最近讀到一篇覺得很不錯的長文，標題是〈尼采預言了我們的 2026 年——末人、老鼠烏托邦，和台灣人的出路〉，作者是陳璿丞醫師(精神科)。把尼采的「末人」、卡爾洪的老鼠烏托邦實驗、以及 AI 時代的處境串在一起，得出一個結論：你要找到自己的「隧道」，做自己的創造性事業，才不會被這個時代輾過去。

很多地方我點頭點到脖子痠。

但讀完之後，我心裡有一個念頭轉不掉：作者給的解方，我覺得不夠。一個人挖一條隧道，救不了任何人——連自己都未必。

目錄

• 小確幸和末人：那個「眨眼」的動作太溫和了
• AI 時代，意義感的確正在被掏空
• 但一個人挖隧道，救不了任何人
• 我們需要的是中型組織，不是更多獨行俠
• 那條隧道不是通往自己的洞穴，是通往別人
• 補一些對原文的保留

小確幸和末人：那個「眨眼」的動作太溫和了

原文最打中我的是「眨眼」這個動作。

明明知道有問題，但選擇繼續滑手機。明明知道自己應該做點什麼，但選擇相信「反正一個人也改變不了什麼」。明明少子化、房價、AI 衝擊、地緣風險每一件都在頭頂上，但每天還是用一杯精品咖啡、一趟小旅行、一個 Netflix 的夜晚把自己安頓下來。

不痛苦，但也不真正活著。

這個診斷我覺得非常準。

而且我想把作者沒有直接點明的事說清楚：在台灣現在這個時間點，「末人」這個概念最貼切的對象，是那一群整天不做事、不努力、躺在家裡滑手機，卻對國家社會抱怨最多的人。

不努力但抱怨很多——這件事在台灣某些族群身上，已經到了讓人不舒服的程度。

他們會抱怨房價、抱怨低薪、抱怨年金、抱怨什麼都漲、抱怨政府沒有發更多錢給他們。但他們大部分時間不在做任何能改變自己處境的事。不進修、不存錢、不運動、不經營關係、不投資自己。下班就是滑手機、滑短影音、追劇、打手遊，然後在某個夜深的時刻，把所有的失敗歸給「這個爛社會」、「不公不義的政府」、「都是被某某黨害的」。

我不想點名某個政黨的支持者——那會把問題簡化成藍綠對立。但任何一個誠實面對現實的台灣人都會承認，確實有那麼一個族群，他們的生活模式就是這樣。你現在心中想起的人，就是我在說的人。

原文用「眨眼」這個詞，我覺得太溫和了。

在台灣，這個動作不只是眨眼。它是一邊躺著、一邊抱怨、一邊接受別人餵養的怨氣、然後拒絕承擔任何改變現狀的責任。

回到目錄

AI 時代，「意義感」正在被掏空

原文另一個我認同的論點，是 AI 不會「取代工作」這麼簡單，它會取代「意義感」。

這個分辨很重要。

過去你至少需要動腦才能寫一篇報告、做一份簡報、回一封得體的 email。這些事情雖然瑣碎，但它們給你一個「我在做事」的感覺。現在 AI 在十秒內幫你完成。

聽起來像是解放。但作者點出的盲點是：問題不是勞動本身，問題是移除勞動之後留下的真空。

當你工作裡機械的、瑣碎的、重複的部分被 AI 抽走之後，你會更直接地面對那個真正的問題——我到底為什麼還要繼續做這件事?我的存在價值在哪裡?

我自己每天用 Claude 用得很高興。但同時，我也愈來愈常在某個瞬間想：那我會什麼?我能做的，AI 看起來也都能做。

也許末人用 AI 來消費，超人用 AI 來創造。差別不在你會不會用 AI，在你用 AI 之後手上多出來的時間，你拿去做什麼。

這個區分我覺得非常有用。它把一個含糊的焦慮(AI 會不會取代我?)轉成一個具體的問題(我多出來的時間是拿去消費還是創造?)。

而台灣人特別需要這個問題。因為我們的整個消費文化——從手搖飲到偶像綜藝到 IG 限動——基本上就是設計來把人們的時間轉成多巴胺刺激的精密機器。AI 解放出來的時間，如果沒有意識地引導，會直接被這個機器吸進去。

回到目錄

但一個人挖隧道，救不了任何人

到這裡為止，我都同意原作者。

可是接下來，我要對作者最核心的解方說「不夠」。

原作者說，我們要學「隧道老鼠」，找到自己的創造性事業，挖自己的隧道。

這個建議本身沒有錯。但作為「出路」，它太單薄了。

理由是這樣的。

一個人挖一條隧道，在末人社會裡可以讓自己過得有意義一點。可以讓自己不那麼快被時代淘汰。可以讓自己在 AI 取代大部分工作之後，還有一個讓自己活下去的理由。

但這只解決了「自己」的問題。

一個一個人各自挖隧道，加起來不會變成一個有韌性的社會。它只是變成一群各自在自己洞穴裡的人。

而台灣真正面對的危機，不只是個人的意義感問題。是整個社會的韌性問題。

如果中國對台灣動手了，個人隧道的幫助可能有限。

如果 AI 真的在五年內取代了 40% 的白領工作，你一個人的創造性事業能撐起一家人嗎?

如果氣候變遷讓農業崩潰、糧食短缺，你會寫部落格、會做木工、會學炒煮，這些救得了你嗎?

危機真正來臨的時候，救你的可能不是你的隧道。是你身邊有沒有一群人。

這就是我覺得原文不夠的地方。它停在尼采式的「個人超越」，沒有走到下一步：在一個正在崩潰的社會裡，個人能做的最重要的事不是自己挖洞，而是把人找齊。

回到目錄

我們需要的是中型組織，不是更多獨行俠

我覺得在這個時代，理念一致的人必須做一件事——形成一個中型規模的組織團體。

不是巨大的政黨。政黨太遠、太政治化、太容易被綁架。

也不是兩三個朋友的私下聚會。這種規模在危機來的時候，撐不起任何結構。

我說的是：三十到三百人的中型組織。

這個規模，大到足以分擔風險，小到還能維持真實的人際信任。

它可以是一個讀書會，可以是一個台派組織，可以是一個宗教團體，也可以是一個跨領域的專業社群。可以是一個地方型的公民組織，也可以是一個共同準備危機應對的鄰里互助網。可以是線上為主，也可以是線下聚會。

但它必須有幾個共同特質：

第一，理念上有一致性。 大家對「我們在面對什麼樣的世界」、「什麼是值得守護的」、「什麼是值得對抗的」這幾件事，有大致的共識。不是每件事都要一樣，但核心的價值方向要對齊。

第二，有真實的人際關係。 不是 LINE 群組裡的點頭之交。是定期見面、知道彼此家裡的狀況、有事可以託付的那種關係。

第三，有共同的能力儲備。 不同人帶不同的技能進來——醫療、法律、工程、農業、教育、語言、海外連結。在危機來的時候，這個組織可以集體動員。

第四，有時間視野。 這個組織不是為了某個短期目標存在的。它預設自己會存在十年、二十年、甚至傳給下一代。

這四個條件加起來，會發現它跟原文作者說的「找到自己的隧道」是不同層次的東西。

原文作者說的隧道是個人的、退守的、向內挖的。 我說的中型組織是集體的、開放的、向外伸的。

兩者不衝突——你可以一邊挖自己的隧道，一邊參與一個中型組織。但如果只能選一個，我會選後者。

因為這個組織本身，就是把你綁定在一個比你大的東西上面的方式。它讓你不需要靠純粹的個人意志去對抗末人化的引力——你身邊有人會把你拉回來。

回到目錄

那條隧道不是通往自己的洞穴，是通往別人

過去三十年，台灣社會從家族社會、宗族社會，走到了徹底的核心家庭加個人主義社會。我們的祖父母輩有宗親會、有地方廟宇、有同鄉會、有義務役袍澤的關係。這些東西在我們這一代幾乎全部消失了。

留下來的是什麼?是每個人都在自己的小公寓裡刷手機。是每個人在面對任何困境時，第一個想到的不是「我們可以怎麼辦」，而是「我可以怎麼辦」。

這就是末人時代的真正面貌。不是不努力——很多台灣人努力到過勞。

是努力的方向完全是個人的、孤立的、沒有共同體的。

如果接下來十年真的會發生那些我們擔心的事——AI 取代大量工作、台海衝突、氣候危機、社會撕裂——能撐過去的不會是那些個人英雄。

是那些早早就在和理念相近的人建立關係、累積信任、培養默契的人。

不要等到危機來才開始找人。那時候已經來不及了。

從現在開始，認真地花時間在你信得過的人身上。問問自己：如果明天台灣突然陷入巨大的動盪，有沒有十個人是你可以托付、也願意托付你的?

如果答案是沒有，那才是你應該開始挖的隧道。

那條隧道不是通往你自己的洞穴。是通往別人。

回到目錄

補一些對原文的保留

最後簡短記一下，讀的時候有幾個地方我覺得需要打一點折扣。不是要否定整篇文章——大方向我是同意的——但作為讀者，有些地方知道一下比較好。

第一，老鼠烏托邦在科學上其實站不太住。 卡爾洪做了 25 次實驗，只有「第 25 號」走到集體滅絕的結果，其他 24 次都沒有。後來的研究者也指出實驗設計有問題(資源過度集中、缺乏隱私、近親繁殖的基因災難等)。加拿大的 Rat Park 實驗甚至反證了結論——空間夠大、社交豐富的老鼠完全沒有崩潰。所以這個實驗作為「文化隱喻」很有力，但作為科學論證，推不到「物質豐裕的社會必然滅絕」這個結論。

第二，尼采的「末人 vs. 超人」這個二分法，現實裡其實找不到。 大多數人不是末人也不是超人，就是一個盡力過生活的普通人。把社會切成「躺平的廢物」和「創造性的英雄」聽起來很爽，但這個框架容易被拿來合理化對普通人的歧視。

第三，作者說台灣沒有像基督教那樣的「上帝」可以死。 這個說法把儒釋道民間信仰、家族與祖先傳統看得太輕。台灣社會其實一直有它的價值秩序，只是在過去三十年的快速都市化和全球化裡被稀釋掉了——這跟「從來沒有過」是完全不同的事。

不過這些保留不影響我的核心感受：文章的診斷大方向是對的。 它精準地抓到了我們這個時代的某種空氣——不痛苦但也不真正活著的那種空氣。我只是覺得它的解方還可以再往前推一步，從個人走到集體。

本文整理自長文〈尼采預言了我們的 2026 年——末人、老鼠烏托邦，和台灣人的出路〉、正讀到一半的書〈自由主義為什麼會失敗？當代自由社會的陷阱、弊病與終結〉，以及我對台灣社會現況的觀察。AI-assisted writing

#philosophy #taiwan #society #尼采 #community #自由主義 #reading #books

關於這裡 台灣人。台派。喜歡把事情搞清楚。

凡是能解釋「為什麼」的事，我都著迷。科學、創新、哲學、投資，本質上是同一件事：找出規律，然後解開。

讀到真正新奇的東西，會興奮到發抖。

不在書桌前的時候，就在山上、水裡、或某個還沒搭營地的空地。

contact via teamtaiwan.trophy127@passmail.net 本站僅提供參考，不是人生建議，不是醫療建議，不是投資建議。

有一個轉折點，發生在 2010 年代初。那幾年智慧型手機開始普及，而同一時間，1995 年後出生的這一代青少年——憂鬱、焦慮、自傷、自殺率，全部同步往上爬升。

不是單一國家。美國、英國、加拿大、澳洲、北歐，趨勢一模一樣。

社會心理學家 Jonathan Haidt 把這件事稱為「童年的大重連(The Great Rewiring of Childhood)」。這本書讀完，我的評分是 3.9 顆星：它的診斷讓人坐立難安，但它的論證方式，也讓我在闔上書之後留下了一個問號。

目錄

• 一句話的核心主張
• 為什麼面對面這麼重要
• 我們天生就在模仿，而演算法知道這件事
• 四種看不見的傷害
• 男孩與女孩，輸的方式不一樣
• 一個演化錯配的觀察
• 學界的另一種聲音
• 那個我反覆想的「風險不對稱」

一句話的核心主張

Haidt 整本書，其實可以濃縮成一句話：

「現實世界過度保護、虛擬世界保護不足。」

我們把孩子關在室內，不准他們爬樹、不准他們單獨走路上學、不准他們承擔任何風險;卻同時把一支能連上整個網路、毫無防護的裝置交到他們手上。

這兩件事，是同一個錯誤的兩面。

回到目錄

為什麼面對面這麼重要

書裡有一段，是我覺得最值得停下來的地方。Haidt 拆解了人類面對面互動的四個核心特徵。

它是具身的(embodied)——我們用身體溝通，也讀著對方的身體。

它是同步的(synchronous)——發生在同一時刻，帶著節奏與輪流的微妙線索。

它是一對一或一對少數的——同一時間只有一場互動在進行。

它發生在進出門檻很高的社群裡——所以人們有強烈動機去投資關係、在裂痕出現時去修補它。

社群媒體把這四件事全部拿掉了。

而當一群人用相同的節奏與韻律一起即時互動，彼此之間的互信會更深。這是線上儀式怎麼樣都補不回來的東西——Haidt 甚至把這個觀察延伸到宗教：人類是透過「一起存在、一起移動」而演化出宗教性的，所以線上的儀式效果非常有限。

回到目錄

我們天生就在模仿，而演算法知道這件事

人類靠兩種社會學習本能生存：從眾(conformity)與高手崇拜(prestige-following)。

從眾讓我們模仿身邊大多數人在做的事，這在新環境裡是可靠的生存捷徑。問題是，社群媒體把這個本能放大到一個荒謬的程度——青少年可以在幾個小時內吸收上千個行為線索。這讓平台塑造規範的力量，遠遠超過父母或學校曾經能做到的程度。

另一種本能，是追隨那些被公認為卓越的人。這原本是雙贏：追隨者得到知識，也分到一點對方的地位光環；被追隨者得到忠誠的觀眾，鞏固自己的位置。但當這套機制被搬上演算法驅動的平台，它要餵養的就不再是「學習」，而是「停留時間」。

我讀到這裡才比較理解，為什麼這件事對青少年特別致命。他們的大腦本來就被設定成「拼命模仿周圍的人」，而我們把這個最脆弱的時期，交給了一套以最大化使用時間為唯一目標的系統。

回到目錄

四種看不見的傷害

Haidt 整理出四種基礎傷害，我覺得這是全書最具操作性的部分。

社交剝奪——2012 年後，青少年面對面相處的時間減少了大約一半。

睡眠剝奪——手機壓縮並破壞睡眠，而睡眠不足直接連向憂鬱、焦慮與認知退化。

注意力碎片化——持續的通知與打斷，嚴重損害專注的能力。

成癮——演算法的設計目標就是讓你留下來，即使代價是兒童的心理健康。

Haidt 把這裡的科技公司，直接類比成菸草業與含鉛汽油產業：在沒有充分研究的情況下，對一整個世代的兒童進行了一場前所未有的社會實驗，並且把利潤放在安全之上。

書裡還借用了一個我很喜歡的概念——「螢幕排擠效應」。智慧型手機帶來的體驗太有趣，以至於它造成了一個嚴重的副作用：它降低了孩子對所有「非螢幕」活動的興趣。傷害不只是螢幕做了什麼，而是螢幕讓你不再想做別的事。

回到目錄

男孩與女孩，受影響的方式不一樣

這本書沒有把性別差異輕輕帶過。

對女孩而言，傷害集中在外貌比較與社交排擠。書裡有一句青少年自己說的話，刺得很準：一個女孩傳了裸照，她就是「蕩婦」;換成男孩做同樣的事，大家只是笑笑。

Haidt 用一組概念解釋背後的動機差異：能動性(agency，主導性、掌握感、渴望突出、影響世界)與共融性(communion，渴望連結與歸屬)。男孩與女孩都想要這兩者，但從小的遊戲就看得出傾向——男孩偏向能動性，女孩偏向共融性。社群媒體看起來像是在滿足共融的渴望，但實際上往往挫敗了它。

男孩的問題則是另一種情況：「拒絕起飛(failure to launch)」。他們更可能成為「不就學、不就業、不受訓」的年輕人。書裡提到日本的 hikikomori(繭居族)，是這種終身退縮的極端版本。有趣的是，Haidt 也誠實地寫下：目前的研究顯示，電玩本身並沒有對男孩造成太大的不良影響——傷害的主軸還是在社群媒體那一邊。

女孩，是手機世代的主要受害者。

回到目錄

一個演化錯配的觀察

書裡談到恐懼的演化來源時，有一個有趣的說明。

我們的恐懼大多來自真的會致死的東西——蛇、蜘蛛、高處、密集恐懼——漫長的演化把這些威脅刻進了本能。但人們現在反而很少對真正會殺死自己的東西產生恐懼：鴉片、車、刀、槍、垃圾食物。

差別在哪裡?

