以為機器人只能取代體力活?錯,它可能讓全人類都沒有工作!
以為機器人只能取代體力活?錯,它可能讓全人類都沒有工作!
2016.01.20 | 科技

還以為機器人只會取代那些重複性高、低技術的勞力工作嗎?錯了,機器人取代白領工作的速度比取代旅館、超市員工都還要快!機器人將全面取代人類工作、所得不均、薪資成長停滯、貧富差距擴大、社會安全網崩盤,人工智慧發展將會帶給我們怎樣的未來...?

「有一天,我們的工作都將被機器人取代。」這句話,聽起來有點警世預言的味道,但更多人可能寧願將它視為科幻小說的情節,無法想像機器人威脅到人類生存的未來就近在眼前;或者有另一派人反而為科技演進感到歡欣鼓舞——當機器人能夠幫你端咖啡、掃地、做菜、整理花園、組裝物品,又何嘗不好?況且機器人只能做低技術的勞力工作,又何來威脅之說?

人工智慧趨勢預言家馬丁福特(Martin Ford)最近的著作"Rise of the Robots: Technology and the Threat of a Jobless Future"(中譯:《被科技威脅的未來:人類沒有工作的那一天)中就指出,當我們以為人工智慧將創作人類社會的新一波繁榮時,更大的危機也將接踵而來,包括機器人將全面取代人類工作(藍領、白領階級皆然)、所得不均、薪資成長停滯、貧富差距擴大、社會安全網崩盤⋯⋯。「有一天,我們的工作都將被機器人取代」,這樣的未來,其實並不遙遠。

觀察1:不要對科技發展過度樂觀,我們的未來正被科技挾持

福特表示,關於「科技發展威脅人類生存」的理論,其實由來已久,在矽谷很多人都相信這樣的趨勢有一天會發生,但更多數的人仍然抱持樂觀的態度,認為最終不會導致這麼負面的結果。

大家對「威脅論」有所懷疑的原因是,這樣的論調在過去兩百年來不斷被提出討論,從工業時代的蒸汽機出現開始就有爭論,「但最後的結果是這些機器都沒有真的威脅、毀滅人類,所以大家還是相信科技仍然會帶來進步。」

「但是我還是認為這波人工智慧革命對人類會有大破壞式的發展。」福特的主要觀點有兩個:一、現在的人工智慧,不只是有體力(muscle power),還有腦力(brain power),它會學習、會進步;二、過去的科技發展可能是一次影響部分的產業,慢慢發生改變,當製造業被顛覆了,勞工或許還能換跑道到服務業、金融業,但現在的人工智慧發展是會全面性地影響所有產業,服務業、製造業、金融業等每個行業都會受到影響,無所遁逃。

福特強調,基於上面兩點理由,他相信這一波的科技演進將不同於過去,人類的工作都將慢慢消失。

觀察2:坐辦公室的白領請注意,你的工作會消失得比超市員工還快

過去我們所認知的機器人只是工廠生產線上提高生產力的工具,但這裡要強調,福特所指涉的機器人,是泛指具備演算法、程式運算、機器學習能力的「電腦」,它的外觀可以是任何形式,也就是任何具備人工智慧的電機系統,當然也可以只是一個程式、一台外觀再正常不過的PC。

一直以來,我們認為機器人只會取代那些重複性高、低技術的勞力工作,事實是,那些我們以為很安全的白領工作也都開始有了風險,很多受過大學高等教育的人都將受到影響。

福特指出,過去我們總認為具備大學學歷能讓你有份穩定的白領工作,但現在反而是在旅館裡面清掃、超市工作的藍領勞動階級,不會被這麼快被取代;因為這些工作內容很大部分涉及到三度空間運算,機器人的「體力」目前還無法精確地執行這些任務。

如今人工智慧、大數據、雲端運算等技術的發展,讓電腦有超群的「腦力」,它們會決策、會學習、甚至具備好奇心,部分白領階級的工作也將被這些聰明的電腦所取代,例如新聞寫作、財務報表、管理報告等文書處理工作,這些都是「可預測性」(predictable)的工作內容。

  • 如何判斷哪些是會被取代的「可預測性」工作內容?

很簡單,想想看別人能不能藉由查看你的工作記錄,就學會你的工作內容?一個聰明、學習能力很強的人,能不能看著那份資料,就快速取代你的工作任務?如果是的話,未來那個聰明、學習力很強的人,就是機器人,有朝一日,一套電腦系統演算法就有可能讓這份可預測性的工作職務消失。

福特在書中提到,其實多數工作都具有某部分的可預測性,很少部分的工作是完全靠著天馬行空的創意來完成,因此未來勞工將面臨空前的挑戰。「過去我們在面對科技帶來的衝擊的時候,都想到要重回學校學習新知,但如果書念得越多,只會做越多重複性工作,越容易被取代,我們需要新的解方。」福特說。

觀察3:只生產不消費的機器人,將衝擊經濟體系的平衡

談完了機器人對勞動者的影響,就不能不提對經濟、社會層面的影響。目前的經濟體系主要是靠「生產」與「消費」兩端所構成,當人類的工作漸漸被機器人所取代,沒有工作、沒有薪水也就沒有消費,整個社會的購買力就會降低,影響經濟體系。

可以想見,可足夠支配的所得與購買力最終會集中在少數富人手上,貧富差距將進一步擴大。不過,在大眾市場經濟中,必須倚靠龐大的中產階級所擁有的購買力來維持運轉,而他們又必須藉由工作來獲得購買力,但工作卻又被機器人取代,如此一來將形成惡性循環。

更嚴重的是,當機器人取代了人類的生產力後,為了維持機器人運轉,資方投注在機器人身上的能源、維修零件等成本,都是生產力的支出,不過作為「勞動者」,機器人卻沒有消費能力,只生產卻不消費的機器人,也將導致薪資成長停滯;若沒人購買機器人生產的東西,最終機器人也會停止運轉。

關於這些預言,福特也還沒有想出完美的解決辦法,但他希望藉由提出這些警告,讓更多人意識到當人工智慧加速發展的同時,我們賴以維生的社會體系或許也將歷經一次崩盤與重整。唯有結構性變革的解方出現,或許人類社會才有可能因科技加速進步而持續繁榮。

Martin Ford


馬丁.福特(Martin Ford)
他是21世紀第一位出版書籍探討科技、機器進步將會持續對人類生活、工作造成威脅的作者、矽谷軟體開發公司創辦人、趨勢先驅。在電腦設計和軟體開發領域有超過二十五年經驗,經常擔任機器人與人工智慧科技發展的專題演講人,常在《紐約時報》、《財星》雜誌、《富比士》雜誌、《大西洋月刊》、《華盛頓郵報》、《哈芬頓郵報》等知名媒體發表相關領域文章,並且常上電視與電台探討科技對於社會、經濟的影響。 福特擁有密西根大學電腦工程學位,以及加州大學洛杉磯分校企管碩士學位,先前著作《隧道之光》(The Lights in the Tunnel)榮登《紐約時報》暢銷書排行榜。《被科技威脅的未來》榮獲2015年金融時報與麥肯錫商業圖書大獎。

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

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
代理式商務連動百兆商機
© 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