活動等，或者像Netflix舉辦推薦演算法比賽，通過資本來激勵大家參與，僅僅靠社區運轉不起來。

Q4 你認為未來AI企業的發展趨勢是什麼？

猴哥：有能力的巨頭要持續加強行業的基礎設施，讓開發AI的人能有更好的工具，讓雇不起博士生的企業也能應用AI，實現技術普惠。同時，垂直領域內的AI創新需要符合企業自身的需求，AI企業要在巨頭的基礎設施之上，基於更好的訓練集和更專業的垂直行業知識，不斷突破行業壁壘，優化垂直領域的AI創新。我相信這是我們的生存之道——「科技巨頭靠算力，我們靠設計」。

同時，大陸的零售行業在洗牌，有很多更具備數據化思維的新品牌在躍躍欲試。以前是渠道經濟，在社區裏搶到點位就能有流量，未來是有技術、數據和管理能力的品牌才能從老品牌手中搶到點位。此外，隨著許多快消品牌逐步上市，出現資本外溢，更多的人會開始創業，疊加當前快消巨頭的二代交棒窗口，零售領域將有新一波浪潮湧動。我相信，未來的零售行業會更加擁抱數據，擁抱AI。

■要點回顧

1. 不只是技術層AI要有標準，應用層AI也需要標準。垂直領域應用AI需要由行業組織或龍頭企業牽頭制定公認的行業標準，從而促進AI企業公平有序發展，這也將反哺傳統企業，促使傳統企業的AI應用提質增效。

2. 「科技巨頭靠算力，AI企業靠設計」，結合巨頭提供的行業通用基礎設施和「改造者」特有的垂直領域數據集和算法，各取其長，方能最大化傳統企業應用AI的效率。

從新創企業現狀觀察AI發展熱度

作者 : 黃燁鋒，EE Times China
2021-07-12

從人工智慧(AI)新創企業市場，以及類似Nvidia新創加速計畫(NVIDIA Inception)的專案，都可觀察AI技術或產業如今的發展熱度...

現在的很多生態締造者對於潛在生態的開發都十分在意：比如說及早深入教育市場，生態建設「從娃娃抓起」(編按：指從小開始)；再或者對新創企業的扶持或孵化計畫。這裡所謂的「生態締造者」的範圍可以很廣，比如雲端供應商、作業系統供應商、針對應用開發解決方案的供應商，以及各種硬體廠商等。

這些其實是吸引更多開發者，潛移默化中造成開發習慣、黏性的關鍵。《電子工程專輯》中國版(EE Times China)先前拜訪過微軟(Microsoft) Azure一批又一批的孵化企業；還有華為HarmonyOS當下對眾多新創企業的扶持……這類新創企業扶持項目都有著相當易於理解的商業邏輯，亦屬常規操作手段。

而在AI生態建構上頗具代表性的應該就是Nvidia，畢竟筆者之前也一直在提Nvidia在AI生態打造上的完備程度多高，這種生態對新創企業的扶持當然也是必不可少的。Nvidia新創加速計畫(NVIDIA Inception)進入中國是在2016年，這個計畫本身就在加速AI創業公司發展。從AI新創企業市場，以及類似Nvidia新創加速計畫這樣的專案，都可觀察AI技術或產業如今的發展熱度。

AI市場這兩年的新機遇

截至去年底，這項計畫在全球範圍內覆蓋了超過7,000家AI新創公司，去年一年加入Nvidia新創加速計畫的公司數量較上一年多出了25%。從Nvidia的總結來看，新冠肺炎疫情可能很大程度推動了該計畫。之前Nvidia業務開發VP Jeff Herbst曾提過：「2020年一場全球性質的瘟疫攪動了經濟發展。但新創生態系統卻在此期間一度繁榮，這很可能不是巧合。」

這些AI新創企業，依照類別來看主要包括了IT服務、醫療健康、媒體與娛樂。看起來是完全符合預期，就如同疫情期間全球的PC和資料中心市場發展受到刺激一樣，這恰好也是Nvidia業務發展的重點。可以說，疫情雖然短時間內造成了停工停產，但Nvidia可能是這波行情下獲得最大發展機會的企業之一。

數位生活方式的轉變促成了很多領域的快速發展，包括在家辦公、遠端醫療、家庭娛樂等。隨Nvidia大趨勢本身的利多，以及大環境的影響，去年加入Nvidia新創加速計畫的新創企業的一大部分都在這些類別中。