古早的威脅都是立即性的——東西一出現，你可能當場就死。而現在這些因素造成的死亡，往往要很久以後才看得到結果。比如甜食。

我們的本能來不及為「延遲的傷害」演化出警報。而智慧型手機對童年的傷害，恰好就是這種延遲的、緩慢的、要等很多年才顯現的那一種。

這或許正是為什麼這件事這麼難被當一回事。

回到目錄

學界的另一種聲音

如果只寫到這裡，這會是一篇推薦文。但我給 3.9 而不是更高，原因在這一段。

這本書最核心、也最該被認真對待的批評是：相關性不等於因果關係。

Candice Odgers 在《自然》期刊的評論指出，大量研究顯示社群媒體對心理健康的效應量極小、或結果並不一致。Amy Orben 與 Andrew Przybylski 認為，把智慧型手機與心理健康下降連結起來的證據其實薄弱且具爭議。Christopher Ferguson 的後設分析甚至發現，因果效應在統計上與零無異。

換句話說，Haidt 可能說對了一件大事，但他證明它的方式，也許沒有那麼強。

回到目錄

那個我反覆想的「風險不對稱」

讀完之後，真正留在我腦子裡的，不是某個數據，而是一個決策框架。

如果我們限制青少年使用社群媒體，事後發現它其實不是主因——損失有限，無非是孩子少滑了幾年手機。但如果我們什麼都不做，而它確實是主因——代價是一整個世代的心理健康。

這種不對稱，讓「採取行動」變成比較理性的選擇，即使因果證據還不完整。

這也呼應了書裡借自 Nassim Taleb《反脆弱》的概念：兒童需要適度的逆境與挑戰，才能長出成年所需的韌性;過度保護反而讓他們更脆弱。

Haidt 給家長的四個建議很具體：14 歲前不用智慧型手機，只用功能型手機;16 歲前不開社群媒體帳號;學校全面無手機化;以及——還給孩子更多無人監督的自由遊戲與獨立空間。書的最後幾章還有更多實質建議，我把它記下來，打算未來重看一次。

讀完這本書，我沒有完全被它說服，但我也沒辦法假裝它說的不重要。

我們大人都應該問自己一個問題：

當我們一邊把真實世界的物理風險全部抽走、又同意讓虛擬世界的風險全部放進來——

這樣的孩子，能「健康」長大嗎?

本文為《The Anxious Generation》(Jonathan Haidt)讀書心得，並參酌書中論點與學界對該書的批評整理而成。AI-assisted writing

#books #reading #parenting #socialmedia #psychology

關於這裡 台灣人。台派。喜歡把事情搞清楚。

凡是能解釋「為什麼」的事，我都著迷。科學、創新、哲學、投資，本質上是同一件事：找出規律，然後解開。

讀到真正新奇的東西，會興奮到發抖。

不在書桌前的時候，就在山上、水裡、或某個還沒搭營地的空地。

contact via teamtaiwan.trophy127@passmail.net 本站僅提供參考，不是人生建議，不是醫療建議，不是投資建議。

多巴胺讓你愛上臉書Ig抖音，它也能讓你愛上看書!

目錄

• 大腦只懂一種語言
• 為什麼讀書這麼痛苦？問題出在比較
• 多巴胺的真正定義：不是快感，是預期
• 多巴胺負載法：三個階段
• 一天的實作流程
• 第四天會發生什麼事
• 保護這個新模式，以及五天挑戰

大腦只懂一種語言

如果有人告訴你，你的大腦可以像渴望滑手機一樣渴望讀書，你可能會覺得這根本是胡說。

但問題的核心在這裡：你的大腦其實不知道「讀書」和「滑 Instagram」的差別。它只懂一種語言，叫做多巴胺。

這篇文章要介紹的，是一個叫做「多巴胺負載法」（Dopamine Loading Method）的技術。它不靠意志力，不靠強迫，而是直接和大腦的化學機制合作，而不是對抗它。

回到目錄

為什麼讀書這麼痛苦？問題出在比較

每次你打開 Instagram、看一個 YouTube 短片、或者玩一局手遊，你的大腦會得到一個巨大的多巴胺脈衝。它是即時的，不費力，而且感覺很好。

然後你試著坐下來讀書。你的大腦自動把讀書和剛才那些活動做比較。讀書釋放的多巴胺遠遠更少。所以你的大腦對你大喊：這很無聊，回去玩那些有趣的東西吧。

你不是懶，你也沒有壞掉。你的大腦只是在執行它被設計來執行的邏輯：

用最少的力氣，找到最大量的多巴胺活動。

回到目錄

多巴胺的真正定義：不是快感，是預期

多巴胺不是「快感物質」。它是「預期與獎勵預測」的物質。

這個差別很關鍵。多巴胺在你預期某件好事即將發生的時候釋放，而不只是在好事真的發生之後。這也是為什麼人們會在開始玩遊戲之前就已經感到興奮，會在還沒刷卡之前就已經對新買的東西感到滿足。

你的大腦不知道讀書和社群媒體的差別。它只理解一件事：預期中的獎勵。而這，正是多巴胺負載法要利用的機制。

回到目錄

多巴胺負載法：三個階段

這個方法分三個階段運作：剝奪、啟動、放大。

第一階段：剝奪（Deprivation）

在開始讀書之前，你需要先降低你的基準多巴胺水平。做法是：30 分鐘什麼刺激性的事都不做。不看手機，不聽音樂，不說話。就是沉默，或者去散一個簡單的步。你的大腦會討厭這件事，感到不舒服，但這正是重點。你在製造一個多巴胺赤字，讓你的大腦開始飢渴地尋找刺激。

第二階段：啟動（Priming）

在打開書本之前，花兩分鐘在腦海裡想像自己讀書很順利的畫面。想像自己理解了一個概念，解決了一道難題，感到滿足。這個步驟創造預期感。你的大腦在你還沒開始之前，就已經開始釋放多巴胺，因為它預測獎勵即將到來。

第三階段：放大（Amplification）

在讀書的過程中，你要手動注入多巴胺獎勵。每 25 分鐘，給自己兩分鐘的輕度休息：伸展、走動、慢慢喝水。不是滑手機，不是高多巴胺活動。只要剛剛好讓你的大腦知道：這個讀書的事情，是有附帶獎勵的。

回到目錄

一天的實作流程

以下是一個可以從今天就開始的完整日程。

早晨起床：醒來之後不要碰手機。這一步至關重要。改為喝水、整理床鋪、如果可以的話洗一個冷水澡。你在維持低多巴胺狀態，讓讀書這件事在稍後能顯得更有吸引力。

讀書前準備：30 分鐘多巴胺剝奪。坐在安靜的地方，去散步，或者就只是望著窗外。讓你的大腦無聊，讓它渴望刺激。

第一個學習時段：開始之前，閉上眼睛兩分鐘，想像自己把這段讀書時間搞定了。然後開始，使用番茄工作法：25 分鐘專注，5 分鐘低多巴胺休息。休息時不要拿手機，就呼吸、伸展、走一走。每完成一個學習時段，給自己一個小慶祝——說一聲「好！」或者握拳。聽起來蠢，但它在訓練你的大腦把讀書和「贏」聯繫起來。

上午休息：可以有一個適度的獎勵——一頓好的早餐，曬一下太陽，也許做 10 分鐘輕度運動。仍然不要碰手機。

午餐：不看螢幕地慢慢吃。注意食物的味道和口感。這讓你的多巴胺受體保持敏感。

下午學習時段：到這個時候，你的大腦已經開始把讀書和多巴胺釋放聯繫在一起。繼續維持這個模式。

晚上收尾：這是你可以享受高多巴胺活動的時候，但要有策略地使用。可以看影片、玩遊戲，但設定時間限制。你賺到了這個，但你仍在掌控中。

回到目錄

第四天會發生什麼事

前三天會像地獄一樣。你的大腦會抵抗，它想要拿回那些容易的多巴胺。

但大約在第四天或第五天，奇妙的事情會發生。

讀書開始感覺令人滿足。不是因為讀書這件事改變了，而是因為你的多巴胺基準線重設了。突然間，理解一個概念會給你一種真實的衝勁。解決一道題目感覺像是在遊戲裡贏了一關。你不再是在強迫自己，你開始真的想讀書。

這就是多巴胺負載法在運作的樣子。你已經訓練你的大腦從生產性的活動，而不是無腦滑動中獲得它的「快感」。

回到目錄

保護這個新模式，以及五天挑戰

關鍵在於保護這個新模式。

一次三小時的社群媒體狂刷，可以重置你的進度。 你要像守護珍貴的東西一樣守護你的多巴胺，因為它確實是珍貴的。你花了好幾天讓你的大腦重新學習什麼是值得興奮的事情，一個下午的無節制滑動就能把那個學習成果蓋掉。這不是在恐嚇，這是大腦的運作機制。

挑戰很簡單：試這個多巴胺流程五天，就這樣。不要想「我要一輩子這樣做」，不要擔心完美，就承諾五天的多巴胺負載。

記錄你的感受。注意讀書什麼時候開始從折磨變得像一場你正在贏的遊戲。你的大腦極其善於適應。它現在對錯誤的事情上癮。但用對的方法，你可以讓它對成長、學習、以及成為你想成為的人上癮。

多巴胺已經在那裡了。你只是在重新引導它的方向。

#psychology #health #dopamine #learning #productivity

回到目錄

本文整理自關於「This Dopamine Trick Will Make You Addicted To Studying」的影片。

關於這裡 台灣人。台派。喜歡把事情搞清楚。

凡是能解釋「為什麼」的事，我都著迷。科學、創新、哲學、投資，本質上是同一件事：找出規律，然後解開。

讀到真正新奇的東西，會興奮到發抖。

不在書桌前的時候，就在山上、水裡、或某個還沒搭營地的空地。

contact via teamtaiwan.trophy127@passmail.net 本站僅提供參考，不是人生建議，不是醫療建議，不是投資建議。

注意：受訪者是被學術界視為「異端」的研究學者。

目錄

• 試圖理解這場無法理解的戰爭
• 這不是政治，這是黑手黨的勒索
• 荷姆茲海峽：你可能從未想過的脆弱咽喉
• 伊朗早就準備好了
• 五種情境，沒有一種是好的
• 不平等製造戰爭，戰爭製造更多不平等
• 個人如何在系統性崩潰中自保
• AI 泡沫、比特幣歸零與星際前途
• 最後的警告：我們正坐在塞內卡懸崖的邊緣
• 有關受訪者

試圖理解這場無法理解的戰爭

伊朗的核設施被轟炸的那幾週，Stephen Bartlett 坐在《Diary of a CEO》的攝影棚裡，試圖拼湊一張世界地圖上正在發生的事。

他邀請了 Professor Steve Keen——經濟思想史、金融不穩定性以及貨幣動態學的研究者，也是少數在 2008 年金融危機之前就公開預警的經濟學家之一——來做了這場訪談。

Steve Keen 的學術背景讓他在主流經濟學界是一個少數派。他說：

「我研究貨幣動態，這讓我在經濟學界是少數派。因為大多數經濟學家完全忽視貨幣的存在。這很荒謬，但這是真的。」

荒謬的不只是學術界。這場訪談觸及的每一個主題，都讓人意識到我們所有人都置身於一局遠比想像中更脆弱的棋盤上。

回到目錄

這不是政治，這是黑手黨的勒索

你沒辦法對一個敬仰黑手黨的人講道理

Steve Keen 很快就把話說清楚了。

他說，你不能用正常的政治框架去分析川普，因為坐在白宮裡的這個人，本質上是一個黑手黨頭目在運作國家。「你選出了一個崇拜黑手黨的人當美國總統。我們現在得到的不是任何基於政治必要性的決策，而是一場勒索。」

那麼為什麼是伊朗？Steve 認為，美國深層政府反伊朗已經有四、五十年的歷史。以色列也想消滅伊朗同樣長的時間。而川普——他把這兩個特質放在一起形容——「足夠蠢，同時又足夠狡猾」，去做了以色列一直想做但自己辦不到的事。

但這場戰爭還有另一層動機，更直接也更醜陋。

「我認為川普正在進行的，是一場拉高出貨的計謀。他試圖推高油價，事先告訴朋友他準備要公告一個消息，讓油價先漲後跌，然後反覆套利。這是他為自己和他的朋友賺錢的方式。」 (“I think Trump is doing at the moment is a pump and dump scheme. He's trying to drive up the oil price, tell friends beforehand that he's about to make an announcement which will cause the price to fall. And he's just oscillating this way up and down and exploiting it for his friends and for his own wealth in the process.”)

Bartlett 問，你真的這樣認為嗎？

Steve 回答：「不然你怎麼解釋這些事情？」

關於川普為何還能維持支持、為何全球政客似乎沒有人敢正面挑戰以色列，Steve 提出了一個他說「唯一能解釋」的假設：Epstein 案。他說，伊朗人把他們正在對抗的勢力稱為「Epstein 階層」，而這是他所能找到的唯一能解釋全球政治人物和其選民之間巨大分裂的理由。

回到目錄

荷姆茲海峽：你可能從未想過的脆弱咽喉

一個 21 公里寬的缺口，決定了全球能否吃飯

訪談中有一段是我認為最應該被更多人知道的部分。

荷姆茲海峽，是波斯灣的咽喉，只有 21 公里寬 (另有一說為30公里左右)。波斯灣周邊國家出口的石油、天然氣、化肥，還有氦氣，全部都必須通過這個狹窄的缺口。而這個缺口，完全在伊朗武器的射程之內。

Steve 說：「他們可以說，你通過或不通過，取決於你的國家對我們國家的態度。」

你以為這只是影響油價？

他提出的數字讓人震驚。全球約 20 到 30% 的化肥，通過荷姆茲海峽。如果這個咽喉被封鎖，全球面臨的不是通膨，是饑荒。

「如果這個荷姆茲海峽不可用，地球將面臨饑荒。」(“If this is not available, the globe has a famine.”)

