Zebec Protocol 将进军尼泊尔市场,通过 Zebec Card 推动该地区金融平等

流支付正在成为一种全新的支付形态,Zebec Protocol 作为流支付的主要推崇者,正在积极的推动该支付方案向更广泛的应用场景拓展。目前,Zebec Protocol 成功的将流支付应用在薪酬支付领域,并通过收购 WageLink 将其纳入旗下,以进一步深耕于基于流支付的薪酬发放领域。目前,已经有好多公司涉足该领域,并拥有超 100 万用户以及数百亿美元的产业价值,而 Zebec Protocol 现在已经与多个平台建立了合作关系,拥有超 150 万分销用户。

除了向薪酬支付领域积极的拓展外,Zebec Protocol 也正在通过推动 Zebec Card 进一步全球化发展的方向努力。据悉,此前 Zebec Card 在去年主要针对于北美、欧洲几个主要市场,合作方曾包括 Visa、Master 等,在这几个市场进行了早期的市场探索后,Zebec Protocol 决定进一步向更广泛的区域探索,以推进全球化进程。

该规划分为两个阶段,在 2023 年的 Q3,率先在亚洲主要地区包括香港、越南、新加坡、台湾、印度和迪拜等率先与一些银行、支付机构合作,推出针对于亚洲市场的 Zebec Card。而在 2024 年 Q1,Zebec Protocol 计划进军拉美市场,在墨西哥、哥伦比亚、阿根廷等主要地区推出 Zebec Card。

实际上,亚洲、拉美地区在加密货币领域有着较高的接受度,一方面亚洲地区、拉美地区常年高通货膨胀,经济发展滞缓,加密货币在投资、储值等方面存在着较高的刚需,另一方面一些亚洲国家在金融领域发展较为超前,比如新加坡、迪拜等,在加密货币领域具备较为完善的法规制度,这也为推行 Zebec Card 提供了先决条件。

在前不久 Zebec 生态社区会议中,Zebec Protocol 创始人 Sam 曾表示,其家乡尼泊尔将是推进 Zebec Card 的首站,旨在推动金融欠发达地区的用户实现金融公平。

金融欠发达地区,将成 Zebec Card 发展的重点市场

随着全球经济的高度发展,高度互联网化进一步让我们的生活更加便利。我们几乎能够通过智能手机以动动手指的方式,享受着高度金融化下的各种便利服务。从全球范围看,仍有多数人难以从便利的线上金融体系中获利。这些地区或因经济、政治、战争等诸多因素,难以成为金融体系的服务对象,因为传统金融体系从这些地区赚取收益存在风险。

Zebec Protocol 创始人 Sam 来自于尼泊尔,他表示其家乡尼泊尔就是这样的地区之一,该地区本身经济产业单一缺乏高新经济产业,导致当地经济发展十分落后。同时该地区多山且人口稀少,很多基础设施建设匮乏导致很多全球发展中国家能够享受到的便利,尼泊尔几乎没有。而类似于尼泊尔的地区并不在少数。

Sam 表示在他 15 岁时也就是十年前,尼泊尔当地几乎没有任何金融服务可言,而即便到现在,尼泊尔几乎也还不怎么支持数字支付,大多数尼泊尔人的借记卡只能用来在银行取钱。所以他认为,Zebec Card 有望改善这一现状,毕竟 Zebec Protocol 本身并不以盈利作为第一要义,通过所有社区成员的努力有望实现新的目标。

从另外一个层面看,金融欠发达地区同样是新的"金融价值洼地",比如尼泊尔市场就有 3000 万潜在用户,超过 4000 亿美元的经济,进军该市场也将让 Zebec 成为首批在尼泊尔发布国际银行卡的团队,基于 Zebec 人们能够在网上进行购物,一切事物都有 Zebec 平台后端处理完成。在这个过程中,ZBC 资产将被进一步被广泛的赋能应用场景。

通过在尼泊尔地区试点积累宝贵的经验,有望让 Zebec Card 后续的推行更加顺利,除了尼泊尔外一些加密货币接受度较高的东南亚地区、拉美地区,同样将是 Zebec Card 的蓝海市场。而在 Zebec Card 的推动下,Zebec Protocol 的流支付业务、薪酬发放业务也有望进一步打开全新的潜力市场。

Zebec 生态代表着一种金融公平,这也是其生态长期发展的社区文化之一,而随着 Zebec 生态的长期布局,ZBC 资产将获得长期的利好加持,并从持续的 Web3 商业红利中赋能。

相关推荐
LonelyProgramme1 分钟前
Flink定时器
大数据·flink
m0_7482448322 分钟前
StarRocks 排查单副本表
大数据·数据库·python
NiNg_1_23424 分钟前
Hadoop中MapReduce过程中Shuffle过程实现自定义排序
大数据·hadoop·mapreduce
B站计算机毕业设计超人28 分钟前
计算机毕业设计PySpark+Hadoop中国城市交通分析与预测 Python交通预测 Python交通可视化 客流量预测 交通大数据 机器学习 深度学习
大数据·人工智能·爬虫·python·机器学习·课程设计·数据可视化
学术头条33 分钟前
清华、智谱团队:探索 RLHF 的 scaling laws
人工智能·深度学习·算法·机器学习·语言模型·计算语言学
18号房客37 分钟前
一个简单的机器学习实战例程,使用Scikit-Learn库来完成一个常见的分类任务——**鸢尾花数据集(Iris Dataset)**的分类
人工智能·深度学习·神经网络·机器学习·语言模型·自然语言处理·sklearn
沛沛老爹39 分钟前
什么是 DevOps 自动化?
大数据·ci/cd·自动化·自动化运维·devops
feifeikon40 分钟前
机器学习DAY3 : 线性回归与最小二乘法与sklearn实现 (线性回归完)
人工智能·机器学习·线性回归
游客52043 分钟前
opencv中的常用的100个API
图像处理·人工智能·python·opencv·计算机视觉
古希腊掌管学习的神44 分钟前
[机器学习]sklearn入门指南(2)
人工智能·机器学习·sklearn