連黃仁勳都叫年輕人當水電工!程世嘉:智慧通膨重新定義「有價值的人」到底什麼樣子?
連黃仁勳都叫年輕人當水電工!程世嘉:智慧通膨重新定義「有價值的人」到底什麼樣子?

人類不是第一次體驗經濟規則的巨變。

18 世紀末,一台蒸汽機開始在英國的紡織工廠裡轟轟作響,沒有人預料到,這台燒煤吐霧的機器會在接下來的一百五十年間,掀翻、重塑整個人類文明。農民湧入城市、手工業者被機械取代、全新的中產階級誕生,伴隨而來的是童工、貧民窟與殖民掠奪。《經濟學人》統計過,從工業革命爆發到人類逐步適應,整整花了一百五十年,一直要到 20 世紀下半葉,科層社會、教育制度與現代白領的工作型態才慢慢成型。換句話說,好幾代人都成了那場巨變裡的實驗品與犧牲品。

現在,AI 正在做一模一樣的事,只是速度更快。

蒸汽機是人類第一次把「體力」大規模外包給機器;19 世紀末普及的電力,讓「動力」變得隨手可得;而 AI ,是至今為止最讓人不安的第三次,因為這回被外包的是「智力」。以色列歷史學家哈拉瑞(Yuval Noah Harari)在《連結》(Nexus)一書裡指出,印刷機和原子彈都還只是人類手中的被動工具,再強大也不會自己做決定;但 AI 會推理、會判斷、會自主行動,甚至開始自我改善,已經跨越了「工具」的界線,正在變成一個有行為能力的行動者。

而且 AI 這次是拿白領開刀,從那些最高薪、最仰賴認知能力的知識工作者下手。所以諾貝爾物理學獎得主、深度學習教父辛頓(Geoffrey Hinton)和 NVIDIA 執行長黃仁勳(業界都叫他老黃),最近才會公開叫年輕人去當「水電工」。畢竟當你需要通馬桶的時候,機械手臂可能永遠沒辦法靈活地鑽進你家浴室。當 AI 教父們的職涯建議變成「學好通水管」,你就知道遊戲規則翻得有多徹底。

智慧通膨,讓你的腦袋愈來愈不值錢

由於 AI 愈來愈好用,又愈來愈便宜,所以我提出了「智慧通膨」這個概念。

過去「智慧」是稀缺資源,企業願意付高薪給律師、顧問、工程師等精英,要的是他們腦中無法被機器取代的知識、獨立思考與判斷力。但生成式 AI 問世並持續進化,加上 Google、OpenAI、Anthropic 等大廠把 AI 的 API(Application Programming Interface,應用程式介面)價格壓到幾乎免費,任何人打開手機就能取得媲美專業人士的智慧輸出。這時候,「智慧」這個資產,就像通膨的貨幣一樣開始貶值。以前你擁有 100 萬元的智慧,在市場上就是值 100 萬元;如今 AI 讓人人口袋裡都裝著 100 萬元,你那一份可能只剩 50 萬元。

更殘酷的是,AI 的算力和知識儲備量,實際能夠產出的價值可能高達 1,000 萬元、1 億元,甚至更高,那是人類肉身大腦永遠無法企及的資料量與推理速度。因此,智慧通膨正在加速淘汰「不會用 AI 的人」,同時也在重新定義「有價值的人」到底長什麼樣子。

Google 在 2026 年 5 月的 I/O 大會上揭露了一個讓所有人倒抽一口氣的數字:他們每個月處理的 token數,從 2024 年 5 月的 9.7 兆,一路爬到 2025 年 5 月的 480 兆,到 2026 年 5 月已經來到 3.2 千兆(Quadrillion, 3.2×1015),年增 7 倍!同時間,Google API 每分鐘處理 190 億token,有 375 家 Google Cloud 企業客戶,過去十二個月每一家各自處理超過 1 兆 token。這些數字翻譯成現實是「智慧」這項商品的生產規模,而它正以人類經濟史上沒見過的速度被放大。智慧通膨完全展現在這條曲線裡。

AI 3.0 時代,AI 會執行、會自我進化

我自己把 AI 的發展階段,以純商業角度分成三個階段。AI 1.0 是 AI 根本還不太能用、頂多是個隱形配角的時代。這個時候 AI 還沒創造出什麼驚人的應用和商業價值,一切都還在迷霧當中,多數人甚至不知道什麼是 AI。1.0 是一段漫長的時代,因為 AI 早在 1950 年代就被提出,開始發展。