不只是化肥。氦氣，半導體產業和醫療設備不可或缺的氣體，也同樣來自這個區域。

Steve 還提到，伊朗此前的一次攻擊，摧毀了沙烏地阿拉伯用於生產液化天然氣的 14 個關鍵設施中的 2 個。重建需要五年，全球只有五家公司有能力做這件事。結果是，全球液化天然氣供應中有四分之一通過這個海峽，而其中十分之一已經消失了——這意味著全球能源供給中有 2.5% 在未來五年裡就這樣不見了。

杜拜的機場每次被迫關閉，損失是每分鐘一百萬美元。60 億元一個小時。140 億元一天。

Steve 說：「杜拜不安全。它從來就不安全。人們在那裡住著，把自己忘記置身中東的感覺當成了事實。」

回到目錄

伊朗早就準備好了

他們觀察了四十年，然後準備了四十年

以色列和美國嚴重低估了伊朗。

Steve 解釋，伊朗從幾十年前就目睹了所謂「斬首攻擊」的邏輯：拿掉一個國家的領導人，整個軍事體系就崩潰了，然後就可以進去佔領。伊拉克就是這樣失敗的。

伊朗人看著這一切，然後做了一件事：他們把整個軍事體系分散化。伊朗有 31 個省，他們的軍力也被拆分成 31 個獨立的指揮單位。每個單位有自己的資源、導彈、後勤系統，各自有一套安全備援系統在背景持續運行。

「要打垮這個國家，你必須同時打垮所有 31 個單位。而要做到這一點，你幾乎要把整個國家轟炸回石器時代。他們顯然一直在嘗試這樣做。但伊朗是一個巨大的國家。」

Steve 特別強調伊朗的地理規模往往被人低估。伊朗的面積，大於法國、德國、義大利和西班牙的總和，人口九千萬，並且遍佈山地地形——他說那是一個「地獄般的作戰環境」。

他的結論很直接：美國沒有贏過 1945 年以後的任何一場戰爭。越南敗了，伊拉克敗了，阿富汗敗了。這場戰爭是另一場美國失敗，但規模遠超過前幾場。

回到目錄

五種情境，沒有一種是好的

從核冬天到文明重組

訪談中最令人不安的一段，是 Steve 攤開他預測的五種可能情境。

情境一：伊朗被摧毀。 Steve 說，要做到這一點，只有一個辦法：使用核武器。而一旦這發生，後果不只是伊朗的問題。那些武器的爆炸當量是廣島原子彈的一千倍。轟炸一個相當於半個西歐大小的國家，你需要的是數百枚這樣的武器。如果那個情境發生，「我們全都沒了」。他給這個情境的發生概率是 5%——聽起來很小，但對於全人類滅絕來說，5% 是一個讓人無法入睡的數字。

情境二：伊朗摧毀波斯灣電力基礎設施。 Steve 說這個「高度可能」。如果伊朗搗毀沙烏地阿拉伯、卡達、杜拜的電力系統，這些地方就會變得不宜居住。那些在那裡工作的幾百萬名來自印度、巴基斯坦、菲律賓的工人，如果撤離，整個區域的能源出口體系就瓦解了。

情境三：以色列啟動「參孫原則」。 這是 Steve 說最讓他感到恐懼的情境。參孫是《聖經》故事裡的人物，他被削去頭髮之後失去力量，被困在兩根柱子之間，但頭髮慢慢長回來了，他重新有了力量，推倒了柱子，讓整座聖殿崩塌，所有人一起死去。以色列的「參孫原則」，指的是當他們意識到自己在這場戰爭中面臨存亡危機時，可能選擇動用核武器，讓整個世界一起毀滅。

情境四：伊朗解除以色列的核武裝。 Steve 說，這其實是他認為最可能發生的情境，也是他最希望看到的。他的理由是：伊朗對這場衝突的準備遠比任何人預期的更充分，他希望這種準備也延伸到了能夠中和以色列核武器的能力。

情境五：伊朗發展出自己的核武器。 Steve 說，他寧願情境四發生。

回到目錄

不平等製造戰爭，戰爭製造更多不平等

這一切在歷史上已經發生過一次了

Steve 在訪談中提出了一個讓人很難反駁的歷史觀察。

大多數人以為希特勒的崛起是因為威瑪共和國的惡性通膨。但 Steve 說，這是錯的。希特勒掌權的時候，德國的通膨率是負 10%，是通縮。真正讓希特勒上台的，是失業率從極低飆升到 25%——在那個情境下，人們準備好支持任何說「我能拯救你們」的人。

「不平等導致人們願意選出煽動者。然後你就得面臨戰爭了。」(“Inequality leads to people being willing to elect demagogues to say, we can save you. And then you get war coming out of it.”)

但他說，二戰之後，政治人物從中學到了教訓。因為在那個年代，美國人民在討論究竟是法西斯世界還是共產主義世界——兩條路都很可怕。所以美國政府意識到必須大幅提升普通美國人的生活水準，才能讓社會穩定下來。這就是 1950 到 60 年代被稱為「資本主義黃金時代」的那段時期，一個男人可以養活妻子和四個孩子，過上舒適的生活。

然後我們忘了這件事。

「我們現在回到了巨大的不平等狀態。我認為不平等製造戰爭，戰爭的餘波讓人們重新聚焦於平等，不想讓那種恐怖再次發生。然後我們忘記，又把整件事再來一遍。」

這場伊朗戰爭，他認為，在某種意義上正是這個循環的最新一個章節。

回到目錄

個人如何在系統性崩潰中自保

答案比你想的更基本

Bartlett 問了一個所有人都想問的問題：對於現在的普通人，面對這一切，有什麼是可以做的嗎？

Steve 的回答沒有什麼讓人驚喜的投資建議，但他的誠實本身就值得記錄下來。

「不要問我個人財務規劃。我這輩子都在研究如何改革整個經濟體系，個人理財這一塊，我可以坦白說，搞得很糟。我把注意力放在對所有人都可持續的系統上，而不是我自己能撈到多少。」

但他說了兩件很具體的事。

第一：投資太陽能。「我們已經到了可以為自己的房子安裝太陽能系統的時代。如果你依賴石油，你的生存就是脆弱的。即使太陽能安裝成本更高，你也應該這樣做，因為沒有能源，就沒有文明。這場衝突正在讓我們以最艱難的方式學到這一課。」

第二：自給自足。他說，如果有任何方式能夠自己種一部分食物，這能為你提供一些緩衝。他承認自己從來沒種過東西，「我是植物殺手，不是綠拇指」。但他說，二戰期間，英國大量的糧食是由把自己的花園改造成菜園的普通市民種出來的。

他最後說了一句很沉重的話：「只要我們認為可以在個人層面上應對圍繞我們的系統性問題，就假設了這個系統還在運作。如果系統不穩定，個人的任何應對都只是自欺欺人。」

回到目錄

AI 泡沫、比特幣歸零與星際前途

當你問一個預測過 2008 年的人，下一次崩潰在哪裡時。

Steve 在訪談中也談到了 AI。

他的框架是 Schumpeter 式的：每一種新技術都會經歷一個相同的循環。投資者看到潛力，所有人一起湧入，建起太多太快，90% 的公司倒閉。但我們最後都得到了那個基礎設施。鐵路是這樣，網路是這樣，AI 也會是這樣。

「每一家投資 AI 的公司都有一個野心：成為地球上唯一的 AI 提供者。所以你得到了過多公司、過多資金湧入。這就製造了泡沫。但當技術上線，它會衝擊現有的商業模式，然後你得到蕭條。」

目前 Meta、Amazon、Microsoft、Alphabet、Oracle 等大型科技公司加起來，預計在 2026 年一年內在 AI 基礎設施上花費 7,200 億美元，而這不到他們總收入的 20%——也就是五比一的比例，錢進去的比回來的快五倍。Steve 說，這在歷史上從來都不可持續。

至於比特幣，他說他認為最終會歸零。原因不是炒作，而是能源。

「比特幣帳本的安全機制，是因為破解它需要的能耗太高了。每一筆交易需要全球電腦處理十分鐘。這意味著它有巨大的能源需求。而我相信，在某個時間點，我們會意識到自己在這個星球上消耗了太多能源，然後必須削減。最容易被砍掉的兩件事，是加密貨幣和國際旅行。」

而在更長遠的未來，Steve 說他甚至比馬斯克更相信太空：「我認為我們必須把生產轉移到地球以外。因為只要我們被限制在這個生物圈裡，生物圈的物理限制就會阻止我們使用我們想要的那麼多能源。」

回到目錄

最後的警告：我們正坐在塞內卡懸崖的邊緣

從豐盛到崩潰可以非常快

塞內卡是古羅馬斯多葛哲學家。他有一句話：「成長緩慢，崩潰迅速。」

現代系統動力學借用了這個概念，叫「塞內卡懸崖」（Seneca Cliff）：一個系統可以長期維持，甚至繼續成長，直到它突然從懸崖上掉下去，進入不可逆的崩潰。

Steve 說，這就是他對我們現在所在的位置的描述。

「我們的系統遠比我們說服自己相信的更脆弱。軍事衝突、或者超出生物圈承載能力的過度消耗，都可以讓我們從豐盛的未來跌落到崩潰。我們可以從豐盛變成崩潰。」

Bartlett 問：那麼在家的人應該怎麼做來糾正這條路？

Steve 的第一個回答是：不要再選蠢蛋了。

他說，問題的根源在於我們選舉這個機制本身就製造了問題——它讓自戀者和妄想者有了展示的舞台，然後我們就把權力給了他們。他說，古希臘的雅典民主不是選舉制，而是用抽籤選出有能力的公民來擔任要職，而且你甚至不會因為這個角色而成名。

他說，我們最終選出來的是川普、史塔默(英國首相)、艾巴尼斯(澳洲總理)這樣的人。「他們是你做決策時最不應該用的那種人。」

這場訪談在他 73 歲生日前一天錄製。節目組端出了蛋糕，他吹滅了蠟燭，許了一個願。

「我希望中東能有和平。」

有關受訪者

他是全球少數以群眾募資方式資助獨立研究的經濟學家之一，Patreon 訂閱者超過一萬人，Substack 也有規模相當的讀者群。他在學術影響力評比機構 Academic Influence 的全球經濟學家影響力排名中位列第 19。

著作包括： – Debunking Economics: The Naked Emperor of the Social Sciences（2001，2011 年修訂版） – Can We Avoid Another Financial Crisis?（2017） – The New Economics: A Manifesto（2021）

本文整理自 Stephen Bartlett 《The Diary of a CEO》Podcast 與經濟學家 Professor Steve Keen 的深度訪談。Steve Keen 的研究與評論可在其 YouTube 頻道找到。

回到頁首

關於這裡 台灣人。台派。喜歡把事情搞清楚。

凡是能解釋「為什麼」的事，我都著迷。科學、創新、哲學、投資，本質上是同一件事：找出規律，然後解開。

讀到真正新奇的東西，會興奮到發抖。

不在書桌前的時候，就在山上、水裡、或某個還沒搭營地的空地。

contact via teamtaiwan.trophy127@passmail.net 本站僅提供參考，不是人生建議，不是醫療建議，不是投資建議。

目錄

• 凱道的人們與一個古老的心理陷阱
• 民眾黨的帳面，已經是赤字了
• 損失厭惡：為什麼「輸了還在撐」不只是意志力問題
• 前景理論與康納曼的發現
• 政黨支持裡的「凹單」心理
• 轉換成本：為什麼離開民眾黨感覺這麼難
• 「沉沒成本」的詛咒：投入愈深，愈難回頭
• 你可以怎麼做
• 最後說一句話

凱道的人們與一個古老的心理陷阱

2026年3月29日，凱達格蘭大道來了一萬人。

他們舉著旗子、喊著口號，為一個剛被一審判處17年有期徒刑的政治人物站台。柯文哲，這個曾經以「清廉、勤政、愛台灣」為號召的前台北市長，此刻正面對著京華城案的漫長法律戰。而他的支持者——那群被稱為「小草」的人們——仍然在風裡等待。

我不打算在這裡評斷京華城案的法律對錯。我想問的是另一個問題：

那些清楚看到民眾黨出了嚴重問題的支持者，他們為什麼還在那裡？

這不是挑釁，是一個真誠的心理學問題。因為同樣的模式，也出現在每一個賠錢不肯停損的散戶身上。它有一個正式的名字： 損失厭惡（Loss Aversion）。

回到目錄

民眾黨的帳面，已經是赤字了

讓我們先把帳算清楚。

民眾黨最初吸引了大量中間選民，核心訴求是「超越藍綠」、「理性問政」、「打破政治對立文化」。這批選民投入了時間、感情、網路聲量，以及選票——換一個投資的說法，這就是他們的「買入成本」。

但這幾年發生了什麼？

黨主席本人涉入刑案，從羈押到一審判決；黨的立法院表現多次被批評為配合國民黨進行程序杯葛；黨內的問政路線從「第三條路」逐漸滑向傳統藍營邏輯；更根本的是，「超越藍綠」這個當初最讓人動心的承諾，早已難以在日常政治操作中辨認。

對一個投資人來說，這就是標的「基本面惡化」。

現在問題來了——如果你在2022年買進了一檔股票，理由是「它打破舊有格局」，而三年後它不只沒有打破什麼，創辦人還被司法纏身——你會不會承認自己看錯了，然後停損出場？

大多數人不會。理由不是因為他們沒有看到數字，而是因為「損失的痛苦」已經把大腦的理性迴路蓋過去了。

回到目錄

損失厭惡：為什麼「輸了還在撐」不只是意志力問題

損失厭惡（Loss Aversion）是行為經濟學最核心、也最反直覺的發現之一。

它說的是：失去某樣東西所帶來的痛苦，在心理上大約是獲得同等事物所帶來的快樂的兩倍。

換句話說，丟掉100元的難受，比撿到100元的開心更強烈——即便金額完全相同。

這不是個性問題，也不是教育程度問題。它是人類大腦在演化過程中寫進去的底層程式。神經科學研究顯示，大腦的杏仁核（amygdala）——那個處理恐懼的區塊——在面對潛在損失時的反應，要比面對潛在獲益時更激烈、更優先。

從演化的角度看，這完全合理：對遠古人類來說，錯失一次打獵機會頂多少吃一頓，但忽視一次天敵威脅可能當場死亡。「損失比獲益更危險」是刻進基因的邏輯。

問題是，這個對生存極度有用的機制，在現代的政治選擇裡，常常讓人做出真正害自己的決定。

回到目錄

前景理論與康納曼的發現

這個領域最重要的理論基礎，來自心理學家丹尼爾·康納曼（Daniel Kahneman）和艾默斯·特沃斯基（Amos Tversky）。他們在1979年提出了「前景理論」（Prospect Theory），後來成為康納曼獲得諾貝爾經濟學獎的核心貢獻。

他們做了一個非常直觀的實驗：

你有兩個選項——

選項A：直接得到100元。 選項B：50%機率得到200元，50%機率什麼都沒有。

期望值完全相同，大多數人選了A。

現在換一個框架——

選項A：確定損失100元。 選項B：50%機率損失200元，50%機率一分不損。

大多數人這次選了B——選了賭博。

這個對稱性令人吃驚。面對「可能的獲益」，人是風險趨避的（保守）；面對「確定的損失」，人反而變成了賭徒。

為什麼？

因為「確定損失100元」這件事觸發的痛苦，大到讓人情願去賭一個可能讓情況更糟的結果——只要那個結果不是「確定的失去」。

這個心理，在選舉政治裡也完全成立。

回到目錄

政黨支持裡的「凹單」心理

股市裡有個詞叫「凹單」——就是明知道一檔股票已經基本面惡化，卻硬撐著不停損，寄望它有一天會回來。

行為金融學把這個現象稱為「處置效應」（Disposition Effect）：人們傾向於太快賣掉賺錢的股票，卻死抱著賠錢的股票。

背後的心理邏輯是：只要不賣，就沒有「真正賠錢」。帳面上的虧損還不是實現的損失，還有回本的可能。賣了，才是真的承認看錯了。

把這個邏輯套回政治支持，幾乎是完美的對應——

「民眾黨現在有問題，但我等它回來。」

「現在離開，等於承認我當初的選擇是錯的。」

「我不想讓那些說民眾黨沒用的人得意。」

最後這一點尤其要命。承認自己支持的政黨走偏了，在社交層面意味著「公開認輸」。而失去社會認可，和失去金錢一樣，都會觸發損失厭惡的機制。

所以人們繼續撐著——不是因為他們相信基本面還好，而是因為「停損」的痛苦，在這個當下比「繼續持有」更難承受。

回到目錄

轉換成本：為什麼離開民眾黨感覺這麼難

在投資領域，轉換成本（Switching Cost）是指從一個標的換到另一個標的，所需要付出的代價——除了金錢，還有時間、資訊重建、以及心理上的「放棄熟悉的東西」。

