作者：danny

2029年的中秋，新加坡又下雨。雨從海峽方向壓過來，到了大士，天空低得像要碰到那些沒有窗的數據中心。家明站在連廊裡，看雨水一層層從玻璃上往下滑。樓下幾輛沒有駕駛員的物流車沿著白線駛進卸貨區，一台四足機器人停在積水邊，像一隻不願弄濕腳的狗，安靜地算了兩秒，然後繞過去，繼續往變壓器房走。更遠一點，港口的自動化岸橋還在雨幕裡移動，天空偶爾有一盞紅燈掠過去，可能是警用無人機，也可能是電力公司的巡檢機。

一、到了2029年，人們已經不太談AI了

已經沒有多少人拿手機出來拍這些東西了。三年前，榜鵝第一次讓普通人坐上無人接駁車的時候，還有父母特地帶孩子去體驗，車一到站，大家先拍照再上車；如今一輛沒有司機的車從家明身邊經過，和自動門開了一下差不多，沒有人覺得值得停下來多看一眼。真正進入生活的未來，從來不會一直長得像未來。電燈曾經是奇蹟，後來只剩下一句「為什麼還沒修」；網際網路曾經像另一個世界，後來變成一個人在電梯裡下意識往下滑的動作。AI也一樣，等大家不再天天說「AI」的時候，它才算真正進入社會。

家明已經五十多歲，頭髮比幾年前白了許多。他還在那家保險集團，只是公司已經不是三年前那家靠excel管理的公司了。收入比過去高了近三成，客戶更多，產品更多，系統也更複雜，可員工人數並沒有跟著增長。客服所在的樓層空出一角，傳統後台營運少了許多，junior programmer的graduate intake也壓得很低；另一邊，AI governance、cybersecurity、robotics risk、model assurance這些過去只在諮詢報告裡出現的詞，已經變成一個個有預算、有老闆、有KPI的部門。

他的老同事永康就在樓下的數據中心工作。幾年前，永康還是保險公司的Programme Manager，後來被裁掉，如今負責一部分自動化設備、承包商和基礎設施項目。女兒怡寧去了能源系統公司，最近忙的是數據中心和電網調度；兒子厚載申請大學的時候，也已經沒人把「會用AI」當成值得寫在最上面的能力，就像沒有人會特地說自己會用Google。

如果只看街道，2029年和2026年是一樣。地鐵還是擠，房子還是貴，父母還是怕孩子輸，年輕人還是怕找不到工作，老人還是覺得世界越來越快。

可家明偶爾把這三年疊在一起看，會發現社會已經悄悄換了一套價格：什麼東西還值得錢，什麼東西不再值錢；什麼過去被看不起的能力突然成了瓶頸，什麼用了二十年練出來的本事，一夜之間變得不再稀缺。

他後來總會想起最早那個下午。翻開日曆，往回三年，也是九月尾，也下著雨。

二、那場雨以後，家明取消了house viewing

那天下午六點多，家明坐在萊佛士坊二十八樓的會議室裡，桌上放著一份十四頁的預算。會議已經結束，財務總監離開以前，把文件翻到最後一頁，用筆圈了一句話：If productivity gains are structural, why is headcount still structural?——如果生產率的提升是永久的，為什麼員工人數也應該是永久的？

家明四十六歲，是一家區域保險集團的首席運營官，也是公司裡最早推動AI的一批管理層。他並不是什麼科技理想主義者，公司最初用AI，沒有什麼改變世界的野心，只是客服積壓太多，理賠成本太高，IT開發太慢。最早AI幫員工寫郵件、整理會議、總結PDF，後來開始讀保單、檢查理賠材料、找異常交易，再後來coding agent能自己接ticket、讀repository、修bug、跑測試。過去客服處理一封投訴，要在幾個系統之間來回找資料，如今機器已經先把一個客戶過去幾年的保單、付款、理賠和投訴整理出來，再交給真人判斷。