在中國市場上，該計畫去年扶持的企業超過800家。這個數字也極大程度說明了AI在中國發展的繁榮。換句話說，全球25%的成長量也可間接表現出，新冠疫情的蔓延客觀上也推動了AI的發展，而且不止於醫療健康。

AI新創投資市場現狀

Nvidia新創加速計畫可認為是觀察AI新創企業，乃至整個AI產業發展的冰山一角。CB Insights先前公佈了一份AI 100榜單，列出100家AI新創企業——而且據說是從超過6,000家企業中選出來的。這份榜單涵蓋了跨18個核心產業的各種解決方案，這個數字其實已蠻驚人。這份榜單總結了這些年來AI新創公司獲得的融資金額、最具代表性的產業類別，以及有不少企業處在A輪融資階段。其中12家是獨角獸，而在地理位置分佈中，64%位於美國，8家位於英國，6家在中國和以色列等。

針對這個市場有一些更細緻的資料可以列舉。以前不久微軟豪擲197億美元收購Nuance為代表，目前美國最大的5家科技公司中，有4家大量收購了AI新創企業。其中蘋果(Apple)最多，收購次數達到了29次——這也是CB Insights前不久才更新的資料。僅今年一季，全球與AI新創企業相關的交易(如收購、兼併等)次數就達到了626次，交易金額大約是177億美元。與去年相比，2020年整年的資料是354億，這其中的增量還是相當可觀的。有投資機構認為，預期今年針對AI相關的企業交易量會是去年的2~3倍，這種持續活躍和加速的趨勢仍相當明確。

很多機構針對企業所作的統計也顯示，企業對於AI產品的採用計畫正在增加，或者說更多的企業在數位化轉型過程中準備應用AI。Signal AI針對1,000位C級高層的統計顯示，92%認為自家企業需要依靠AI技術來提升決策制定流程。GTC 2021上，Nvidia共同創辦人暨執行長黃仁勳針對Nvidia發佈的AI for Enterprise特別提到：「我們將AI擴展到企業的邊緣。我們相信企業產業邊緣將會是AI產生巨大影響的地方，包括醫療健康、倉儲物流、生產製造、零售、農業、交通。AI還沒有觸達這些產業，但現在不同了。」

所以從投資方和需求方兩個方面來看，AI新創企業相關的投資都在持續擴大。不過這一現象可能與其他熱門領域的發展具有極高的相關性。比如推行SaaS的企業如今受到格外的關注——而這些企業普遍將AI作為企業產品的一部分。所以AI成為某些正在快速成長中的市場的組成部分受到追捧，本身也是AI成長的原因。達成全球AI交易金額的新記錄，可能會在今年持續發生；今年截至目前交易輪次也仍然表現出了熱度。

這其中有一點轉變，是近一年才發生。亦即去年很多企業對於AI的接受度仍然不高——AI之前的存在更像是一種行銷手法：即告訴客戶和投資人，產品中有AI技術才能獲得青睞；而現階段逐漸在轉變至用AI來更實際地解決現實問題的階段發展，或者不需要再去反覆解釋究竟為什麼要接受AI。AI也變得越來越平常，這也是大部分技術走向成熟的必由之路。雖然從投資風向來看，這個市場遠未及成熟，Nvidia在此時持續做針對AI新創企業的新創加速計畫投入，還是相當好的時機。

兩個新創加速計畫示例

與此同時，Nvidia新創加速計畫在客觀上也是降低產業進入門檻的一種方式，所以該計畫本身又在推動AI產業發展。從這個層面來看，這一市場行為與Nvidia本身在技術上進行生態建構還是一脈相承。

對於加入計畫的AI新創企業而言，該計畫提供的支援主要包括幾點：Nvidia的部分產品折扣、AI技術支援(包括Nvidia深度學習學院DLI線上自主培訓課程免費兌換200次)、Nvidia管道的市場推廣(如在GTC大會上給予展示、演講等的機會)、融資服務、業務推薦等，也就是從技術和市場兩方面提供一些基礎支援。除了免費加入的新創企業，計畫中另設有高階會員(設定要求包括至少完成A輪融資或已產生業務收入等)有更多的支援，比如開發者關係支持、更多市場推廣等。

這些服務和支援，基本也顯示了當代新創企業扶持計畫的常規，大方向上也符合AI新創風向的趨勢。這裡列舉兩個加入Nvidia新創加速計畫的新創企業的例子，大致可從中體會此類新創扶持計畫的價值。