在政治裡，轉換成本更高，也更不透明。

一個長期支持民眾黨的選民，如果要「換邊」，他面對的代價包括：

身份認同的損失。 「小草」這個標籤，已經成了一種社群歸屬。放棄支持，等於放棄這個圈子的認同與連結。

過去投入的否定。 一個人如果花了三年在網路上為柯文哲辯護，寫了幾百則留言、轉發了幾百篇文章——現在承認這一切是場誤判，等於把那三年的時間都宣判為「虧損」。

對立面的壓力。 台灣的政治文化裡，「棄守」某個政黨常常被理解為「投向對方陣營」。對一個無法接受藍綠框架的選民來說，「離開民眾黨」在感覺上等於「沒有地方可以去」。

這三個轉換成本疊加在一起，會讓「繼續留著」這個選項，在感知上比實際上理性得多。

回到目錄

「沉沒成本」的詛咒：投入愈深，愈難回頭

和轉換成本相關但又不同的，是「沉沒成本謬誤」（Sunk Cost Fallacy）。

沉沒成本是已經發生、無法回收的投入。理性上，沉沒成本不應該影響未來的決策——過去的錢已經花了，不管現在怎麼選，都拿不回來。

但人類天生不是這樣思考的。

當一個人在一件事上投入的時間、情感、金錢愈多，他就愈難放棄。不是因為那件事的基本面變好了，而是因為「放棄」所代表的損失，在心裡和所有那些投入加在一起，顯得太過沉重。

這也是為什麼一個對民眾黨死忠了六年的支持者，比一個剛加入的人更難出走。不是因為他更清楚黨的內部運作，而是因為他投入的沉沒成本更高，放棄等於要親手否定更多年份的自己。

行為經濟學家把這叫做「endowment effect」（稟賦效應）——我們傾向於把已經擁有的東西估值得比實際更高，僅僅因為它是「我們的」。一個人對自己支持的政黨的信念，也會因為「它是我的選擇」這件事，而在心裡被估值得過高。

回到目錄

你可以怎麼做

這篇文章不是要說誰對誰錯，也不是要告訴你「你應該去支持誰」。

它要說的是：如果你是一個曾經相信民眾黨、但現在感受到認知和現實之間有落差的人

那個讓你繼續撐著的力量，很可能不是理性，而是損失厭惡。

而損失厭惡是可以被意識到、並部分克服的。以下是幾個具體的方法：

第一步：把帳算清楚

問自己：當初支持民眾黨的理由是什麼？那個理由，現在還存在嗎？

不要問「他們還是比較好」，問「當初讓我動心的那件事，現在還成立嗎」。

如果答案是否定的，那你的支持已經是一種慣性，不是一種選擇。

第二步：把沉沒成本和未來切開

過去三年你投入的時間和感情，無論你現在怎麼選，都回不來了。

承認看錯了，不會讓那三年消失。但繼續撐著，可能會讓接下來的三年也一起賠進去。

第三步：把損失重新定義

損失厭惡讓人把「離開」感知為損失。但換個角度——如果一個投資人繼續持有一檔基本面惡化的標的，他真正的損失是什麼？是他繼續沒有拿到的那些回報，是他本可以轉到更好地方的機會成本。

「留著」本身，也是一種代價。

第四步：允許「暫時沒有答案」

台灣政治的困境之一，是讓很多人覺得「離開民眾黨」等於「必須立刻有個去處」。

但事實上，你可以先停止支持一個令你失望的政黨，而不必立刻找到一個完美的替代品。

在投資裡，這叫「先停損，再找標的」。

在政治裡，也可以這樣。

回到目錄

最後說一句話

損失厭惡是人類最普遍的認知偏誤之一。它沒有藍綠之分，也沒有小草與側翼之分。每個人，在某個時刻，都曾經因為不想承認損失，而讓損失繼續擴大。

但心理學的研究同時也告訴我們：損失厭惡不是命運。它是一個可以被識別、可以被命名、因此可以被部分克服的東西。

識別它，是第一步。

那些站在凱道上的人，他們的情感是真實的。他們的失望也是真實的。他們對台灣政治的期待，從一開始就是真實的。

但情感的真實，和判斷的正確，是兩件不同的事。

如果你真的關心這個國家的走向，你值得用一個更清醒的眼光，去評估你手上的這張票，它現在換來的是什麼。

#politics #psychology #economics #investment #stock #democracy #LossAversion #民眾黨

回到頁首

願所有投資人，都能從虧損中醒來。

關於這裡 台灣人。台派。喜歡把事情搞清楚。

凡是能解釋「為什麼」的事，我都著迷。科學、創新、哲學、投資，本質上是同一件事：找出規律，然後解開。

讀到真正新奇的東西，會興奮到發抖。

不在書桌前的時候，就在山上、水裡、或某個還沒搭營地的空地。

contact via teamtaiwan.trophy127@passmail.net 本站僅提供參考，不是人生建議，不是醫療建議，不是投資建議。

目錄

• 六百億美元的算力焦慮
• Anthropic 的算盤
• GPU 折舊週期的兩種世界觀
• EUV：每顆晶片背後看不見的守門人
• 數學總整理：從 EUV 機台推導全球算力天花板
• 記憶體危機：你的 iPhone 漲價，都是 AI 的錯
• 電力不是瓶頸，但工人可能是
• 中國的平行宇宙
• 機器人、太空算力，與最後的問題
• 最簡單的機器，卡住最複雜的未來

六百億美元的算力焦慮

2025 年，Amazon、Meta、Google、Microsoft 四家公司合計預告的資本支出超過六千億美元。

這個數字換算成電力，接近 50 GW。但沒有人真的認為今年就能用到 50 GW的算力^{[附註1：為什麼用「GW」來描述算力？]}。那麼這些錢究竟花到哪裡去？更奇怪的是，OpenAI 剛宣布募資 1,100 億美元，Anthropic 宣布募資 300 億美元——如果一座 1 GW數據中心的年租金約 130 億美元，那這些實驗室的融資規模，豈不是已經足夠支付今年全年的算力帳單，完全不需要靠收入？

這是訪談一開始，主持人丟給 SemiAnalysis CEO Dylan Patel 的問題。

Patel 的回答，是一堂關於硬體時間尺度的速成課。

大型科技公司的資本支出，很大一部分根本不是花在今年就要上線的東西。以 Google 一千八百億美元的資本支出為例，其中一塊去買了 2028、29 年的渦輪機訂金，一塊去預付了 2027 年的數據中心工程，還有一塊花在電力購買協議的頭期款上。今年美國大約新增二十GW的算力，其中一部分的資本支出，其實是前一年就已付出的。

所以帳是對的，只是時間點不同。

而這一切的最大買主，是 Anthropic 和 OpenAI。

回到目錄

Anthropic 的算盤

Patel 給了一個具體的成長曲線估算。

Anthropic 在過去幾個月的收入走勢：一月增加約 40 美元的 ARR，二月增加約 60 億美元。如果把這條線直接延伸，接下來十個月就會再增加 600 億美元的收入。

600 億美元的收入，按 Anthropic 最近被媒體報導的毛利率換算，意味著大約 400 億美元的算力支出。400 億除以每GW年租金約 100 億美元，得到 4 GW的推算算力需求——僅僅是為了服務新增的推論流量，還沒算上研發和訓練用的算力。

這讓 Patel 得出一個估計：Anthropic 今年年底需要達到 5 GW以上的算力，才能跟上收入增速。

但問題是，Anthropic 的策略一直比 OpenAI 保守。Dario Amodei 公開表示過他不想簽那些「瘋狂的」大型算力合約，不想讓公司走到財務懸崖邊緣。這個決定在短期很理性，但如果收入比預期更快爆炸性成長呢？

結果就是：Anthropic 現在必須在市場上緊急找算力，而那些早就被搶光的優質供應商——Google、Amazon——已先被 OpenAI 用長約鎖定，或是自己保留。Anthropic 不得不轉向更小的雲端供應商、或是接受透過 Bedrock 和 Vertex 等中介平台服務客戶的安排，等於多付一層抽成。

Patel 說，OpenAI 則更積極——不只鎖定 Microsoft、Google、Amazon，還去找 CoreWeave、Oracle、SoftBank Energy，甚至其他更小的供應商。這帶來的後果是：算力量多、議價能力強、不需要在最後一刻補貨。

兩條路，兩種代價。

到年底，Patel 估計 Anthropic 大約可以達到 5 到 6 GW，OpenAI 則會略高一些，兩者在 2027 年應該都會達到 10 GW左右。

回到目錄

GPU 折舊週期的兩種世界觀

訪談中間插入了一個財務界爭論已久的問題：GPU 到底應該按幾年折舊？

著名做空者 Michael Burry 認為頂多三年。他的邏輯是：NVIDIA 每兩年幾乎把效能翻三四倍，如果你用五年折舊，到了第三年，市場上已經有比你手上的機器更便宜三倍的新晶片，你這台舊 H100 的市場租金就從每小時 2 美元跌到 1 美元，甚至 0.7 美元，你的投資報酬就泡湯了。^[附註2]

Patel 的反駁是：這個邏輯成立的前提是「新晶片無限供應」。如果你能無限買到 Rubin，那當然 Hopper 就廢了。但問題在於，現在整個產業的半導體產能根本跟不上需求，新晶片的出貨量本身就是受到嚴格限制的。

在半導體嚴重短缺的世界裡，你衡量一台 GPU 的價值，不是拿它去和「理論上可以買到的最新晶片」比，而是問「這台機器今天能幫我賺多少錢」。如果這台 Hopper 每小時能幫你跑出兩美元的推論收入，那它就值這個錢，不管 Rubin 的性能是它的幾倍。

這意味著：GPU 的真實有效壽命，可能遠比市場悲觀者預期的更長。

回到目錄

EUV：每顆晶片背後看不見的守門人

訪談在這裡進入最核心的部分。

Patel 問了一個讓所有宏大算力目標都必須面對的問題：Sam Altman 說他想在 2030 年每週建 1 GW的算力——這在物理上可能嗎？

答案取決於一家總部在荷蘭埃因霍芬的公司，ASML。

ASML 生產全世界最複雜的機器：EUV 光刻機。這台機器是所有先進邏輯晶片（三奈米、二奈米）生產過程中不可或缺的設備。沒有它，就沒有 NVIDIA 的 Hopper 或 Blackwell，也沒有 Apple 的 A 系列晶片。

EUV 機台的工作原理令人瞠目：機器把熔化的錫滴拋出，用雷射精確連擊三次，使錫滴被激發、釋放出 13.5 奈米波長的 EUV 光。這道光通過卡爾蔡司生產的反射鏡組（每組約十八片、以鉬和釕交替沉積而成的多層鏡），照射在塗有光阻的晶圓上，按照設計圖案（光罩）對晶圓表面進行圖形化曝光。整個過程要求所有部件的對準精度達到三奈米甚至更小——而且曝光頭和晶圓平台都在以九倍重力加速度高速相對掃描。

這台機器需要在荷蘭拆解，用多架貨機運到客戶工廠，再在當地重新組裝調試，整個過程耗時數個月。

ASML 今年能生產約七十台，明年約八十台，到 2030 年代，即使積極擴產，也只能到一百台出頭。

為什麼不能更快？

因為 EUV 機台的每一個主要組件，都是極度複雜的獨立供應鏈的終點：光源由 ASML 旗下 Cymer 製造（位於聖地牙哥），鏡片由卡爾蔡司（德國）製造，光罩台由ASML在 Wilton（康乃狄克州）的工廠製造，晶圓台同樣在歐洲生產。

這些供應商沒有決定大幅擴產，因為他們根本不相信 AI 需求會到那個量級。Patel 描述了一個諷刺的困境：整條供應鏈每個環節都把需求預測砍一個折扣，越往下砍越多，最後到了 ASML 的層次，可能已經剩下需求的一半甚至更少。

ASML 是世界上唯一能造這台機器的公司，但它刻意沒有利用這個壟斷地位提價——「他們從未把定價漲幅超過能力的提升幅度」，Patel 如此說。一台 EUV 機台從當初的約一點五億美元，漲到現在的約三到四億美元，但同期機台的晶圓吞吐量和對準精度都已大幅改善，對客戶而言仍然是淨受益。

回到目錄

數學總整理：從 EUV 機台推導全球算力天花板

這一節將訪談中散落在各處的數字集中整理，展示 Patel 如何一步步推導出 2030 年的算力上限。

1 GW算力需要多少 EUV 產能？

以 NVIDIA Rubin 架構（三奈米節點）為例，建立一GW的數據中心算力，需要以下晶圓投入：

三奈米邏輯晶圓的生產，每片晶圓需要約 70 道光罩曝光步驟，其中約 20 道使用 EUV 曝光（最關鍵也最昂貴的步驟）。

計算過程：

EUV 曝光次數（邏輯）= 55,000 片 x 20 道 EUV = 1,100,000 次
加上 5 奈米及 DRAM 的 EUV 曝光
→ 合計約 2,000,000 次 EUV 曝光通過（per gigawatt）

每台 EUV 機台的吞吐量：

EUV 機台吞吐量 = 75 片晶圓/小時 x 90% 開機率
= 約 67.5 片有效晶圓/小時
每台 EUV 機台年處理量 = 67.5 x 8,760 小時 ≈ 590,000 片/年

因此，每GW算力所需的 EUV 機台數：

EUV 需求 = 2,000,000 次曝光 ÷ (590,000 片/機台/年) ≈ 3.5 台 EUV 機台

結論：建立 1 GW的 AI 算力，約需 3.5 台 EUV 機台的一年產能支撐。

2030 年的 EUV 機台總存量

現有存量（2025）：TSMC 等廠合計約 250–300 台
年新增：2025 年約 70 台，2026 年 80 台，到 2030 年增至約 100 台/年
累計至 2030 年底：約 700 台 EUV 機台（含現有存量加新增）

全球 AI 算力天花板

700 台 EUV 機台 ÷ 3.5 台/GW = 200 GW的 AI 算力（全部分配給 AI 的情況下）

但當然，EUV 產能不會百分之百分配給 AI，手機、PC、汽車晶片也需要。

Sam Altman 的目標是否可行？

Sam Altman 曾表示希望在 2030 年達到每週建 1 GW，即每年約 52 GW的新增算力。

52 GW ÷ 200 GW（全球上限）= 26% 的全球 EUV 產能份額

Patel 認為這個數字是合理的，因為今年 NVIDIA 大約就已佔據 TSMC 三奈米產能的相近比例，而且 AI 晶片在整個半導體市場的份額仍在增長。

記憶體的 EUV 乘數效應

HBM（高頻寬記憶體）是 AI 晶片的另一個關鍵瓶頸。HBM 是將 DRAM 晶圓垂直堆疊而成，但每片 HBM 晶圓能產出的記憶體位元數，比一般 DRAM 少三到四倍——因為你把面積花在堆疊結構而非純粹的儲存密度上。

一片 DRAM 晶圓能產出的有效記憶體（作為 HBM 時）= 一片 DRAM 晶圓直接用時的 25–33%

這意味著要滿足 1 GW AI 算力的記憶體需求，需要消耗的 DRAM 晶圓量，比表面上看起來多三到四倍。

2026 年，大型科技公司總算力資本支出約 6,000 億美元，其中約 30% 流向記憶體——即 1,800 億美元。這個比例在歷史上是罕見的高。

HBM vs. DDR：頻寬就是一切

以搭載在 Rubin 架構上的 HBM4 為例：

HBM4 頻寬 = 2,048 bits 介面 x 10 GT/s = 2,048 x 10 ÷ 8 = 2,560 GB/s ≈ 2.5 TB/s（每組）
DDR5（相同晶片邊緣面積）≈ 64–128 bits x 6.4–8 GT/s ÷ 8 = 64–128 GB/s

