觀點|台灣病是什麼?《經濟學人》點名4大失衡現況:誰把新台幣縮小了?台灣勞工為誰窮忙?
觀點|台灣病是什麼?《經濟學人》點名4大失衡現況:誰把新台幣縮小了?台灣勞工為誰窮忙?

「台灣病」(Taiwanese disease)。

這期《經濟學人》把台灣放在頭條,分析了台灣種種怪奇現象:房價/所得比高於紐約與倫敦、同樣的東西在台灣往往比國外貴好幾倍、對美出口順差持續暴增、台幣嚴重被低估、硬體產業超強、經濟果實未能全民共享。把台灣現況總結成了一個詞「台灣病」。報導深入探討了台灣在「出口導向、晶片獨霸」的成功故事背後,所隱藏的嚴重結構性扭曲。

這一系列分析,雖然著眼於台灣的經濟風險,但其份量幾乎可視為歐美輿論施壓台幣升值的大動作。或更直接地說,這很可能影響美國後續對新台幣匯率的政策判斷。

台灣幾乎所有表面問題,根源都是深層的結構性問題,而外銷與匯率正處於問題的核心。

《經濟學人》指出,台灣經濟正被「四大失衡」所困。

首要且最關鍵的,是極度低估的匯率。 根據經 GDP 調整後的大麥克指數(Big Mac Index)計算, 新台幣對美元被低估高達 55%,在全球敬陪末座。 這種低估程度,已顯著偏離台灣強勁的經濟基本面。台灣出口表現極為亮眼,過去 5 年晶片與伺服器出口暴增 3 倍;2025 年迄今的經常帳順差(涵蓋商品貿易與各種跨境收益)已擴大到 GDP 的 16%,遠高於 2010 年代的 10%。在如此強勁的數據支撐下,台幣的理論走勢應為升值,但現實顯然並非如此。

其次,是社會層面的失衡:經濟成長的果實並未被公平分享。長期偏低的匯率,對依賴進口食物與能源的台灣而言,實質上加重了所有消費者的負擔。弱勢台幣推高進口成本,其代價最終從普通家庭轉移到出口商的利潤上。

這也解釋了台灣勞工的長期困惑:為何經濟在成長,薪資卻顯得停滯?《經濟學人》提供的數據相當尖銳:自 1998 年以來,台灣勞動生產力翻倍,薪資漲幅卻遠遠落後。更具衝擊性的是,衡量工人報酬的「單位勞動成本」,同期間竟下滑 25%。這證實了許多人的感受——勞工在整體經濟產值中所獲得的相對占比,實際上正在縮小。

第三個失衡,顯現在資產價格的泡沫化。為了維持低匯率,央行(CBC)必須持續在外匯市場購入美元,向金融體系釋放巨額的新台幣流動性,並長期壓低利率。這些找不到去處的過剩資金,最終大量流向房地產市場。圖表顯示,台灣房價所得比的攀升軌跡,與外匯存底的累積軌跡高度相關。自 1998 年以來,台灣房價上漲了 4 倍。目前台北的房價所得比中位數已達 16 倍,其負擔壓力甚至超過倫敦與紐約。

最後,是潛在的金融系統性風險。巨額的順差資金總要有去處。報導指出,近年來央行為降低干預色彩、避免被貼上「匯率操縱國」標籤,部分順差資金被巧妙引導至壽險業,再由壽險業投資海外(主要是美元資產)。

這形成了一個巨大的結構性弱點:壽險公司以「新台幣」計價的負債(保戶的儲蓄),卻依賴「美元」計價的資產來支撐。這種「貨幣錯位」(currency mismatch)極度危險。一旦匯率出現劇烈變動,例如新台幣被迫快速升值,壽險業的資產負債表將遭受重創,可能引發系統性的金融危機

既然風險越堆越高,為何這樣的政策仍能延續?《經濟學人》歸納了兩個主因。

第一,是強大的出口遊說團體。弱勢匯率如同保護傘,讓許多利潤微薄、本應轉型的傳統製造業得以生存,而這些企業提供了大量就業機會。

第二,是央行在台灣獨特的政治地位。報導分析,央行一方面出於對「荷蘭病」的恐懼,擔心單一產業過強導致匯率飆升、衝擊其他產業;但更深層的結構是,央行透過匯率所產生的巨額盈餘,已成為政府財政的關鍵支柱。央行上繳的盈餘占政府總收入的 6%,而其他先進國家的平均僅為 0.4%。

這種不尋常的財政依賴,賦予央行巨大的政治影響力。儘管央行否認干預、聲稱只是「順應風向」以維持穩定,但外匯存底從 1998 年的 900 億美元,飆升至今日的 6,000 億美元(占 GDP 72%)的軌跡,就是最有力的證明。

《經濟學人》認為,這個模式已走到盡頭。風險正從兩端逼近:其一是美國的政治壓力,華府的貿易鷹派隨時可能施壓台幣升值;其二是內部的金融穩定——美元若持續走貶,將威脅壽險業的存續。