中國有家名為心咚科技的企業，主要業務方向是將AI技術融入到時尚、服飾產業。這家公司產品的核心，包括了物理引擎和數位面料中心：設計師藉由心咚科技的產品，可以將現實中的實物面料和服飾，虛擬地呈現出來。這其實很類似於「原型產品」、「設計驗證」，虛擬產品因此能做到「零廢棄物製造」。市面上大多數現有的3D服裝設計軟體都只是視覺模擬，而沒有工業級高精準度物理模擬所需的運算結果。

所以心咚科技採用Nvidia的GPU及互連等方案，實現了高效能運算(HPC)應用，完成對複雜光線追蹤、視覺化運算工作負載的處理，以虛擬的方式完成從選擇面料、成衣設計、審稿、打版到生產過程。心咚科技本身是Nvidia新創加速計畫會員，這個例子也顯示AI相關技術新創企業借助Nvidia的資源、支援和平台，能夠加速應用實踐和延展。

再舉個例子，美國有家新創企業Zippin，他們的產品針對零售店購物可實現自動結帳，這個過程主要是對消費者購買的零食、飲料等進行影像辨識。顧客在支援Zippin系統的店內買東西之後就可以離開，app會保留收據，追蹤消費記錄後收費(app或信用卡支付)。這個專案的市場契機，主要來自國外很多體育館、娛樂場所重開，Zippin自動結帳無人商店不需要排隊就能買東西。

Zippin如今的業務擴展似乎還頗順利，其商店數量在穩步增加，包括一些大型體育場館和零售連鎖店；而且擴展到了美國以外，包括巴西、俄羅斯、日本。這套「自動結帳」系統相關AI的核心部分，應該是商品的影像辨識，並且結合更多感測器實現位置、重量辨識等。不僅是顧客買了什麼，也在於商店本身的庫存管理自動化，Zippin用的是Nvidia Jetson在終端進行模型推理。

Zippin聯合創始人兼首席科學家Motilal Agrawal在談加入新創加速計畫時提到，「Nvidia新創加速計畫團隊與我們見面、借給Zippin第一個NVIDIA GPU並針對我們的應用提供關於Nvidia SDK的指導。」
這兩個例子都是在Nvidia新創加速計畫扶持下，業務得以擴大影響力或開展落地的典型。Nvidia在其官網列舉的實例還有不少，本身也算是對這些企業的市場宣傳途徑之一，可能不同參與者受惠於新創加速計畫的體驗是不同的：Nvidia自己列舉的案例中，有家AI醫療影像手術導航機器人相關新創企業，相當推崇Nvidia深度學習學院DLI 的培訓課程，包括部分課程後Nvidia頒發的一些認證證書。如前面所述，Nvidia深度學習學院DLI線上自主培訓課程也是Nvidia新創加速計畫的重要組成部分，這類課程對於AI新創企業的養成具備相當的價值。

無論是免費的自主培訓課程，還是Nvidia GPU產品折扣、AI技術支援、市場推廣、融資服務、業務推薦，這些Nvidia新創加速計畫的組成部分。對AI新創企業快速入門和進階AI開發、加速產品上市，以及對於Nvidia本身培養AI生態有其價值。

正如本文一開頭所述，這種潛在開發生態與習慣的培養，是大部分生態締造者佈局生態時的必要行為。AI新創企業市場如此火熱，是Nvidia開展新創加速計畫的契機。與此同時，這類計畫本身又在促進AI整個產業往前發展，也是推動AI產業現階段百花齊放、迸發AI創意的起點。

資料來源：https://www.eettaiwan.com/20210712nt61-ai-development-from-the-dynamics-of-new-venture/?fbclid=IwAR1AVhpCZaFFqeTnmgvW7ZoTBBv48gtKEMsxZa4u4i_BDryyVfKnQcYLQ40