頻寬差距：約 20–40 倍。

這就是為什麼用普通 DRAM 替換 HBM 在工程上幾乎不可行——GPU 的計算能力會因為等待資料而大量閒置，等於浪費了所有的矽晶片面積。

最終瓶頸的推導

綜合以上分析：

1. 電力：有多種替代方案（往復式引擎、燃料電池、太陽能加儲能等），單個類別就能達到數十GW，整體上不是最終瓶頸。
2. 數據中心：建設週期短（最快八個月），可模組化，勞動力是限制而非根本瓶頸。
3. 邏輯晶片製造（三奈米）：受到 EUV 機台年產量上限約束，2030 年約一百台/年，但現有存量累計可支撐 200 GW的上限。
4. 記憶體（HBM/DRAM）：30% 的算力資本支出、供應緊張、無法輕易用普通 DRAM 替代，是近期最顯著的瓶頸。
5. EUV 機台本身：長達 28–29 年的最終瓶頸，因為每個子組件的供應鏈都極度複雜、無法快速擴產，而且整條供應鏈都還未充分「相信」AI 的需求量級。

結論：到 2028–29 年，所有其他瓶頸都會逐步被解決或繞過，但 EUV 機台的生產速度，才是最終決定全球 AI 算力天花板的那個數字。

回到目錄

記憶體危機：你的 iPhone 漲價，都是 AI 的錯

這裡是訪談中最有趣的意外轉折之一。

Patel 提出了一個乍聽反直覺的觀點：AI 算力爆炸，讓你的智慧型手機越來越貴，而且品質越來越差。

邏輯如下。全球 DRAM 的供給是有限的。AI 訓練和推論的需求，尤其是 HBM，正在以驚人的速度增長。而 AI 買家願意支付比手機廠商更高的價格，簽更長的合約，鎖定更多產能。於是 DRAM 廠商的資源配置轉向 AI，消費型 DRAM 的供給收縮，價格上漲。

Patel 的估算非常具體：一支 iPhone 大約需要 12 GB 的記憶體。過去每 GB 成本約三到四美元，現在漲到約十二美元，光是 DRAM 一項的成本就增加了一百美元，再加上 NAND 快閃記憶體同樣漲價，一台 iPhone 的物料成本可能增加一百五十美元。蘋果不會完全自行吸收這個成本，轉嫁後消費者最終多付二百五十美元。

更劇烈的衝擊在中低端手機市場。Patel 引用其在亞洲的分析師數據：小米和 OPPO 等廠商的中低端出貨量，正在被砍到一半，因為這些機型對 DRAM 漲價的承受力遠不如高端旗艦。

SemiAnalysis 的預測是全球智慧型手機年出貨量從 1.4 億台（峰值）跌至今年的 8 億，明後年甚至可能到6億到5億台。

這意味著 AI 不只是在奪走電力和晶圓，也在間接讓消費電子產業走向收縮。Patel 說，這會讓更多人「恨 AI」。

回到目錄

電力不是瓶頸，但工人可能是

訪談花了大量篇幅討論電力，結論卻出乎意料地樂觀——至少和半導體相比。

Patel 的核心論點是：電力的供應鏈，比晶片的供應鏈簡單太多了。

是的，全球只有三家公司能做聯合循環燃氣渦輪機（GE Vernova、三菱、西門子能源），而且某些型號的交貨期已超過 2030 年。但這不是唯一的發電方式。Patel 列舉了至少十六家追蹤中的不同電力設備製造商，包括：航空改裝渦輪（把飛機引擎改成發電機）、中速往復式引擎（類似大型卡車引擎）、船用引擎（Nebious 正在幫微軟的紐澤西數據中心用船用引擎發電）、Bloom Energy 的燃料電池、以及持續下降成本曲線的太陽能加儲能組合。

此外，美國電網目前只為了應對夏天最熱那幾天的尖峰負載而保留大量備用容量。如果裝上足夠的公用事業規模儲能，這些平時閒置的容量就能釋放給數據中心——理論上一口氣解鎖美國電網的 20%，即數百GW。

但勞動力可能是真正的制約。Patel 估算，在德州 Abilene 建設 1.2 GW的數據中心就需要 5,000 名工人在尖峰時期同時施工。擴展到 100 GW，大約需要 40 萬名技術工人。美國目前只有約 80 萬名電氣技師，且並非全都適用於這種工作。

解方包括：從歐洲引進高技能電力工人、推動模組化預製（在亞洲工廠把整個機架組裝好，包含電源和冷卻，再整組運到現場安裝）、以及未來機器人勞動力的加入。

電力，問題有，但都可以用工程手段繞過。晶片，就沒這麼容易了。

回到目錄

中國的平行宇宙

Patel 在訪談中多次回到中國這個話題，態度審慎而非聳動。

他的分析框架是：AI 進展的速度快慢，決定了誰最終勝出。

快速進展的世界裡，美國佔優。OpenAI 和 Anthropic 今年底各自大約有 2 GW算力，明年底達到 10 GW。中國的 AI 實驗室算力增速遠沒有這麼快。更重要的是，一旦這些模型從「給你看整個思維鏈」轉向「直接給你結果、後台黑盒思考」，從美國模型「蒸餾」(distill) 知識到中國模型的難度就會大幅上升。收入複利飛速增長（Anthropic 月增數十億美元 ARR），帶動算力投入持續增長，形成一個美國主導的技術飛輪。

慢速進展的世界裡，情況反轉。中國正在強力推進完整的本土半導體供應鏈，從光刻機到記憶體到邏輯晶片。Patel 估計到 2030 年，中國的 DUV 光刻機本土年產能約達 100 台（相比之下，ASML 的 DUV 年產量仍是數百台）。EUV 方面，中國可能屆時有能用的原型機，但還在「產能地獄」之前。如果 AGI 時間線被推遲到 2035 年，那麼中國有足夠的時間把整條供應鏈垂直整合完成，屆時西方依賴的美日韓台歐洲多國分散供應鏈，反而顯得脆弱。

Patel 也特別點名了 Huawei。這是一家在 AI 時代之前就已擁有完整技術堆疊的公司：頂尖軟體工程師、網路技術（本來是其最大業務）、AI 研究人才、自有晶圓廠，以及自己的終端市場。

他認為，如果 2019 年 Huawei 沒有被禁止使用台積電，Huawei 可能已超越 Apple 成為台積電最大客戶，並持續侵蝕 NVIDIA 的市場。

但那扇門，已經關上了。

回到目錄

機器人、太空算力，與最後的問題

訪談的最後幾個問題，把場景從 2025 年的數據中心，推到了更遙遠的未來。

如果台灣出事，能只搬走工程師嗎？

這是主持人提出的一個戰略問題：如果有一天台灣局勢惡化，能否透過空運所有台積電工程師來保住這些知識？

Patel 的答案是：不夠。

即使你成功把所有工程師撤離，你也必須在某個地方重新蓋廠，重新安裝設備。但EUV 機台本身需要用台灣生產的晶片來製造，而這些晶片又依賴台灣的 EUV 機台 —— 一條吞噬自身尾巴的蛇。

更大的問題是：如果台灣的晶圓廠被摧毀，中國的垂直整合半導體供應鏈，相對於其餘世界反而更強。你在最壞的時間點，把全球增量算力能力從可能的每年數百GW，打回 Intel 加 Samsung 的每年 10 到 20 GW。

人形機器人的算力邏輯

如果 2030 年有數百萬台人形機器人在全球活動，算力怎麼分配？

Patel 認為，最有效率的架構不是讓每台機器人攜帶強大的本地晶片，而是把大量「思考」留在雲端，機器人本地只需要做低延遲的動作執行，由雲端模型每秒或每十分之一秒下達高層指令。

理由有三：雲端可以做批次推算，降低每個 token 的成本；雲端的模型可以更大更強；機器人上的晶片需要低功耗，這和高效能 AI 晶片的需求相衝突，而現在的半導體供應本就不足，如果數百萬台機器人都帶著尖端晶片，就是在和數據中心搶資源。

這意味著一個奇特的未來：即使機器人在物理上分散於世界各地，它們的「智慧」仍高度集中在少數幾個超大型數據中心裡。

回到目錄

最簡單的機器，卡住最複雜的未來

整場訪談讀下來，有一個數字讓人印象深刻：1.2 億美元。

這是 3.5 台 EUV 機台的總售價，是支撐 1 GW AI 算力所需的關鍵設備成本。而 1 GW的數據中心，總資本支出大約 500 億美元。也就是說，500 億美元的算力基礎設施，命懸於 1.2 億美元的工具供應鏈。

更荒謬的是，ASML 的供應鏈有超過一萬個節點。Carl Zeiss 用於鏡片的工人，可能總共不超過一千人。沒有這一千個人做出完美到奈米級精度的鏡片，沒有人能製造 EUV 機台；沒有 EUV 機台，沒有先進邏輯晶片；沒有先進邏輯晶片，沒有下一代 AI。

Patel 沒有說這條鏈會斷。他說的是：它沒有人們想像的那麼有彈性，而且它對自己即將面臨的需求量，認知仍然嚴重滯後。

人類文明最雄心勃勃的技術計畫，正等著一家荷蘭公司每年多交付幾十台機器。

#AI #tech #economics #investment #semiconductor #anthropic

回到目錄

附註一：為什麼用「GW」來描述算力？

讀到這裡，你可能一直有個疑惑：GW（吉瓦）不是電力的單位嗎？一座核電廠大約 1 GW，一台電風扇大約 50 W，1 GW等於同時開著兩千萬台電風扇。這和「算力」有什麼關係？

關係非常直接——因為 GPU 是靠電跑的。

一顆 H100 的功耗約 700 瓦。一個機架通常裝十到二十個伺服器節點，耗電約 10 到 20 千瓦。當一座數據中心能夠穩定供應 1 GW的電力，它就能同時讓數以十萬計的 GPU 全力運算。電力，就是算力的物理上限——冷卻系統、配電設備、散熱管路，全部跟著用電量等比例放大。

所以這個產業索性就用電力換算算力。說「今年新增 20 GW的算力」，意思就是「今年新建的數據中心能額外消耗二百億瓦的電力來跑 AI 模型」。這比說「新增幾十萬張 GPU」更精確，也更容易讓不同廠牌、不同架構的設備有一個共同的比較基準。

那為什麼訪談裡說「今年實際新增約 20 GW」，而不是六千億美元 CapEx 換算出來理論上的 50 GW？

因為 CapEx 不是今年全部花掉的錢，而是今年承諾要花的錢，其中大部分是預付給未來的——2027 年的廠房、2028 年的渦輪機訂金、2029 年的電力合約頭期款。真正在今年接上電、開始跑模型的機器，只有 20 GW。

一個比喻：你用六千億預算訂了一批車，但工廠說今年只能交二十台，其餘的排到後年。你今年實際能開的，就只有這二十台。50 GW是你花的錢，20 GW是你今年真正拿到的算力。

回到：六百億美元的算力焦慮

附註二

Burry 的邏輯是：

NVIDIA 大概每兩年推出新一代晶片，效能大約提升三到四倍，但售價只漲一點點或持平。 所以時間軸大概是這樣：

2024 年：H100 是市場最好的選擇，租金每小時 2 美元，合理。 2026 年：Blackwell 上市，效能是 H100 的三到四倍，但價格差不多。AI 公司開始問：我為什麼要租舊的 H100？除非你降價。於是 H100 的市場租金從 2 美元跌到大約 1 美元。 2027 年：Rubin 上市，又是三到四倍效能。H100 繼續貶值，租金跌到 0.7 美元。

但你的持有成本還是每小時 1.40 美元，因為這是你當初買入時就鎖定的。 租金 0.7 美元，成本 1.40 美元，每跑一小時就虧 0.7 美元。 這就是 Burry 說「折舊週期應該是三年不是五年」的意思——到了第三年，這台機器在市場上已經不值這個錢了，你當初的投資假設已經破功。

回到：GPU 折舊週期的兩種世界觀

本文整理自主持人對 SemiAnalysis CEO Dylan Patel 的訪談。SemiAnalysis 是目前最受業界重視的半導體產業研究機構之一，追蹤全球每一座數據中心、每一座晶圓廠、以及每一筆關鍵設備訂單。

關於這裡 台灣人。台派。喜歡把事情搞清楚。

凡是能解釋「為什麼」的事，我都著迷。科學、創新、哲學、投資，本質上是同一件事：找出規律，然後解開。

讀到真正新奇的東西，會興奮到發抖。

不在書桌前的時候，就在山上、水裡、或某個還沒搭營地的空地。

contact via teamtaiwan.trophy127@passmail.net 本站僅提供參考，不是人生建議，不是醫療建議，不是投資建議。

「我那時候的世界裡，只有一種情緒，就是仇恨。我不是不愛台灣，我是因為怕台灣被賣掉，才這麼恨。我甚至覺得，如果中國打台灣可以把民進黨炸掉，那也不見得是壞事。」

如果你曾對身邊的草感到憤怒，或者疑惑過「他們為什麼就是看不懂」；如果你試過各種方法想讓家人朋友醒來，全部無效；如果你覺得這些人就是活該——那麼這集值得你靜下來聽完。

因為在這對夫妻的故事裡，藏著一個台派也需要面對的問題。

目錄

• 同一個屋簷下的平行世界
• 他們原本是誰：生意人，不是政治人
• 短影音如何構築一個完美的世界
• 單一情緒撐起的世界觀
• 當草很輕鬆：一個敵人，就夠了
• 太太的各種嘗試，以及它們為何全部失敗
• 讓先生動搖的，是一個外國人
• 受害者，不是背叛者，更不是加害人
• 去脈絡化：一個值得認識的政治技術
• 台派的自我檢視：張開手，而不是握緊拳
• 台灣人的手，永遠為大家開著
• 後記：關於這集節目本身
• 附註

同一個屋簷下的平行世界

太太先清醒，先生還沒有。

吃飯時，太太用平板播政論節目，把音量調到他剛好難以忽視的程度。先生戴上降噪耳機，繼續吃飯。太太帶著孩子討論罷免的來龍去脈，先生從飯桌另一端喊：「你不要洗腦我的小孩。」冷戰持續，房間的門鎖上了，先生睡沙發、睡電腦椅，然後離家。

這不是一個特例。這是台灣某些家庭，在這幾年裡正在悄悄上演的日常版本。

他們是宵夜鏡來講節目的來賓，「脫北者夫妻」的先生和太太。「脫北」，原指脫離北韓的人，近年在台灣的語境裡，借用來形容那些離開「阿北」——也就是柯文哲支持陣營——的前民眾黨支持者。

這篇文章起源自節目訪談。它不只是一個講給民眾黨支持者聽的故事，也是一個講給台派聽的故事。

^回到目錄

他們原本是誰：不太政治的生意人

在理解他們如何脫北之前，先要理解他們本來是什麼人。

先生，長年從事攝影與短影音服務業，他的政治態度，用他自己的話說，是「完全政治冷感」——不是有點冷感，是「完全」。投票這件事，他有時去，有時覺得算了。縣市長、立委的選舉，有時懶得去。他曾在網路上留言：「誰統治我都好，只要大家能安居樂業就好。」那時的他，甚至認為台灣人執著於政治身分，是一種無謂的意識形態之爭。

太太稍微不同。她平常會關心政治，但因為做生意，服務的客戶橫跨藍綠，政治人物的案子也接，所以選擇不在公開場合表態。她屬於「默默關心、但不公開」那種人。

兩人都不是狂熱的支持者。他們不在台北，對柯文哲的認識只是遙望。也許距離產生了美感——他們所接收到的，幾乎全是柯文哲的短影音形象：親民、直白、不像傳統政客。2024 年總統大選前，他們說服全家支持柯文哲，包括家中已有投票資格的孩子。