AI 2.0 是 ChatGPT 橫空出世、生成式 AI 快速落地的時代,大約持續到 2025 年結束。這段期間 AI 進入爆發成長期,每個人都聽過 AI,使用率快速提升,大型語言模型學會從海量資料中「生成」大量文字、圖片和影片。AI 2.0 的商業時期非常短暫,只有三年;雖然已經在全世界開啟革命,但這段期間 AI 還是一個被動配合人類的軟體程式。

至於我們現在身處的是 AI 代理當道、而且會自我進化的 AI 3.0 時代。AI 現在可以主動替你行動、判斷、執行任務,甚至在沒有人類介入的情況下,跟自己對話、辯證、合成新知識。它若覺得某段程式碼沒寫好,就自行改寫,改壞了再重來一次,活生生就像是一個會幫自己做器官移植的有機體。

2024 年我寫第一本書《AI 世界的底層邏輯與生存法則》的時候,「擴展定律」(Scaling Law)還是業界和學術界最被信奉的教條,背後的想法很簡單:餵給 AI 更多資料、投入更多算力訓練,AI 就會更聰明。但到了 2024 年底,這條路徑開始遇到瓶頸:全世界的高品質訓練資料已經被搜刮過好幾輪,嚴重短缺;算力的成長也追不上需求,老黃甚至說全世界的算力還差 100 倍。

光靠「餵更多資料」,已經無法讓模型更聰明了。

就在擴展定律看似走到盡頭時,自我進化的大門慢慢打開了。Google DeepMind 提出了「嵌套學習」(Nested Learning),試圖模擬人腦的層層抽象結構,讓 AI 能在不必每次從頭訓練的情況下,持續學習新事物。其他大廠也都在積極解決AI的記憶問題,讓模型真正「記住」與使用者的互動脈絡,避免每次對話都失憶;2026年,甚至連飾演「惡靈古堡」女主角的蜜拉.喬娃維琪(Milla Jovovich)都看不下去,自己動手開發開源AI記憶工具 MemPalace。

這些進展意味著 AI 的進化速度沒有放慢,反而還在加速。

生成式 AI 問世之初,Google、OpenAI、Anthropic 等巨頭一、兩個月才發布一次新模型;現在則是以每週、甚至每天的速度在迭代。Anthropic 執行長阿莫代伊(Dario Amodei)在 2026 年的多次訪談裡更直接指出,目前所有前沿模型公司在拚的,是誰可以先「成功把軟體開發完全閉環」:讓 AI 進入完全自我訓練的狀態,人類不再需要插手。一旦 AI 跨進這個階段,模型自己就會變得愈來愈聰明,達到我們目前無法想像的智慧高度。

相較之下,人類是碳基生物,腦部結構不太會改變,適應社會變化的速度遠遠跟不上機器的迭代速度。這便是 AI 3.0 時代最讓人焦慮的現實。

延伸閱讀:AI能源概念股有哪些?台達電、光寶科、華城、中興電,誰是直接受惠股?

焦慮無法解決問題,先看懂 AI 如何改變日常

既然我們無法阻止 AI 進化,就必須看懂它將如何改變人類的日常。AI 3.0 的第一個具體衝擊,是能「外服內用」的 AI 代理在2026年全面落地,一邊帶來「零點擊時代」,一邊創造了全新的「人機協作」模式。

當 AI 代理搭配「模型上下文協定」(Model Context Protocol, MCP)、「A2A 通訊協定」(Agent2Agent)等,開始替使用者完成搜尋產品、比價、下單的一條龍動作,傳統網站靠「流量」和「點擊」維生的商業模式就面臨瓦解。使用者再也不需要打開任何網頁、滑過任何廣告,因為 AI 代理在對話框裡就把一切搞定了。當你的品牌不被 AI 提起、推薦,就等於在網路上消失。

除了外服,AI 代理也可以「內用」。2026年 初紅遍全球、由奧地利開發者彼得.斯坦伯格(Peter Steinberger)釋出的開源代理框架 OpenClaw(暱稱「龍蝦」),就是最具代表性的案例。OpenClaw 自己是一層「代理外殼」(Agentic Harness),沒有內建模型,使用者把它裝在自己的電腦上,再接上 Claude、ChatGPT、DeepSeek 等任一大型語言模型當大腦,OpenClaw 就會替你打開信箱回信、上網訂行程、自動進行日常工作流程,甚至串接 WhatsApp、LINE、Telegram 等通訊軟體,代理你跟他人對話。它在中國大陸紅到百度、騰訊、字節跳動都推出自家「克隆」(Clone)版本,光是2026年3月,北京就辦了好幾場「裝龍蝦」的線下活動,現場排隊上千人。