＃神父的鹽
.
今天指揮中心公布疫情上，產生了「校正回歸」的爭議，坦白說，這是無可厚非的．
.
比起這個，台北市長出的餿主意問題可能更大．
.
他把ｐｃｒ的採檢流程貼了一遍，稱都是中央控管，「沒有什麼地方沒有準確把數字回報中央的問題」，他說「指揮中心每天公布的數字，已經無法反映疫情現況．」．
.
「既然指揮中心的數據，已經不能反映真實疫情，我議改變作法，告訴國人每日快篩陽性的新增個案數，告訴民眾大致的疫情趨勢，而不是幾天前狀況的數字，更不要創造新名詞，把已經很恐慌的民眾弄得暈頭轉向」．
.
這顯然是很嚴重的誤導．照他的邏輯，恐怕台灣以前每天公布的確診數，都不能反映實情了，因為過去的確診數，都是距離採檢日２天左右，國外也多是如此，都是「幾天前狀況的數字」只要日期一致，這根本就不會是個問題．
.
至於「用每日快篩陽性的新增個案數」取代確診數，或者當作確診數，或者不報確診數，只報新增個案數，這才是個大問題，這本質上是一種混淆，國外先進國家應該不會這樣做，用陽性個案得知大致的疫情趨勢，有「陽性率」，例如之前報的萬華陽性率如何云云，陽性個案應該是次級的附加數據，如果把它當成主要數據，甚至去取代實際精準的確診數，這才會造成更大的混亂．
.
快篩本來就不精準，如果本來就有ｐｃｒ的精準數字，說他不精準，改用更不精準的快篩陽性個案數，這就像嫌鞋子髒乾脆赤腳走，你覺得一個東西不好，不會用更差的代替，如果只呈現快篩陽性個案數，那面臨的就不會只是「校正回歸」了，還可能是一時「數字突然暴增」、然後「校正消除」的情形．
.
舉例來說，駐美代表處日前檢驗出９人疑似染新冠肺炎，連蕭美琴都被隔離，這就是快篩陽性個案，結果ｐｃｒ下去以後，是虛驚一場，９名陽性都是陰性，日本機場驗出台灣人有確診的案例，隔幾日做ｐｃｒ後，也都成為陰性．
.
民眾習慣的確診數，早就是每日觀察疫情的重要指標，並且已經心中建構出認知印象，如果不報確診數，改報陽性個案數，除了爆炸的數字更容易造成恐慌以外，更無助於民眾了解疫情的趨勢，因為我們不會從「改變的那一天」才開始學習了解，新發明的數字更跟以前的結果無從比較，更無關聯，套一句柯文哲常對陳佩琪說的，「缺乏對照組」，這才是「創造怪方法，把已經很恐慌的民眾弄得暈頭轉向」，甚至，「連基礎的認知權都被剝奪」，神父不太明白，柯糞們狂推柯文哲的言論是怎麼回事．
.
在國外，修正過去的數字，使其更加精準，符合現實，這種作法叫
「回填」（ｂａｃｋｆｉｌｌ），美國也有檢測時間與發布數據的時間落差問題，這發生在突然的爆發，導致檢驗爆量或通報延遲，他們可能放個假都會導致數據報減或暴增．
.
但，無論是在確診數外加增輔助的圖表或資料，或者是同時呈現以「報告日」計算與「採檢日」計算的數字，他們都是以確診數為基礎，增加更多的資訊，而如果像康乃狄克州那樣看採檢日，也是要等報告出來了才「回溯採檢日期」，沒有直接把確診數字或ｐｃｒ省略的，或者去更改確診數字的定義，由更不精準的數字取代．
.
所以說真的，你覺得菜很難吃，但不用鼓吹吃噴，這是兩碼子事．
.
柯文哲貼的ｐｃｒ採檢流程，根本沒有解釋任何事情，因為那就是一般承平時期的採檢流程，只是個廢話謬誤，他只解釋了「都是中央負責」，然而，那張圖直接省略了許多事，雖然都是中央控管，但是地方也參與其中，諸如醫院每日採檢，醫院將採檢資料鍵入通報系統，這些都是地方醫院要執行的工作，而地方衛生局也要處理案例的行政通報作業，之所以會造成積案嚴重的問題，確診個案未及上傳通報的資料的問題，是因為要處理台北市疫情爆發衍生的問題，而排擠掉這些中央交付的通報任務．
.
比如，地方衛生局要進行疫調、匡列個案的分流、安置，各大醫院要處理疑似院內感染，進行全院大清查，甚至還得清空床位，光以台大而言，台大要負責雙北地區送來的篩檢個案，協助處理萬華群聚，然後卻爆發院內工務室確診，他們必須停下所有委託篩檢工作，開始採檢自己的院內人員，直到確認沒醫護確診，才開始進行採檢個案還有行政通報工作，光台大，就有數百例的確診個案，「校正回歸」，這很難去責怪基層人員，大量篩檢而造成爆量的案件，才是主因，這也是必然的現象．
.