時間推進到大選結束，柯文哲落選。先生說他當下「越想越生氣」，一氣之下和太太同一天加入民眾黨。介紹人那欄，他填上了「賴清德」。他的邏輯是：要不是賴清德，台灣不需要多他這一個黨員。

從政治冷感，到仇恨民進黨，巨大轉變，是一場精心設計的繭房陷阱。

^回到目錄

短影音如何構築一個完美的世界

先生自己做短影音，所以他對這個機器的運作方式，有一種特別清醒的自省。

他說得直接：一支 15 秒的影片可以剪輯。簡直魔法。正面的留下，去去負面走。配上美化的標題，一則「阿伯好親民」的佛地魔咒語就完成了。失言、前後矛盾、不當言論，全數消失於剪輯之中，不會進入演算法的視野。

他在民眾黨的同溫層裡，「完全看不到」柯文哲的失言。不是刻意迴避，而是演算法不給機會。他本來就政治冷感，沒有動力去翻圈外聲音。

他接收到的頻率，是一個只有阿伯好的世界，就像一台無法調頻的收音機。

但這個問題還有更深的一層。先生的工作每天大量浸泡在抖音、TikTok、小紅書裡——那是他的業務，也是他長期的資訊環境。當他後來看到一支關於認知作戰的影片，他說，那裡面描述的操作手法，「一個一個都好像跟我現在在做的事情一模一樣」。

那種發現，讓他非常不舒服。

^回到目錄

單一情緒撐起的世界觀

訪談裡，先生有一段自我剖析，值得完整地被記下來。

他說，當他還在民眾黨支持陣營的時候，他的世界裡「只有一種情緒」：

仇恨

仇恨的對象很明確：民進黨，具體化為賴清德。他並不是不愛台灣——他說他是因為怕台灣被賣掉，才這麼恨。但那種仇恨最終把他帶到一個位置：他曾在 Threads 上表示，如果中國攻打台灣可以把民進黨消滅，那也不見得是壞事。

在繭房裡，這句話並不極端，它是完全合乎邏輯的結論。當你接收到的所有資訊都在說民進黨是台灣最大的威脅，司法被控制，媒體被收買，出路只有一條——那個邏輯的終點，就是「只要能把敵人清掉，其他代價都是值得的」。那句話不是單純的仇恨，更接近一種走投無路之後的扭曲理性。

先生說，他當時完全沒有意識到有什麼問題。他的世界觀是這樣的：「除了立法院以外，其他院都是民進黨的人，司法被控制，媒體被控制，我能相信誰？我只能聽黃國昌的。」

為什麼政黨的極端支持者特別容易陷入陰謀論思維？這背後有一個值得了解的認知機制，放在文末附註供有興趣的讀者延伸閱讀。^[1]

而當一個人長期活在單一負面情緒的驅動下，大腦會改變，會影響身邊的人，會破壞一段婚姻。

先生說，清醒之後他才看清楚，那段時間的自己是一個「反駁型人格」——不只是政治議題，任何事情他都會先反駁太太，那是黃國昌反覆示範給他的姿態。

^回到目錄

當草很輕鬆：一個敵人，就夠了

這集有一句話，節目說要把它剪出來，單獨發。

先生說：「以前當草的時候很輕鬆，我只要討厭民進黨就好了。但是清醒之後，天啊，藍白紅，每一個東西你都要看清楚，好多事情要忙，你稍微放鬆就有謠言在擴散，會覺得完了完了完了。就很忙。」

這句話觸及了民粹主義最核心的誘惑：

它製造一個共同的敵人，它讓一切都變得清晰簡單。世界突然有了秩序，憤怒有了出口，歸屬感無需費力就能獲得。你不需做任何複雜的判斷，只需要知道誰是壞人就夠了。

清醒之後，這個秩序崩塌了。藍白紅需要各自分辨，資訊需要交叉查核，謠言需要一一追蹤。再也沒人替你把世界打包成一個明確的敵人，你要靠自己去理解一個複雜的現實。民主自由本就是一條辛苦的路。

美國Ronald Reagan說：

Freedom is a fragile thing and it's never more than one generation away from extinction.

也有人說：

The price of freedom is eternal vigilance.

部份民眾黨支持者的這種「輕鬆」不是懶惰，而是一種被精心設計出來的認知便利性。它之所以有效，正是因為它符合人類大腦對確定性和歸屬感的基本需求。理解這一點，比簡單地指責「你怎麼會被騙」，要更接近問題的真實面目。

^回到目錄

太太的各種嘗試，以及它們為何全部失敗

太太比先生早大約三個月清醒，這段時間差在家中製造了一場曠日廢時的拉鋸。

她嘗試了很多方法。在吃飯時播政論節目，音量調到讓他難以置之不理的程度。鼓勵孩子討論罷免的背景，試圖借助家庭對話打開缺口，其間有爭吵，有冷戰，有鎖上的房門，有睡沙發的夜晚，也有離家的日子。

這些方法，幾乎全部沒有用。

原因其實並不難理解：對一個正活在仇恨情緒高張狀態的人，直接對抗只會強化他的防禦。太太後來說，「當吵的時候，他心裡只有仇恨，那種情況下你說什麼都沒用。」

^回到目錄

讓先生動搖的，是一個外國人

讓先生真正動搖的，不是太太的任何一次正面衝突，而是一支他在無意間看到的德國公聽會影片。

那是一場德國舉辦的公聽會，主題是中共對台灣、以及對其他民主國家進行的統戰與資訊操控策略。發言的是外國人，沒有藍綠的標籤，沒有他預設好的敵我分類，沒有那些他因為預防針而免疫了的名字。

「因為他是外國人，就好像在兩邊吵架的時候，來了一個公道的第三方。我突然意識到，我是不是正在陷入認知作戰。」

那支影片裡描述的每一種操作手法，他都感覺像在描述自己每天在做的事。那個不舒服的感覺，就是懷疑的種子。

先生在訪談裡說：懷疑出現，就夠了。一旦有了懷疑，你才有可能暫時放下成見，才有機會以比較開放的眼光去接觸那些你以前本能排斥的資訊。

資訊繭房不是突然被打破的，它是從一道裂縫出現後，才開始慢慢鬆動的。

^回到目錄

受害者，不是背叛者，更不是加害人

主持人問先生：你醒來之後，有沒有一種贖罪的心情？

先生說，他不喜歡「贖罪」這兩個字。

「我們是被騙的，為什麼要叫我們去贖罪？我是被柯文哲騙的，我是被民眾黨騙的人，我是受害者，不是加害者。」

這個差別，不應該被輕易跳過。把脫北的前支持者定性為「贖罪者」，隱含的邏輯是：他們過去做了錯事。但更準確的描述是，他們進入了一個設計精良的資訊繭房，裡面的聲音被仔細篩選過——哪些媒體可信，哪些人的話一概不聽，哪些事件是政治追殺。在那個被嚴格管理的資訊環境裡做出的選擇，是在嚴重受限的視野下做出的選擇，而不是惡意。

太太說：「很多民眾黨支持者只是被蒙在鼓裡，但是一樣愛台灣。我們都是正在努力保護台灣的同胞，只是他們被騙了而已。」

同時，先生也提出了一個台派不太喜歡聽的觀察：台派自己也有資訊繭房。有些台派習慣直接封鎖不同聲音，避免接觸讓自己不舒服的言論，這同樣是在為自己建牆。他說，中共希望的，正是兩邊都繼續縮在自己的繭房裡，互相不說話，彼此妖魔化——分化，是他們最想看到的結果。

醒來之後，先生看見的，也許比多數台派還要更清晰。

^回到目錄

去脈絡化：一個值得認識的政治技術

訪談裡，先生和太太多次提到一個現象：民眾黨支持者被反覆訓練成去脈絡化的閱讀方式。一段話只留兩個字，一支影片只剪五秒，然後讓這個片段代替整個事件的意義。這不是個人問題，它是一種被系統性投餵和強化的閱讀習慣。

當一個人被長期訓練成只接受碎片，完整的脈絡反而會讓他感到陌生，甚至懷疑。

然而，單一故事，永遠有危險。近期有個時事例子，把這個現象呈現得相當清楚。

2026 年 3 月 13 日，民眾黨陳智菡在記者會上，針對日本神戶市議員上畠寬弘反對柯文哲入境日本一事，公開表示「無罪推定」是民主國家有法律素養的人應有的見解，言下之意是日本議員不懂。上畠寬弘隨即回應：柯文哲能否出境是台灣方面的判斷，但他出境後要前往哪個國家，則應由接收國依其自身立場判斷，「因此，日本基於自身立場與國家利益來判斷是否允許入境，這是極為正常且理所當然的做法。」

陳智菡的論述，是一個非常典型的去脈絡化操作。

「無罪推定」是一刑事訴訟基本原則，在無合理可疑的證據提出前，被都應視為無罪的原則。這個原則規範的是司法程序「內」的處置方式 ——也正因如此，即使在無罪推定的原則下，法院仍然可以對被告戴上腳鐐、收押看守所、限制出境，因為這些是基於逃亡風險的預防性措施，而非基於「他有罪」的懲罰。

把「無罪推定」無限上綱到「因此任何主權國家都不得拒絕柯文哲 —一個應該被無罪推定的受審人— 入境」，這是把一個法律原則從它的適用脈絡中強行拉出來，貼到一個它本來不適用的場域。

^回到目錄

台派的自我檢視：張開手，而不是握緊拳

這集訪談對台派而言，是一個難得的參照。

它讓台派看見，曾經支持民眾黨的人是如何一步一步走進那個繭房的。他們不是壞人，不是笨蛋，很多人甚至比台派更愛台灣，只是所接收到的資訊被系統性地控制。這個理解，應該影響台派面對這些人的方式。

台派自身也有一個習慣性的衝動：當一個前民眾黨支持者出現，第一個反應往往不是張開手，而是握緊拳——用「你們就是害台灣變成這樣」的邏輯，把對方推回去。這種反應在情感上完全可以理解，但在效果上，它卻成為那個還在繭房邊緣猶豫的人，更難跨出那一步的理由。

訪談裡有一個細節。先生在 Threads 上發出那支自白影片，測試台派反應的時候，台派的溫暖出乎他意料。那個意外，本身就說明了很多事情——那個溫暖讓他的轉變走得更順，因為它告訴他：出來不需要付出被嘲笑的代價。

回頭的成本，很低。

沒有人會因為被鐵拳打醒而感謝那隻手。他們唯一可能出來的路徑，是當清醒的代價比持續留在裡面更低的時候。台派能做的，是讓那扇門保持敞開，讓踏出來的人感覺那一步值得走。他們需要的是一個讓他們有空間重新思考的環境——而那個環境，是台派可以主動創造的。

^回到目錄

台灣人的手，永遠為大家開著

先生在節目最後說：「台灣是民主社會，你隨時可以改變立場，不需要被貼上背叛者的標籤。可以多去聽聽國外的聲音，看看外面怎麼看台灣現在的處境。隨便找到一個 (聲音)，全盤就會 (開始改變)。」 括號內文字為作者依句意自行加上，原訪談沒有

太太說：「很多民眾黨支持者只是被蒙在鼓裡，但是一樣愛台灣。正在努力保護台灣的人，都是我們的同胞，只是他們被騙了而已。」

台灣的韌性，從來不是建立在大家都想法一致。它建立在即使不一致，還是能夠在同一個民主框架下共存、對話、說服彼此、讓最佳的意見勝出。那個框架值得被守護，而守護它最有力的方式，是讓進來的門永遠開著。

#politics #psychology

^回到目錄

本文整理自宵夜鏡來講節目訪談「脫北者夫妻」，並加入作者評析。

後記：關於這集節目本身

這集訪談值得看，但也有一些小遺憾。

主持人打斷來賓的次數稍多。有幾個時刻，先生或太太正要把想法說到深處，話被接走了。對訪談類節目來說，讓受訪者把話說完往往比主持人的即時反應更重要，因為那些完整的話，才是節目最核心的價值所在。

節目維持了一個相對輕鬆的氛圍，這本身沒有問題，甚至是必要的——沉重的議題需要呼吸的空間。但輕鬆與流於粗俗之間是一條線，這集偶爾有些踩線的時刻，在討論本身相當有重量的主題時，反差讓人稍微出戲。

還有一個更細微、也更值得被點名的地方：主持人對先生的幾個細節，有時會流露出一絲帶著善意的調侃，例如當年加入民眾黨、填上「賴清德」作為介紹人的那個故事。主持人的笑，確實是善意的，但這也是一個提醒：即便是立場清晰、能力很強的台派，面對回頭的朋友，也不是完全沒有「你看，你那時候多傻」的優越感存在。

這種優越感，哪怕只是一瞬間、哪怕是完全出於善意，對一個還在猶豫要不要走出來的人來說，可能就是那道讓他打退堂鼓的笑。沒有人願意把清醒的代價設定為「被當成過去的笑話展示」。

提出這些，不是要否定這集節目的價值——它的價值是真實的，訪談也很真誠。只是如果台派想要認真地把這件事做得更好，細節魔鬼也得注意。

^回到目錄

附註

附註一：為什麼繭房容易製造陰謀論思維

先生在訪談中描述的那種世界觀——司法被控，媒體被收，所有不利的訊息都是政治追殺——是一種典型的陰謀論結構。這種思維模式在資訊繭房裡特別容易被強化，因為繭房的機制本來就是在提供「解釋一切的答案」。

理解這個現象，有一個很有用的Mental Model，叫做奧卡姆剃刀（Occam's Razor）。它的核心想法是：如果兩個解釋都能說明同一件事，通常應優先選擇假設較少的那個。每增加一個假設，就增加一個可能出錯的地方，整個解釋(陰謀論)成立的機率也因此下降。

陰謀論之所以通常站不住腳，正是因為它需要一整串彼此依賴的假設才能成立：

普通解釋：公民團體認為這些立委的表現不符選民期待 → 發起罷免。

陰謀論版本：民進黨策劃 → 動員側翼 → 收買媒體報導 → 假裝是公民發起罷免 → 目的是消滅反對黨 → 建立獨裁

後者的每一個假設都需要獨立成立，只要其中任何一個是錯的，整個解釋就會崩塌。但在繭房裡，這些假設早已被預先植入，彼此互相支撐，看起來渾然一體。

這也解釋了為什麼清醒往往需要一個「外部的第三方」：在繭房內部，沒有任何聲音能夠挑戰那些假設；只有當一個完全不在這個敵我框架裡的聲音出現，人才有機會退一步，問自己：我這個解釋，到底需要多少假設才能成立？

^回到目錄

台灣加油，我們都是Team Taiwan

關於這裡 台灣人。台派。喜歡把事情搞清楚。

凡是能解釋「為什麼」的事，我都著迷。科學、創新、哲學、投資，本質上是同一件事：找出規律，然後解開。

讀到真正新奇的東西，會興奮到發抖。

不在書桌前的時候，就在山上、水裡、或某個還沒搭營地的空地。

contact via teamtaiwan.trophy127@passmail.net 本站僅提供參考，不是人生建議，不是醫療建議，不是投資建議。

2026 年 2 月底，美伊戰爭剛剛爆發的同一週。

美國國防部長 Pete Hegseth 下令：美國公司Anthropic 若不在週五下午 5 點 01 分前讓步，將被列為「供應鏈風險」——一個通常只貼在中國企業、俄羅斯企業身上的標籤。

Anthropic CEO Dario Amodei 沒有讓步。

目錄

• 一家公司，一個宣言
• 事件時間軸
• Anthropic 到底在拒絕什麼
• 中國的影子：那 2.4 萬個假帳號
• 科技跑在法律前面：我們該怎麼辦？
• Ben Thompson 的冷靜分析：核武隱喻
• Anduril CEO 的另一面：民主誰說了算？
• OpenAI 的決定，以及一個人的辭職
• 微軟出手，商業代價已現
• Anthropic 是愛國企業嗎？
• 戰場之外的戰場