同時間,Anthropic 推出 Claude Cowork,把代理能力擴展到一般白領的桌面環境,可以直接操控電腦、整合行事曆和各種應用程式;OpenAI 的 ChatGPT Codex 則在雲端進化,讓開發者把整個軟體專案託付給 AI 自主執行。

但代理時代帶來的不只是生產力解放。 同一份「能自己寫程式、自己執行」的能力,反過來也成了人類社會新的攻擊面。2026 年 4 月,Anthropic 公開 AI 資安防禦計畫 Mythos Preview 與 Project Glasswing;5 月,OpenAI 端出 Daybreak,正式宣告了 AI 資安成為一個全新的競技場:能夠主動發現程式漏洞的模型,正在改寫整個網路世界的防禦邏輯,這部分我會在第四部詳細說明。

當 AI 從「給你答案」升級成「替你辦事」的時候,企業的運作邏輯也跟著從「加人做事」變成「先加 AI、再視情況決定要不要加人」。

這場白領的工作革命,已經正式無聲地展開。

AI 催生 K 型社會,「兩極化」加速撕裂世界

所有技術革命都有贏家和輸家,但 AI 這一次拉出的距離,可能是人類史上最大的一次。我用「兩極化」來概括這個現象。2020 年新冠疫情爆發後,眾家經濟學家在爭論疫後復甦的經濟型態會是 V 型(快速反彈)、U 型(緩慢回升),還是 L 型(長期停滯),但維吉尼亞州威廉與瑪麗學院(College of William & Mary)經濟學教授彼得.愛華特(Peter Atwater)在社群媒體上推廣了「K」這個字母。

延伸閱讀:乘著台積電的風出海!程世嘉點名台廠最大缺口「不在工程師」,而在這3種人才

想像一下,K 左邊的交叉點是危機發生的時刻,往右上延伸的那條線代表高收入族群,疫情期間照樣在家上班,疫情後股票資產持續翻倍;往右下墜落的那條線代表低收入族群,餐廳、娛樂、旅遊業大量裁員,生活愈來愈艱難。兩條線愈走愈遠,中間那片曾經安穩的地帶迅速被掏空。

(本文摘自《智慧通膨下的新商機》,天下文化)

延伸閱讀:台灣AI發展這麼好,為什麼我沒有感受到?林宏文:這道光不會照到所有人,你得自己走進去

往下滑看下一篇文章
AI 不只搶流量,下一步連交易都要拿走! iKala 程世嘉:AI 不認識你,廣告下再多都沒用
AI 不只搶流量,下一步連交易都要拿走! iKala 程世嘉:AI 不認識你,廣告下再多都沒用

下一個替你買東西的,可能不是你自己,而是 AI。當 AI 開始介入搜尋、比較與消費決策,品牌與消費者之間的入口也正在改變。iKala 共同創辦人暨董事長程世嘉認為,AI 競爭正進入下一階段,企業真正要面對的已不只是「如何導入 AI」,而是當消費者逐漸把選擇權交給 AI,品牌如何確保自己仍在 AI 的選擇名單中?

零點擊只是開始!Agentic Commerce 恐讓 AI 從「導購」變「代購」

過去,消費者透過搜尋引擎找到品牌、進入官網,再完成比較與購買;如今,愈來愈多搜尋與決策可以直接在 AI 中完成。程世嘉表示,「零點擊只是剛開始。」隨著 AI Agent 從提供答案進一步走向執行任務,下一步甚至可能替消費者選擇商品、完成交易,讓 Agentic Commerce 從「AI 幫你找」走向「AI 幫你買」。

Sega 側拍.jpg
程世嘉指出「零點擊只是剛開始」,AI Agent 正從「幫你找」進化到「幫你買」,加速 Agentic Commerce 時代到來。
圖/ iKala

這場變化真正改寫的,不只是流量入口,而是交易的主導權。當 AI 開始代表消費者採取行動,品牌未來面對的,可能不再只是「如何吸引消費者」,而是如何成為 AI 最終選擇的對象。