員工最初很開心，因為那些重複、瑣碎、沒人喜歡但每天都必須做的事情少了；管理層也很開心，因為客戶終於不用等那麼久。那幾年公司最常講的一句話，就是「AI不是來取代人，而是讓人去做更有價值的工作」。這句話當時並沒有騙人，麻煩只是後來才出現：當一個工具真的讓人變得更有效率，效率就會被財務部門量出來。

過去十八個人的部門，現在十二個人帶著AI也能完成同樣的工作量。如果明年業務增長40%，當然沒有問題；可未來三年收入只預計增長個位數，一邊是需求增長7%，另一邊是產能提高30%，多出來的那部分能力最後怎麼辦，並不需要AGI來回答，Excel就夠了。

就在家明盯著這些數字的時候，手機彈出一條新聞：政府科技局裁掉93人。大約3900人的機構，第一輪305人進入調整，102人留下，110人接受培訓和轉崗，93人離開。真正讓家明停下來的，並不是「93」這個數字，而是政府科技局並沒有衰退，它還在招人，只是從過去偏project和vendor管理的模式，轉向長期擁有產品，需要更多真正可以做軟體、產品、數據和網路安全的人。

他看完以後突然覺得，大家爭論這到底算不算「AI裁員」，其實沒有那麼重要。至少政府科技局沒有倒，新加坡數位身分沒有消失，政府的軟體需求也沒有減少，工作甚至可能更多，只是它不再需要同樣的人，用同樣的方法去做同樣的事情。

一個產業可以越來越繁榮，但是你說，一個在裡面做了二十年的人卻突然失去位置，這比整個行業一起消失更令人不安。船沉了，人至少還能怪風浪；船開得越來越快，只是沒有你的位置，人最後會懷疑，是不是自己太慢。

那天晚上家明回家，慧玲正在廚房切木瓜。兩個人本來約了星期六去看湯申路上段一套三房condo，已經看了幾個月，CPF算過，貸款問過，慧玲連客廳怎麼擺都存了參考圖。她問星期六還去不去，家明站了一會，只說「先不要」。慧玲以為是利息，他搖頭，說不是利息。她看了他一眼，沒有繼續問。結婚二十多年，有些事情不用解釋。

公司還沒有裁家明，家明已經不敢買房。後來經濟學家會把這種行為叫預防性儲蓄：當未來收入的不確定性增加，人會少花今天的錢，把現金留下來。站在一個家庭的角度，這無比合理；可如果十萬個家庭同時做同一件事，理性就會變成衰退。一套本來準備買的房子不買了，車多開幾年，北海道從十天改成五天，後來乾脆不去了，冰箱只要還能繼續使用，吵一點也無所謂了。

AI造成的第一次經濟衝擊，未必先出現在失業統計裡。它可能先出現在一個星期六沒有發生的房屋viewing，因為人消費的從來不只是今天的工資，人消費的是自己相信明天還會有工資。AI最先動搖的，就是這份相信。

三、那年的月餅沒有蛋黃

到了中秋，公司還是發月餅。以前是Raffles Hotel的減糖雙黃蓮蓉，盒子做得像首飾盒。小兒子厚載小時候最喜歡等家明從正中間切開，看兩顆蛋黃是不是剛好一邊一個。那一年打開，卻只有四顆普通白蓮蓉，沒有蛋黃。

公司群裡有人開玩笑，說AI transformation連蛋黃也transform掉了，一群人發笑臉，然後繼續工作。家明知道，那盒沒有蛋黃的月餅，和桌上的headcount adjustment其實屬於同一件事。公司不是沒錢，後來的利潤甚至更好，只是一套新的價值判斷進入了公司：

「什麼值得付錢，什麼不值得；過去十個人才能完成的事情，現在是不是還值得十個人的工資。」

第一批名單裡有永康。五十歲，Programme Manager，跟家明一起做了八年項目。永康不差，甚至很好用。他最值錢的地方，是知道大型組織裡面為什麼事情永遠不會按照流程圖發生。哪個vendor星期五下午說「no problem」反而最危險，哪個部門會議上答應得最快，回去以後最不會動，哪個系統看起來只是改一個field，下面卻壓著十年前沒人敢碰的legacy logic，他全部知道。