報導建議,台灣必須著手拆解這套過時的經濟架構。央行應逐步放鬆對匯率的控制,規劃一條可預期、可管理的長期升值路徑。轉型過程必然痛苦,那些依靠匯率補貼的企業將面臨裁員或倒閉,壽險業也將承受衝擊。

但這些衝擊並非不可管理。台灣政府財政相對健康,有本錢協助勞工轉型。唯有如此,台灣的普通民眾才能真正分享到國家出口奇蹟所帶來的甜美果實。

本文授權轉載自:程世嘉

往下滑看下一篇文章
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承

1973 年,良興從台北光華商場一間 50 坪的電子零件行起家,半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過,伴隨規模擴張帶來的不只是成長,還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆,加上跨部門協作頻繁,行政耗損與知識傳承的缺口,成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧,從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營,作為 3C 零售業者,良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能,就是良興第五波轉型的核心命題。」

AI 自動化,從行政細節釋放組織戰力

轉型需要夥伴,而賴志達評估合作夥伴的標準很明確:技術能力是基本,產業知識(Domain Know-how)的深度是關鍵,回饋速度更是最終決定因素。2025 年的未來商務展上,良興選擇攜手 Data-DI,看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的,良興與 Data-DI 合作的第一個專案,就落在最耗費人力、卻最常被忽視的環節:會議記錄。「會議如果沒有產值、沒有效果,對企業很傷!」賴志達說,他每天參加許多會議,但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理,常出現人名誤植、決策遺漏、行動項目無人追蹤,讓會議效果大打折扣。

數智聚(良興)_1.JPG
良興總經理賴志達
圖/ 數位時代

為了解決會議記錄的痛點,Data-DI 業務副總包威棣指出,在導入工具以前,團隊須先釐清三件事:場景是否具備落地價值、哪些流程節點適合 AI 介入,以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問,都決定 AI 能否精準落地。

確認方向後,良興與 Data-DI 成功導入 AI 會議記錄自動化系統,透過模糊比對技術校正語音辨識誤差,並將生成的雙版本報告直接回存至既有資料庫,不僅將行政人員從重複性作業中釋放,也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享,現在他去外部開會也會用這個工具,運用 AI 把錄音轉文字、再整理成簡報,很快就能完成,更令外部夥伴驚艷。「我認為這是很成功的案子!也提醒想做 AI 的老闆們,與其急著搞大架構,不如先從小工具讓公司嘗試 AI,建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後,良興接著切入更深層的營運核心:知識傳承。過去,頂尖銷售經驗長期鎖在少數資深員工身上,新人培訓耗時三個月,員工離職即帶走知識資本。與此同時,網路資訊發達,消費者進店前早已掌握基本規格,3C 通路門市人員要如何發揮更多價值?「我要門市的人不是死背規格,而是面對客人時,能用客人能理解的方式對話。」賴志達說。

為此,Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡,串接教材生成、審核上架、AI 銷售對練與成績回報,主管僅需在核心節點審核;員工透過手機語音對練,系統依口吻、專業度、回應力等維度自動評分。賴志達表示,目標是將新人培訓期縮短至一個月,讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而,要讓這套系統真正運作,得先解決兩個根本問題:資料從哪裡來?以及訓練如何更準確?

「以前大數據時代,講的是資料要大、全、細、實;現在 AI 要做到的是準(準確)、合(合乎場景)。」包威棣說。良興不同廠商提供的素材品質參差不齊,Data-DI 除了整合內部資料,也補充加入外部市場評測內容以填補空缺,再透過人員審核機制過濾雜訊,搭配 agent 架構的多層步驟與知識限定,確保系統能精準提煉對應品類的訓練素材。

數智聚(良興)_2.JPG
Data-DI 業務副總包威棣
圖/ 數位時代

賴志達則看得更遠:「這些教育訓練的內容,也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問,帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中,雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步,賴志達表示,公司各部門很早就建置 Power BI 報表,但數據豐富不等於決策清晰。「數據是土壤,如果沒有梳理,就沒有用了。」因此,他的下一個目標是活化數據資本、推動行銷自動流,以精實的人力持續驅動成長。

數智聚(良興)_3.jpg
良興攜手 Data-DI 推動 AI 落地,以小步快跑模式為企業創造變革。
圖/ 數位時代

包威棣則從顧問視角歸納兩個觀察:AI 導入需要高層認同、由上而下推進,像賴志達這樣持續引領良興走在業界前端的決策者,就是不可或缺的推手;而單點工具的價值,終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構,人員訓練改變了知識傳承的方式。從點狀應用走向企業變革,這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後,對於仍在觀望AI應用的企業,他則建議:「未來 AI 導致的落差只會愈來愈大,人會變成超級工作者,企業會變成超級企業。開始做就對了,先做一個三個月的小任務,降低落差、再急起追上。」從痛點切入、小步快跑,讓組織在實作中累積對 AI 的理解與信任,這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊,請查詢網站:https://www.data-di.com/

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