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。

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。

💻 科技、行銷、產業趨勢

探討科技發展（如 AI）與市場行銷等，對社會和產業的影響。

• 260318-兩百萬次光刻、3.5台機器、一個卡住全世界的瓶頸：Dylan Patel 的半導體供應鏈解剖學
• 260312-五角大廈 vs Anthropic：這可能是一場價值戰爭
• 260310-AI 真的在搶你的工作嗎？Anthropic 用真實數據給出了一個令人意外的答案
• 260308-你以為你在賣東西，但顧客買的是感覺：世界級行銷人的決策哲學
• 260305-當 AI 工廠來敲門：一個印第安納小縣如何對抗矽谷的千億佈局
• 260226-有大事正在發生
• 《思想實驗室》訪談摘要：簡逸峰談 AI 時代的台灣生存之道

💰 金融與投資 (Finance and Investment)

涵蓋了宏觀經濟分析、特定產業趨勢、國際貿易政策以及個人的投資經驗分享。

💰追蹤指標

🏛️ 政治、國防與國際關係

• 260407-我們正在看一場文明級別的賭局：經濟學家 Steve Keen 的伊朗戰爭警告
• 260330-你明知道虧了，為什麼還是走不掉？：民眾黨支持者的損失厭惡困局
• 從小草到脫北：一對夫妻的告白，以及台派值得聽進去的那些話
• Puma演講之反思與重點整理

🧘 健康、心理與生活

這類文章聚焦於身心健康、日常營養知識及心理調適。

• 260409-如何愛上學習—你的大腦不是懶，它只是在找最划算的多巴胺
• 260305-你的大腦從 30 歲就開始死去：神經科學家 Louisa Nicola 的阿茲海默症警告
• 251223-詐騙心理學解密：為什麼聰明人也會被騙？
• 251101-維生素D：最接近「抗老藥丸」的日常營養素

TAGs

#AI #antiAging #anthropic #brand #democracy #dementia #economics #fraud #health #investment #marketing #pentagon #politics #psychology #stock #tech #workout #semiconductor #LossAversion #民眾黨