一家公司，一個宣言

Amodei後來在 CBS 的訪問裡說了這樣一段話：

「我們是愛國的美國人。我們所做的一切，都是為了這個國家，為了支持美國的國家安全。不同意政府的決定，是世界上最美國的事情之一。我們是愛國者。」

這不是一家公司的商業決定。這是一條關於 AI 時代、公民自由與國家權力邊界的宣言。

有人認為它的重要性，不亞於正在中東爆發的那場戰爭。

不是誇張。是因為那場戰爭打完了，世界會繼續轉動。而這場衝突的結果，將決定 AI 時代裡，民主體制的內核到底還剩下什麼。

回到目錄

事件時間軸

這場衝突走得很快。

2021 年，Dario Amodei 和其他前 OpenAI 研究員因為對 AI 安全的憂慮，離開 OpenAI、創立 Anthropic。核心主張很清楚：AI 必須被謹慎建造，否則代價是人類文明本身。

幾年後，Anthropic 反而成為第一家把模型部署進美軍機密雲端的 AI 企業。他們在情報體系和軍事任務支援領域都有深入合作。Anthropic 不是反軍的公司——他們相信美國需要 AI 優勢來對抗威權體制，特別是中國。

問題出在 2026 年初。

五角大廈希望取得 Claude 在「所有合法用途」下的完整授權，包含兩件 Anthropic 明確拒絕的事情：大規模國內監控，以及完全自主武器（不需人類介入就能開火的系統）。

2 月 26 日，Anthropic 明確拒絕。

2 月 27 日，Hegseth 宣布禁令。幾小時後，川普在社群媒體上公開批評 Anthropic，要求所有政府機構立即停用 Claude。同一天，美軍對伊朗發動空襲。

OpenAI 的 Sam Altman 在當天晚些時候宣布，OpenAI 與五角大廈達成協議。

3 月 9 日，Anthropic 向加州聯邦法院提告，稱政府行動「前所未有且違法」，主張政府侵犯公司言論自由與正當程序權利。

3 月 10 日，微軟向法院提交文件，公開支持 Anthropic，要求發布臨時限制令阻止禁令生效。

回到目錄

Anthropic 到底在拒絕什麼

值得停下來想清楚這件事，因為很容易被政治噪音淹沒。

Anthropic 並不是在拒絕與軍方合作。他們已經在做，而且是所有 AI 企業裡做得最深的那個。Amodei 在 CBS 的訪問裡說得很直接：「我們對國防部所有用途都 OK，基本上是 98% 或 99% 的用途，除了我們擔憂的兩件事。」

第一件事，大規模國內監控。五角大廈的要求是允許「所有合法用途」。但 Amodei 解釋，問題正在於：有一類監控，技術上合法，是因為法律根本還沒跟上技術——從私人公司購買的零散個人資料，透過 AI 整合成對每個公民的完整行動檔案，這件事在 AI 之前從來沒有能力做到，所以法律根本沒有被設計來阻止它。

「技術發展的速度，超前了法律。」

第二件事，完全自主武器——不需要任何人類介入就能開火的武器系統。Amodei 說，今天的 AI 模型根本還沒有可靠到足以承擔這種責任。他在訪問裡說：「任何真正和 AI 模型合作過的人都知道，它存在一種根本的不可預測性，是我們在技術上還沒有解決的問題。」

五角大廈的立場是：這些事情都合法，你一個私人公司沒有資格劃這條線。

Anthropic 的立場是：他們不是在替軍方做決策，他們只是不願意在法律還沒有追上技術之前，成為那些重大爭議決策背後的工具。

回到目錄

中國的影子：那 2.4 萬個假帳號

要理解 Anthropic 在這場衝突中的位置，必須先看另一件事。

2026 年 2 月，Anthropic 公開指控三家中國 AI 公司——DeepSeek、Moonshot AI 與 MiniMax——利用超過 2.4 萬個假帳號，對 Claude 進行了超過 1,600 萬次互動，採用一種叫「蒸餾（distillation）」的技術，試圖竊取 Claude 的核心能力，特別是代理式推理、工具使用和程式編碼。

Anthropic 追蹤到 DeepSeek 超過 15 萬次的互動，其中有一個令人不安的細節：他們的目標之一，是讓模型學會對政治敏感問題給出「符合中國審查要求的安全替代回應」。他們不只是在抄技術，他們還在讓技術學會配合威權審查的邏輯。

Anthropic 在公開聲明中寫道，透過非法蒸餾建立的模型，很可能無法保留原本的安全防護——這意味著危險能力可能在缺乏多數保護機制的情況下擴散出去。

公司因此呼籲進一步收緊對中國的 AI 晶片出口管制。Amodei 更早在達沃斯公開說，向中國出售高階 AI 晶片就像「把核武賣給北韓」。

這是一家在對中國 AI 威脅的判斷上，立場和美國國家利益高度一致的公司。這一點，和它後來在五角大廈議題上的立場放在一起看，呈現出一個完整的圖像：Anthropic 不是反政府，也不是反軍方，它只是反對讓 AI 在沒有人類監督的情況下對付人類——不管那個對象是外國敵人，還是本國公民。

回到目錄

科技跑在法律前面：我們該怎麼辦？

這場衝突有一個深層問題，是所有討論都在迴避的：

如果技術發展的速度永遠快過法律，那誰來填補那個空白？

《The Coming Wave》的作者 Mustafa Suleyman，是 Google DeepMind 的共同創辦人，也是當今最重要的 AI 思想家之一。他在書裡提出了一個他稱之為「圍堵（containment）」的核心命題：AI 的擴散速度已經超過了任何現有治理機制的能力，而我們面對這個問題有三條路，但每一條都有代價。

一是放慢科技本身的速度。暫停開發，等待法律和監管趕上。代價是：中國不會暫停，美國單方面放慢只會讓競爭優勢倒向威權體制。

二是讓企業自主控管。由 AI 公司設定自己的使用限制，就像 Anthropic 現在正在做的事。代價是：沒有選舉授權的私人公司，憑什麼做出這些影響深遠的決定？Palmer Luckey 把這叫做「企業威權主義」，不是沒有道理。

三是加速立法跟上。由民選機構在最短時間內建立新的法律框架，讓政府的 AI 使用受到明確的司法授權和國會監督。這是最理想的路，也是最難在短期實現的路——因為美國國會平均需要幾年到幾十年的時間才能通過重要的科技立法。

Amodei 在 CBS 的訪問裡也提到了這個困境。他說，大規模 AI 監控之所以合法，「不是因為法律允許，而是因為法律還不知道這件事的存在。技術的發展超前了法律的步伐。」

這不是 Anthropic 獨有的處境。這是整個 AI 時代的困境。

在法律跟上之前，有人必須在某個地方站著，說「這件事等一下」。目前，Anthropic 選擇了站在那個位置。這是一個有代價的選擇——財務上、政治上都有代價。但如果沒有任何人站在那個位置，空白期間會發生什麼事，我們不需要太多想像力就能描繪出來。

回到目錄

Ben Thompson 的冷靜分析：核武隱喻

住在台灣的科技評論家 Ben Thompson，是全球最受推崇的科技產業分析師之一。他的訂閱電子報 Stratechery 在矽谷圈子裡有著舉足輕重的影響力。他在台灣生活，深刻理解一個民主社會在威權勢力侵蝕下的脆弱與韌性。

他在 〈Anthropic and Alignment〉 一文中，提出了一個殘酷但清醒的框架。

他先從美伊戰爭談起，指出國際法之所以有效，根本原因是有沒有人能夠執行它——沒有超國家的強制力，「誰違法」最終取決於誰更強。力量（might）才是最終裁決者。

然後他把這個邏輯投射到 AI 上：如果 AI 的戰略價值真的接近核武，那它實質上會改變全球的權力結構。而一個具備這種分量的技術，不可能長期讓一家未經選舉的私人公司握有最終裁量權。

Thompson 指出了 Amodei 論述裡的一個內在張力：Amodei 自己說過「向中國出售高階 AI 晶片如同把核武賣給北韓」——既然他認為 AI 等同核武，那美國政府為何會容許一家私人公司握有這等戰略資產的最終決定權？

他的結論近乎二元：Anthropic 要不接受從屬於國家決策架構，要不就承受政府以法律乃至更激烈手段削弱其獨立性的壓力。

Thompson 並不是在為五角大廈辯護。他指出 Anthropic 對監控的憂慮在法律層面是合理的，只是解決途徑應該是立法，而不是讓一家公司單方面設定限制。

這是一個清醒的分析。它的意思是：即使 Anthropic 是對的，它所選擇的方式也可能引發更大的問題。

回到目錄

Anduril CEO 的另一面：民主誰說了算？

Anduril 是美國最重要的國防科技新創之一，以無人機、反無人機和 AI 武器系統為核心。創辦人 Palmer Luckey 在這場衝突中的立場非常明確——他站在五角大廈那一邊。

他說了這樣一句話：「任何說國防企業應該超越法律、超越立法者和民選領袖來決定合作對象的人，你等於是在說你不相信這個民主實驗，你想要的是一種『企業威權主義』。」

這個論點不是沒有說服力。在民主社會，軍事能力的使用授權應該屬於民選政府，不應該由科技公司 CEO 代替選民做決定。如果讓私人企業決定哪些武器可以製造、哪些技術可以使用，反而是一種危險的去民主化。

但這個論點有一個它自己沒有回答的問題：

「合法」的邊界，是誰畫的？

如果民選政府的決定是「允許 AI 在沒有司法授權的情況下追蹤所有公民」，而這件事之所以合法，是因為法律還沒有來得及禁止它——那這個「由人民決定」的民主程序，保護的到底是誰的自由？

Anthropic 的立場不是「我們比政府更懂」，而是「在法律趕上技術之前，我們不願意成為填補空白的那個工具」。這兩個立場之間的差距，比表面上看起來的要大得多。

回到目錄

OpenAI 的決定，以及一個人的辭職

五角大廈宣布 Anthropic 禁令的幾小時後，Sam Altman 宣布：OpenAI 與國防部達成協議，允許其 AI 模型在機密網路中部署。

時機過於完美，讓很多人感到不舒服。

Altman 後來在 X 上承認，這件事看起來「投機而且草率（opportunistic and sloppy）」，並表示公司「不應該這樣倉促」。

OpenAI 隨後修改協議，加入了禁止大規模國內監控的條款——措辭和 Anthropic 最初要求的保護幾乎一致。Altman 甚至在事後公開表示，他希望五角大廈能給 Anthropic 和 OpenAI 相同的合約條款。

但就在協議宣布後不久，OpenAI 機器人部門負責人 Caitlin Kalinowski 在 X 和 LinkedIn 上公開宣布辭職。

她在貼文裡寫道：「AI 在國家安全中確實扮演重要角色。但在沒有司法授權的情況下監控美國人，以及在沒有人類授權的情況下執行致命行動，是應該被更慎重討論的紅線，而這個決定沒有做到。這是關於原則，不是關於人。」

她說，她對 Altman 和整個 OpenAI 團隊仍有深深的敬意。問題不在人，在於這件事被決定得太快了。

這是 OpenAI 內部對五角大廈協議表達異議的最高層級聲音。當一家公司最資深的部門負責人之一，因為對合約的倫理疑慮而辭職，這件事本身就說明了一些事情。

回到目錄

微軟出手，商業代價已現

五角大廈的禁令帶來的商業衝擊不是假設性的。

Anthropic 財務長 Krishna Rao 在法庭文件中估計，若黑名單措施維持不變，公司 2026 年的營收可能損失「數十億美元」。原本預計 2026 年超過 5 億美元的公部門年度經常性收入，可能大幅縮水甚至完全消失。已有超過 100 家企業客戶表達困惑與疑慮，一家每年合約規模達數百萬美元的夥伴已轉向競爭對手，另有多筆總計逾億美元的金融業合作中斷。

3 月 10 日，微軟向法院提交文件，支持 Anthropic 的訴訟，要求法院發布臨時限制令阻止禁令生效。

微軟的理由很有意思。它的文件警告：若禁令維持，公司及其他科技企業可能需要「立即調整目前與國防部相關的產品與合約配置」，而這「可能在關鍵時刻削弱美軍作戰能力」。

五角大廈試圖以「國家安全」為由封殺 Anthropic，微軟卻用同樣的「國家安全」邏輯，主張封殺本身才是對國家安全的威脅。

與此同時，科技業有近 900 名工程師連署，其中包括約 800 名 Google 員工和近 100 名 OpenAI 員工，公開反對軍方對 Anthropic 的行動，呼籲國防部撤回「供應鏈風險」的認定。

這場衝突已不只是 Anthropic 一家公司的事。

回到目錄

Anthropic 是愛國企業嗎？

這個問題的答案，取決於你怎麼定義「愛國」。

如果愛國意味著服從政府的要求，那 Anthropic 不是。

如果愛國意味著維護這個國家建立的價值——免於任意監控的自由，以及人類對致命武器的最終控制權——那 Anthropic 的立場反而比任何人都更接近那個定義。

Anthropic 是第一家把 Claude 部署進美軍機密雲端的 AI 企業。他們在情報界和軍事任務支援上的合作深度，超過了大多數同業。他們公開指控中國 AI 公司竊取技術，呼籲收緊晶片出口管制，明確把中國的 AI 擴張定性為民主世界的威脅。

他們的立場不是「AI 不應該用於軍事」，而是「AI 不應該在不受監督的情況下被用來對付美國公民」。這兩者之間有非常大的差別。

Amodei 在 CBS 訪問最後說：「不同意政府的決定，是世界上最美國的事情之一。我們在這件事上的每一個選擇，都是為了這個國家的價值而站立。」

中國不需要 AI 安全護欄，因為它的政治體制本來就建立在監控和管控上。而如果美國因為追求軍事效率，把 AI 安全護欄全部拆掉，美國和中國之間的制度差異，就會開始縮小。

這正是 Anthropic 不願退讓的核心邏輯。而如果這個邏輯是對的，那它的重要性——對民主體制的長遠存活而言——不亞於任何一場實體戰爭。

回到目錄

戰場之外的戰場

美伊戰爭佔據了所有的頭條。飛彈、油輪、空襲、油價。這些都是看得見的衝突。

但有一場戰爭正在視線之外進行，它的戰場是 AI 模型的使用條款，是聯邦法院的訴狀，是一封 1,500 萬人看過的辭職信，是近 900 名工程師的連署，是一家公司選擇在巨大的商業壓力面前不讓步。

你可以認同 Anthropic 的做法。你也可以認為 Palmer Luckey 說得有道理，私人公司不應該凌駕民選政府做出這類決定。你更可以認為 Ben Thompson 是對的，AI 的戰略分量讓國家控制權不可避免。

這些都是值得認真面對的立場。

但有一件事是確定的：在 AI 技術已經能夠建立從未有過的監控能力、而法律還沒有跟上的這段空白期間，某個地方必須有人站著說「等一下，我們還沒有談清楚這件事」。

那個人，或那家公司，會付出代價。

我們還沒有想清楚的問題是：

在法律終於跟上技術之前，那個代價應該由誰來承擔？

還有一個更安靜的問題，在所有新聞的喧嚷過去之後，值得獨自坐著想一想：

當一個社會決定讓 AI 在法律灰色地帶運作，它所付出的，是哪一種自由？

本文綜合整理自 CBS News（Dario Amodei 專訪逐字稿）、鉅亨網、ABMedia、TechNews、中央社、Ben Thompson（Stratechery《Anthropic and Alignment》）等媒體報導與分析文章。