這些過去被叫做經驗，而經驗真正值錢的地方，是別人拿不走。後來會議全部被記錄，專案歷史全部可以檢索，郵件和廠商交付都能被模型讀取，風險每天晚上自動重算。AI沒有獲得永康二十年的人情世故，可組織第一次可以把一部分過去只能活在人腦裡的記憶搬出來。永康並沒有變笨，只是他的稀缺性下降了。

家明親自和他談。HR把補償、通知期和career transition說完以後，永康沒有發火，最後只問：「是不是我做得不好？」家明說不是。永康又問：「那為什麼是我？」家明沉默了兩秒，說以後需要的skill set不一樣。

後來他經常想起這句話。一個人在一個世界裡努力了二十年，最後沒有犯錯，也沒有偷懶，卻有人告訴他，你不適合這份工作了。

企業為什麼會這麼做，並不是老闆變得殘忍。只要競爭存在就夠了。家明不裁，競爭對手裁；對手用少20%的人做出一樣的產品，成本更低，可以降價、提高佣金、增加行銷。幾年以後，董事會會問家明，為什麼競爭對手已經把AI productivity變成利潤，他們沒有。如果家明拒絕，先離開的可能是家明，新CEO來了以後，仍然會做同一件事。

現代經濟最殘酷的地方，有時候也正是它最文明的地方：不需要任何人恨你，你甚至不需要出錯，也可以把你淘汰。沒有惡意，只有效率。

永康失業以後，第一星期只投和以前工資一樣的工作，第二個月願意低15%，第三個月低25%也開始談。凌晨兩點他會看LinkedIn，看以前同事升職；凌晨三點再打開銀行App，看房貸還剩多少年。存款慢慢不再是一筆錢，而變成時間，還能撐十四個月、十二個月、十個月。

一個有工作的人，總覺得時間太快；一個失業的人，常常發現時間突然太慢。我們總說工作是為了賺錢，後來才發現工作還替人組織時間、身份和尊嚴。每天有人需要你，於是你知道星期一為什麼要起床；等工作消失以後，一個人失去的不只是工資，還有一種「我仍然在世界裡面有位置」的感覺。

四、一份工資消失以後，它去了別人的未來

永康離開以後，公司財報反而變得更漂亮。人工成本下降，理賠速度提高，IT交付加快，operating margin擴大，股價上漲。家明持有公司股票，所以他的淨資產也增加了。

他第一次清楚感受到AI時代一種很難說清楚的道德矛盾：自己簽掉了一批人的工作，卻因為這批工作消失，變得更富有。

有一個晚上，他把年報攤在書房桌上，用鉛筆畫了一條線，想知道一份工資消失以後，到底去了哪裡。錢當然不會憑空蒸發，工資少了，一部分變成利潤；利潤一部分回到股東，一部分變成資本開支。資本開支買模型、雲服務、伺服器和網路設備；雲廠商收到錢，再買GPU；GPU背後是HBM、晶圓、先進封裝和半導體設備；數據中心繼續買土地、冷卻、電和新的發電能力。

原來一百塊錢的路徑是：公司發工資，員工拿回家，去供房、吃飯、旅遊、買車、換冰箱。後來越來越多的錢改走另一條路：公司增加利潤，資本再流進GPU、晶片、數據中心、電網、能源和資產。

兩條路都會讓GDP增長，可它們經過社會的方式完全不同。一百個人拿到工資，會產生一百個消費決定；幾個股東和一份capex budget拿到同樣的錢，會產生另一套經濟。所以未來完全可能出現一個讓很多人困惑的世界：股市很好，GDP也不錯，AI資本開支更好，半導體和電力項目忙得不得了，可很多家庭覺得自己生活在經濟衰退裡面。

GDP沒有說謊，人也沒有說謊，他們只是生活在同一個數字不同的分母裡。

工業革命曾經出現過相似的裂縫。Robert Allen研究英國工業革命時，用「Engels' Pause」去描述一段生產率和利潤先增長、真實工資沒有馬上跟上的時期。機器把整個社會的生產能力往上推，但生產能力不會自動變成每個人手裡的購買力。Acemoglu和Restrepo後來又把自動化的一面叫displacement effect，把技術創造新任務、重新把人拉回生產過程叫reinstatement effect。