AI 不認識你,廣告下再多都沒用!SEO 下一戰:搶進 AI 的「推薦名單」

要被 AI 選中,第一步是先被 AI 認識。程世嘉直言:「如果 AI 連第一步都不認識你,那你在網路上下多少廣告都沒用。」這也讓品牌競爭從 SEO 進一步走向 GEO(Generative Engine Optimization):過去企業搶的是搜尋排名,現在更要掌握 AI 如何描述品牌、引用哪些來源,以及在什麼問題下會提到自己。

面對新的消費決策入口,iKala 將 AI Marketing 定位為協助品牌成長的全方位行銷服務,結合市場資料、自有 AI 產品與專業顧問團隊,提供從顧問診斷、策略規劃、專案落地到成效優化的一站式服務。從品牌定位、市場與競品分析,到 GEO 內容優化、創作者合作與媒體投放,iKala 不只提供數據分析工具,更協助品牌找出成長機會、制定行銷策略,並持續追蹤與優化執行成效。

iKala AI Marketing 總監許巧彤指出,品牌不只要「聽人」,也要「聽 AI」。透過 Ontix 掌握社群話題、消費者需求與市場趨勢,協助品牌發掘潛在商機;Kuroma 追蹤品牌在 AI 平台的能見度、推薦情境與引用來源,找出內容布局與 GEO 優化方向;Kolr 則結合創作者數據與行銷執行服務,協助品牌媒合合適的 KOL/KOC,規劃內容合作與媒體投放,將市場洞察轉化為實際行銷行動。

iKala
iKala AI Marketing 總監許巧彤分享,iKala 透過全方位行銷服務,搭配獨家產品賦能,協助品牌成長。
圖/ iKala

對內打通資料,對外洞察市場!程世嘉:老闆要懂 AI,AI 更要懂台灣

外部的搜尋與消費入口正在改變,企業內部也面臨另一場 AI 轉型。

企業 AI 為什麼推不動?程世嘉直指,第一個問題往往是「老闆自己不用 AI」。決策者若連 AI 能做什麼、不能做什麼都不清楚,再大的導入計畫也很難解決真正的企業痛點。iKala 提出「小步快跑、長期陪跑」的轉型策略,從關鍵場景快速驗證,再逐步擴大;同時以 AI Service、AI Marketing 雙軸出擊,讓 AI 不只改善內部工作效率,也能成為企業掌握商機、推動品牌成長的助力。

而當 AI 愈來愈深入企業決策、品牌溝通與消費者選擇,另一個問題也隨之浮現:AI 真的讀得懂台灣嗎?

對 AI 而言,語言相通,不等於真正讀懂一個市場。語言背後還有文化脈絡、在地知識,以及台灣人實際使用語言的方式。iKala 投入 TMMLU+,便是希望透過開源的繁體中文 AI 評測基準,檢驗模型對繁體中文與台灣知識的理解能力,讓「AI 到底懂不懂台灣」不再只是主觀感受,而有一套具體的評測依據。

TMMLU+.jpg
TMMLU+ 在九月全新推出 v1.1
圖/ iKala

從 Agentic Commerce、GEO 到企業 AI 落地,背後其實都回到同一件事:AI 應用最終仍建立在人與資料之上。正如許巧彤所說,「先有人才有 AI,因為 AI 終究是要讀資料。」人們創造內容、累積市場訊號,AI 從中學習、理解並影響消費決策,形成相互作用的循環。當 AI 逐漸從輔助工具走向決策與交易入口,企業競爭的關鍵將不再只是如何運用 AI,更在於如何讓 AI 理解企業、讓企業讀懂市場,進而掌握新的成長機會。

【關於iKala】

iKala 致力於透過將 AI 與數據嵌入企業經營核心,協助企業做出更精準、更快速的決策。我們透過引導組織從「數據累積」邁向「決策產出」來支援 AI 轉型,並提供完整的 AI 解決方案,將企業的自有數據與 iKala 基於全球數十億社群訊號所建立的智慧模型相結合。

iKala 總部位於台灣,足跡遍布全球,服務超過 1,000 家企業及 50,000 個品牌,版圖橫跨全球 190 多個國家,客戶群包含多家財星 500 強企業(Fortune 500)。

iKala 官方網站:https://ikala.ai
iKala AI Marketing 介紹:https://ikala.ai/zh-tw/ikala-ai-marketing/

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
一次搞懂工業AI
© 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