#ai #anthropic #democracy #pentagon #tech

關於這裡 台灣人。台派。喜歡把事情搞清楚。

凡是能解釋「為什麼」的事，我都著迷。科學、創新、哲學、投資，本質上是同一件事：找出規律，然後解開。

讀到真正新奇的東西，會興奮到發抖。

不在書桌前的時候，就在山上、水裡、或某個還沒搭營地的空地。

contact via teamtaiwan.trophy127@passmail.net 本站僅提供參考，不是人生建議，不是醫療建議，不是投資建議。

那張圖上有兩塊面積：一塊藍色，代表AI「理論上」可以完成的工作任務；一塊紅色，代表 AI 「實際上」正在被使用的範圍。

兩塊之間，有一個巨大的空白。

• 電腦與數學類職業，AI理論上能處理 94% 的任務。但現實中 Claude 實際涵蓋的，只有 33%。
• 辦公室行政類職業，理論值 90%，實際使用只是其中的一小部分。

這個落差，不是統計誤差。它是一個問題的起點：在所有人都在談論 AI 要讓白領工人集體失業的當下，真正發生的事情，究竟是什麼？

2026 年 3 月，Anthropic 發布了一篇研究報告，試圖回答這個問題。

目錄

• 一個被反覆誇大的恐懼
• 過去的預測為什麼一直出錯
• 「觀察到的暴露度」：一把新的量尺
• 誰是最高風險的職業？
• 但失業率沒有動
• 年輕人：唯一有訊號的族群
• 白領大蕭條：還沒發生，但不代表不會來
• AI 的真實狀態：潛力巨大，採用遲緩
• 這份報告也許想說
• 另一個聲音

一個反覆出現的恐懼

每隔幾個月，就會有一篇文章告訴你 AI 要搶走你的工作。

Anthropic 執行長 Dario Amodei 說，AI 可能衝擊一半的入門級白領工作。微軟 AI 負責人 Mustafa Suleyman 預測，多數專業工作將在一到十八個月內被取代。這些說法從 2022 年 ChatGPT 問世後一波接著一波，每一次新的模型發布，就伴隨著新一輪對就業市場的末日預言。

但有一個問題從來沒有人認真回答過：這些事情，現在真的在發生嗎？

Anthropic 的兩位研究員決定用數據找答案，而不是靠推論和直覺。他們的報告《AI 對勞動市場的影響：一種新的衡量方式與早期證據》（Labor market impacts of AI: A new measure and early evidence）在 2026 年 3 月 5 日發布，是迄今為止最認真嘗試把 AI 勞動市場衝擊數量化的學術研究之一。

^回到目錄

過去的預測為什麼一直出錯

在開始講他們找到什麼之前，研究員先做了一件值得讚揚的事：他們先承認了過去那些類似研究有多不可靠。

報告開頭直接點出：一個著名的早期研究曾經判斷美國約四分之一的工作容易被外包取代，但十年後，那些工作大多維持了健康的就業成長。政府的職業成長預測雖然方向大致正確，但所提供的預測價值幾乎等同於直接延伸過去的趨勢線。

就算是事後諸葛，重大經濟衝擊對勞動市場的影響也常常令人困惑不清。工業機器人對就業的影響，學術研究至今仍得出相反的結論。中國製造業崛起所造成的工作流失規模，時至今日仍然爭論不休。

這段開場白不是謙遜的客套話, 它是一個宣告：預測很難，所以我們需要更好的工具。

^回到目錄

「觀察到的暴露度」：一把新的量尺

過去衡量 AI 對工作威脅程度的主要方法，是問一個問題：「這個任務，AI 理論上能做嗎？」

Eloundou 等人在 2023 年建立的常用指標 β，把任務分成三種：語言模型獨立就能讓速度加倍（β=1）、加上額外工具後能加倍（β=0.5）、以及無法達到兩倍速（β=0）。這個方法的問題在於，它衡量的是可能性，而不是現實。

Massenkoff 和 McCrory 提出了一個新的指標，他們稱之為「觀察到的暴露度」（observed exposure）。這個指標的邏輯是：不管 AI 理論上能不能做某件事，重要的是它現在實際上有沒有在做。

他們的方法結合了三個資料來源：美國勞工部的 O*NET 職業任務資料庫（涵蓋約 800 種職業的具體工作任務）、Anthropic 自己的 Claude 實際使用數據（來自 Anthropic 經濟指數）、以及前述的理論能力評估。一個職業的「觀察到的暴露度」越高，代表它的核心任務不只是 AI 理論上能做的，而是真實使用者已經在拿 AI 來做的——特別是以全自動化、職業相關的方式在使用。

為方便理解，以下將「高暴露」簡化為「AI 涉入程度高」，「低暴露」簡化為「AI 涉入程度低」

理論與現實之間的鴻溝

這個指標揭示的最重要發現，就是那張圖上的巨大空白。

研究員把每個職業類別的「理論能力」和「實際使用」並排放在一起，得出了一個清晰的結論：

AI 距離達到它的理論上限還非常遙遠。

電腦與數學類工作，理論值 94%，實際只有 33%；辦公室行政類，理論值 90%，實際使用同樣只是其中一小部分。

為什麼會有這個落差？研究員提出了幾個原因：部分任務雖然理論可行，但受到法律限制、需要特定軟體、需要人工核查，或是存在其他現實障礙而難以採用。他們舉了一個具體例子：醫生授權藥局補充處方的任務，理論上 AI 完全能做，但他們在 Claude 的使用數據裡根本沒有看到這件事發生過。

^回到目錄

誰是最高風險的職業？

根據「觀察到的暴露度」這個新指標，AI 涉入程度最高的十大職業分別是：程式設計師位居榜首，任務覆蓋率達 75%；客服代表¹緊隨其後，他們的核心任務越來越常見於企業的一線 API 應用中；接著是資料輸入員，其主要任務——讀取來源文件並輸入資料——已有相當大比例被自動化。

後面幾名包括財務分析師、法律助理、會計人員等知識工作者。

這些職業有幾個共同特徵，在統計上相當顯著。根據 2022 年底的勞動力調查數據，AI 涉入程度最高的那四分之一工作族群，比起毫無 AI 暴露的那 30%，有幾個特點：

女性比例高、白人比例高、亞裔比例極高、教育程度高

女性比例高出 16 個百分點；白人比例高出 11 個百分點；亞裔比例將近兩倍；平均薪資高出 47%；教育程度明顯較高——擁有研究所學歷的比例是低暴露族群的將近四倍，從 4.5% 躍升至 17.4%。

換句話說

AI 最大的威脅，指向的是受教育程度最高、薪資最高的那群人。

這與許多人「AI 只會取代低技能工作」的直覺，完全相反。

成長最慢的工作

AI 涉入程度高的職業，未來成長也較緩慢。研究員把新的暴露度指標與美國勞工統計局 2025 年發布、預測 2024 到 2034 年各職業就業變化的數據對照，發現暴露度每增加 10 個百分點，就業成長預測就下滑約 0.6 個百分點。

這個關係雖然微弱，但方向清晰，而且更值得注意的是：用舊的理論指標 β 來做同樣的分析，卻找不到這樣的相關性。也就是說，「實際使用」這個維度，比「理論上能做」更能預測未來的就業走向。

^回到目錄

但失業率沒有動

在 Anthropic 的報告發布前幾週，一篇在科技圈廣泛流傳的文章(部落格有其譯文)這樣開頭：

「我在工作中實際的技術工作上已不再被需要了。我用普通英文描述我想要建構的東西，它就……出現了。不是我需要修改的草稿，而是完成品。」

該文作者Matt Shumer 是一個在 AI 新創公司工作了六年的業內人士。他用 2020 年 2 月那個沒有人意識到新冠病毒已經在門外的時刻，來比喻我們現在的處境。他說，科技工作者正在經歷的，就是其他所有人即將要經歷的。法律、金融、醫學、會計——不是十年後，是一到五年。

這種第一視角的衝擊感，是數字沒辦法給的。你感覺到大地在震動。

然後 Anthropic 的兩位研究員說：

「我們去量了，地沒在動。」

至少，目前看起來是這樣的。

研究員把暴露度指標與美國現行人口調查（Current Population Survey）的失業率數據對接，追蹤自 2022 年底 ChatGPT 發布以來的變化趨勢。

結果：在AI 涉入程度最高的那四分之一工作族群中，沒有找到失業率系統性上升的證據。

把AI 涉入程度最高的族群和AI 完全沒有涉入的族群的失業率放在一起看，兩條線自 2022 年底以來幾乎平行移動，差距沒有擴大。統計上，任何微小的失業率增加都在誤差範圍之內，無法與零效果區分開來。

這個結論無論用什麼方式延伸測試，都不動搖。把判定「高暴露」的百分位門檻從中位數一路拉高到第 95 百分位，結果都是失業率持平或略降。使用勞工部失業救濟金申請人數而非調查數據，結論相同。無論怎麼切，都看不到 AI 在暴露度最高的職業群體中留下清晰的失業足跡。

^回到目錄

年輕人：唯一有訊號的族群

但研究員沒有就此收手。他們注意到另一項研究（Brynjolfsson 等人，2025 年）指出，在 22 到 25 歲的年輕工作者中，AI 暴露高的職業出現了 6 到 16% 的就業下滑。這個數字太顯眼，不能忽略。

問題是，對年輕的勞動市場新鮮人來說，「失業率」這個指標可能本身就有盲點——很多沒有找到第一份工作的年輕人，根本不會出現在失業統計裡，因為他們從來就沒有進入勞動市場，所以不被計算為「失業者」。

研究員因此改用另一個指標：就業媒合率，也就是追蹤年輕人每個月有多少比例成功進入一份新工作，並且區分他們進入的是高AI 涉入程度還是低AI 涉入程度的職業。

這裡終於出現了一個訊號。

紅線為22至25歲，在AI 涉入程度高的職業的「就業媒合率」，藍線則是不受AI影響的職業的媒合率。

從視覺上看，AI 涉入程度高與低的兩條曲線在 2024 年開始分叉。進入低涉入程度職業的就業媒合率維持穩定，大約每個月 2%；進入高AI 涉入程度職業的比率則下滑了約半個百分點，換算下來，在 ChatGPT 發布後的時期，暴露職業的就業媒合率比 2022 年基準低了約 14%。

這個效果統計上剛好跨越顯著門檻，「剛好(barely)」這個詞本身就代表它應該被謹慎解讀。而且這個效果只在 25 歲以下的工作者身上出現，25 歲以上完全沒有類似趨勢。

研究員給了幾個可能的替代解釋：沒有被AI涉入程度高的職業錄取的年輕人，可能是留在原本的工作崗位、轉去其他職業，或者重回校園繼續讀書。它可能是 AI 開始影響入門級職缺的早期訊號，也可能只是市場噪音。

^回到目錄

白領大蕭條：還沒發生，但不代表不會來

研究員在報告裡提出了一個思想實驗，讓人難以忽視。

2007 到 2009 年的金融海嘯期間，美國整體失業率從 5% 翻倍到 10%。如果 AI 對白領工作造成了類似規模的衝擊，在暴露度最高的四分之一職業群體中，失業率應該會從目前的 3% 上升到 6%。

這個幅度，在他們的分析框架裡應該是可以被偵測到的。

它沒有發生。

但研究員沒有說「所以不用擔心」。他們說的是：這個框架的價值，正在於它能在破壞變得清晰之前就提前識別出最脆弱的環節。COVID 那樣的衝擊不需要精細的統計工具，因為它太劇烈了，任何人都看得見。但如果 AI 帶來的衝擊更像是貿易衝擊或網路革命——緩慢滲透、與景氣循環混在一起——那麼沒有一個好的測量框架，等你能確定地說「是 AI 造成的」時，傷害可能早就造成了。

^回到目錄

AI 的真實狀態：潛力巨大，採用遲緩

這份報告間接揭示了另一件事：

我們可能嚴重高估了 AI 目前的實際普及程度。

Anthropic 的經濟指數建立在對約一百萬次真實 Claude 對話的匿名分析之上，追蹤這些使用行為如何對應到美國勞工部 O*NET 資料庫的兩萬多個具體工作任務。這是迄今規模最大的「AI 實際使用行為」數據集，而它描繪出的圖景，比大多數人想像的要保守得多。

電腦與數學類任務佔了 Claude 查詢量的 37.2%，主要是軟體修改、程式除錯、網路問題排查。藝術與媒體類排第二，佔 10.3%，主要反映寫作和編輯工作。相較之下，農業、漁業、林業相關查詢只佔 0.1%。

而在所有的使用行為中，「輔助型使用」（AI 協助人類完成任務）仍然多於「自動化使用」（AI 獨立完成任務）。截至 2025 年 11 月，輔助型使用佔 52%，自動化佔 45%。

這個比例本身是一個重要的訊息：在絕大多數情境中，AI 還是一個工具，而不是一個替代者。

^回到目錄

這份報告也許想說

這篇論文想解答的，不只是「AI 有沒有在搶工作」，更是「我們要怎麼問這個問題」。

研究員承認，他們的框架有侷限。O*NET 的任務描述反映的是 2023 年前的語言模型能力，現在的模型早已不同。使用 Claude 的行為只是整個 AI 使用生態的一個切面，可能高估了軟體工程任務的比重，因為 Claude 本來就以程式設計能力著稱。部分顯示為「自動化」的對話，使用者實際上可能只是拿 AI 的產出當草稿再加以修改，功能上更接近輔助，卻被計入自動化。

但這份報告真正的貢獻，不是最終答案，而是一套方法論。

在任何可見的衝擊出現之前，就把測量工具架好。在大家還在用「理論上 AI 能不能做」來推斷威脅的時候，改問「AI 現在實際上在做什麼」。在末日論和過度樂觀之間，找一個能被數據更新的立場。

這個立場是：目前還沒有系統性的衝擊訊號，但有一個早期、微弱、針對年輕新鮮人的警示。那塊理論能力與實際使用之間的巨大空白，正在等待被填補。當它被填補的速度加快時，這個框架也許能破壞來臨前就先偵測到它。

Massenkoff 和 McCrory 說，答案是：會的，但我們現在還不知道它長什麼樣子。

另一個聲音：數據和親歷者，誰說的算？

Shumer 的文章和 Anthropic 的報告，讀起來像是在描述兩個不同的世界。

一個說：我已經不被需要了，這正在蔓延到所有人。另一個說：我們量了失業率，什麼都沒動。

這個矛盾不是假的，但它也不是真正的衝突。兩件事可以同時為真：AI 的能力正在以某些人感受強烈的速度提升，同時在總體就業數字上還沒有留下可量測的痕跡。就像 2020 年 1 月，病毒已經在傳播，但醫院還沒有被塞爆。

Shumer 說：

「未來已經在這裡了，它只是還沒敲你的門。」

Anthropic 回應：

「我們的框架最有用的時刻，正是衝擊還不明顯的時候。」

兩個說法之間的空隙，是現在所有人都站著的地方。

#anthropic #AI

^回到目錄

本文根據 Anthropic 於 2026 年 3 月 5 日發布的研究報告《Labor market impacts of AI: A new measure and early evidence》整理撰寫，作者為 Maxim Massenkoff 與 Peter McCrory。原始報告可於 anthropic.com/research/labor-market-impacts 查閱。另參考 Matt Shumer 於 2026 年 2 月 9 日發表的文章，繁體中文翻譯版可於 infosec.press/richbluebird/somethingbigishappening 查閱。

^回到頁首

關於這裡 台灣人。台派。喜歡把事情搞清楚。

凡是能解釋「為什麼」的事，我都著迷。科學、創新、哲學、投資，本質上是同一件事：找出規律，然後解開。

讀到真正新奇的東西，會興奮到發抖。

不在書桌前的時候，就在山上、水裡、或某個還沒搭營地的空地。

contact via teamtaiwan.trophy127@passmail.net 本站僅提供參考，不是人生建議，不是醫療建議，不是投資建議。