中央或者地方醫護，為了處理台北市的疫情，防堵破口，各種突發狀況，排擠了採檢和處理案例和通報的時間，柯文哲身為台北市長，明明是被協助的對象，也用到了醫護的人力，更是衛生局的長官，說白了，聯合醫院的院長是誰任命的？總不能你在那邊指揮院長規劃流程，開記者會宣布設置快篩站，而醫院要處理自身疑似院內感染問題，當這些排擠到了確診個案的通報，市長卻跳出來指責這都是中央管的，還發什麼謬論，指控指揮中心的數據不能反映真實狀況，要改規則，只要報快篩陽性數字就好，這般的不知好歹和愚蠢，也要有個限度．
.
台北的疫情，關乎於台灣的疫情，是很難中央與地方一刀切的，地方要做及時的反應，中央要做整體的布局，也要做細部的應變，就怕有地方首長，看到「地方」兩字就開槍，患了被害妄想症，只想著開記者會的風光，標誌自己的功勞，明明是被幫助的對象，也是造成意外的因子之一，遇到問題，卻只想著要切割責任，把鍋都丟在對方身上，有功我享，有過你扛，快篩站的消息我發布就好，爆量的篩檢造成的積案，代價由你承受．
.
陳時中的確應該一肩扛起，畢竟他是總指揮官，要負責各地防疫的責任，這是他的委屈，也是偉大之處，你可以不用一起承擔，你也沒那肩膀，但不用跟著落井下石．
.
另外，柯文哲一直強調台北市有快篩，ｐｃｒ採檢多了就不只兩天，需要特殊人員和機器，「為了公衛上的需要，使用便宜，不精確，快速的快篩其實是更重要的．」
.
稱「所以當人數多的時候，強制用ＰＣＲ做確診的人數，其實在公衛上不是很精確，可能要一個新的方法才能更精確的反應．」
.
然後說要用快篩陽性個案數，取代ＰＣＲ採檢確診數，快篩明明不精確，卻要取代精確的ＰＣＲ，成為公布數字，而ＰＣＲ延遲的原因，是因為台北疫情大爆發，所以造成一時短暫延遲現象，而這可以用校正回歸修正過去的數字，值得一提的是，這是修正過去數字，並不會妨礙今後公布的確診數字．
.
而今天，萬華的青草原快篩站卻要關了，這又是怎麼回事？
.
快篩的目的，是要做即時的防堵，快速篩出疑似感染者，然後隔離，減少疫情散播，然後對於疑似感染者做立即的處理安置．
.
對於感染嚴重的地區，快篩是必要的，但是是為了求取它的效用，而不是把它當成一種信度．
.
萬華這裡多設置快篩站都來不及了，萬華人現在連看醫生都有困難，去快篩站排隊，又怕有群聚感染，當初就有人為了做篩檢跑到花蓮去，做完又回到萬華來，這顯示萬華快篩是不足的，而加強篩檢量能，可以避免民眾跨區移動．
.
現在，一邊喊萬華加油，一邊卻要關閉其中一處快篩站．
.
如果外縣市都把去過萬華，當成一種染疫的足跡，而萬華人本身在萬華，卻不能當作可以快篩的證明，這樣的標準顯然並不公允．
.
而快篩在染疫程度越重的地區，才有信度，應該沒有比萬華值得全面篩檢的地方．
.
不久前，侯友宜才那邊因為喊封城，結果造成搶買物資的人又爆發感染，這回，柯文哲又喊快篩陽性個案取代ＰＣＲ確診數．
.
這些都是乞丐趕廟公，明明應該顧好的本業沒顧好，卻反過來指揮中央要怎麼做，套句台語說的，「家己揹金斗甕，還替人看風水．」
.
指揮中心要指揮全台，地方指揮官要顧好地方，拿地方首長不懂的外行意見，要取代全台應該怎麼做的專業意見，這都只是在掩飾自己的無能和恐慌的轉移焦點而已，光用「快篩陽性個案取代ＰＣＲ確診數」這件事好了，或許在萬華是準確的，在台北卻是不準的；在台北可能是相對準確的，但如果把高雄、彰化、屏東，快篩陽性個案，都當成主要數據，這就是完全不準確的．
.
過去ＳＡＲＳ的例子表明，中央如果和地方不合作，破口就會不斷增加，受害的，只會是人民．
.
什麼叫合作？就是減少口水，互相指責，還有，不要看到黑影就亂開槍，只為了讓對方難做人，只想著卸責和施壓，或者出一些不切實際的主意，那對地方根本沒有好處，這是在防疫，不是在算命．
.
柯文哲前陣子似乎有學會，現在尿性又跑了出來，還是老話一句，你把那些跟中央打嘴砲的時間用來防疫，過去，事情就不會變那麼糟，現在，你有時間在那邊說文解字，還不如真的落實防疫工作，如此，疫情才會轉好，ＢＲＯＴＨＥＲ．
.
.
【贊助神父的菸　尋找萬華明天】
https://g6m3kimo.blogspot.com/p/blog-page.html