兩個力量都會發生，問題是它們之間有時間。國家等得起這個時間，統計局也等得起，但個人卻未必。

永康的房貸每個月都要來。歷史課本最殘酷的一種寫法，就是把幾十年的疼痛抽象成一句：「勞動力完成了重新配置。」

五、四個cycle同時轉動的時候

永康失業第四個月，家明去參加一個閉門經濟論壇。教授在白板上畫了四個同心圓，說要看懂AI時代，不能只問經濟究竟好不好，因為經濟從來沒有唯一的一隻鐘。

最裡面是Kitchin cycle，大約三到五年的庫存和短商業週期。家明不買condo，永康不換冰箱，更多家庭取消旅行，零售商發現東西賣慢了，就減少庫存，上游訂單繼續下降。站在這一層看，經濟的確很冷。

外面一層是Juglar cycle，大約七到十一年的設備和企業資本投資週期。普通家庭不買冰箱，並不代表Amazon、Microsoft、Google、Meta和AI公司會少買GPU。恰恰相反，越害怕落後，企業越會繼續投入資本，買機器、server和算力。

再外面是Kuznets swing。時間尺度拉長到十幾年，問題開始從伺服器夠不夠，變成電夠不夠、土地夠不夠、晶圓廠夠不夠、冷卻夠不夠、銅夠不夠，於是新的電廠、電網、數據中心和工業基礎設施開始出現。

最外面才是康波。幾十年的尺度上，真正改變社會的從來不是某一款產品，而是一種通用技術把整個經濟裡的價格關係重新排過。蒸汽改變距離的價格，電改變能量的價格，網路改變資訊的價格，AI開始改變認知和執行的價格。

這幾個cycle並不會，也不需要往同一個方向走，所以一個銀行職員完全可以覺得自己身處衰退，而大士的工程師忙到沒空；普通人開始儲蓄，企業capex卻繼續上升；CBD減少headcount，西邊的工廠和數據中心卻在招人。它們不是互相矛盾，只是不同的人活在不同的週期裡面。

Carlota Perez的理論又給這些週期加了一層更長的意義。技術革命最早往往是installation period，資本先進去，贏家先富起來，基礎設施先建立，舊的技能和組織開始被打碎；隨後社會會走到一個turning point，因為技術進步得太快，而制度、教育、收入分配和人的適應速度跟不上。只有這些東西後來重新接上，技術才可能進入更廣泛的deployment。

這也是為什麼家明後來覺得，AI最值得怕的未必是模型太聰明，而是時間不一樣。模型半年升級一次，一個學生讀完大學要四年，一個中年人重學一門職業要兩年，一座發電廠要很多年，一套教育制度更慢，而一代人改變「什麼工作才算體面」的觀念，也許要十幾年。

機器的時間不斷變快，人的人生沒有辦法加速。

六、晶片越輕，世界越重

當錢從工資流向資本開支以後，新加坡西邊的燈越來越亮。

AI在螢幕上看起來很輕，一句prompt，一個聊天框，一個雲端模型，好像智慧已經和物理世界沒有關係。可家明第一次走進大型數據中心，就明白了所謂「雲」，其實只是別人的工廠。機房很冷，也很吵，伺服器一排一排，粗得像手臂的電纜從頭頂穿過，冷卻系統不斷運行。

所謂人工智慧，最後仍然要經過銅，經過光、經過晶圓，經過HBM和先進封裝，經過變壓器、天然氣、冷卻水和電網，也經過一個半夜三點接到電話、趕回來修泵的人。

智慧越來越輕，支撐智慧的世界反而越來越重。

過去三十年，人們一直覺得產業最好的方向，是脫離現實世界。輕資產、軟體、平台、雲，把工廠、庫存、土地和能源都交給別人。AI把這條路推到極致以後，世界卻繞了一圈，最重要的瓶頸又回到電、土地、工廠、設備和現實世界。

這就是為什麼白領失業和製造業擴張可以同時發生。AI少用一部分程式設計師，卻需要更多晶片；晶片要更多設備和晶圓廠；數據中心要更多電；電又需要電網、發電、工程和維修。舊崗位消失以後，新崗位當然會來，只不過歷史從來沒有答應過，新工作會自然而然地落在失業者的身上。

七、機器開始進入現實世界

永康失業以後，有一陣認真考慮去開private-hire car aka Grab。這個想法很符合直覺，白領的辦公室不安全，那就去現實世界，ChatGPT可以寫報告，但它總不能從螢幕裡伸出腿來踩油門吧？

可沒多久，榜鵝的無人接駁車開始從新聞變成日常。消費者接受無人駕駛的邏輯甚至不需要技術崇拜，如果一輛車便宜一點、來得快一點、事故率低一點，多數人不會為了保護一個不認識的司機，主動多等十五分鐘、再多付幾塊錢。企業要成本，消費者要方便，政府要安全，三種完全不同的欲望，最後會走向同一個結果。

機器人也一樣，它不需要先長得像人，才可以替人。倉庫裡的AMR不需要腿，工廠機械臂不需要臉，無人機不需要手，無人車也不需要像司機。真正決定勞動力市場變化的，從來不是機器像不像人，而是一個人能管多少台機器。

過去十個人分別搬十份貨，後來一個人看十台機器人；過去十個保安巡十條路線，後來一個控制室同時看攝影機、無人機和地面機器人。所謂「無人化」很多時候並不是真的沒有人，它更常見的形式，是一個人被放大成十個人。生產率上去了，人力需求也跟著少了一層。

永康後來沒有去開grab，因為他慢慢意識到，從AI逃到駕駛，不一定是在逃離AI，只是晚幾年再遇見而已。與其逃離，倒不如擁抱。最後他去了數據中心，第一次面試失敗，因為別人問PUE、UPS、chiller、busbar，他很多聽不懂。四十九歲重新坐回教室，沒有任何勵志電影裡的漂亮鏡頭，比自己年輕十幾歲的人回答得比他快，老師講一個名詞，他回家還要用Google查，而旁邊的ITE學生已經用上Claude。

他後來告訴家明，最難的不是學習，而是重新接受自己是啥都不懂的人。

一個中年人的尊嚴往往就建立在「我知道」的基礎上。二十年的職業，不只是收入，而是一種對世界的熟悉。轉行真正殘忍的地方，是一個人在四十九歲的時候，要主動放棄這種熟悉，再一次承認自己無知。

後來他還是找到工作，工資低了二成多，可做了一陣，他發現過去的經驗沒有全部消失。他仍然會管vendor、看進度、處理例外、判斷什麼時候系統不可信，只是過去項目存在Jira裡，現在一台變壓器真的有幾十噸。

物理世界重新給了他的經驗一個價格。

八、答案不再值錢以後

家明真正意識到教育要變，是一個星期三晚上。

厚載十五分鐘寫完一篇英文作文，文章很好，結構清楚，立意鮮明。家明問是不是自己寫的，兒子說是；再問有沒有使用AI，他想了一下，說「有一點」。所謂「一點」，是AI先幫他討論題目，問了幾個問題，給出三個結構，他自己選；寫完以後，機器再幫他找邏輯漏洞，他繼續改。

那麼這篇文章到底算誰的？

過去學校有一個很方便的假設：一個學生交出的答案，代表這個學生的能力。AI把答案和能力拆開以後，教育就不得不重新尋找究竟應該衡量什麼。

AI時代的教育，可能不會像很多人想像的那樣輕鬆，反而會越來越苛刻，因為答案突然便宜了。以前教育常問「你會不會算」，以後更重要的是「你知道該算什麼嗎」 —— 知其然，且知其所以然。

一個人告訴AI幫我分析這家公司，AI可以給出二十頁的分析報告；另一個人卻會先問，我究竟要判斷的是三個月的交易機會，還是十年的價值？收入增長來自銷量還是價格？毛利改善究竟是產品結構還是會計？最大客戶砍單以後會發生什麼？什麼證據出現以後，我應該承認自己錯？

同一個AI，在兩個人手裡，可以像同一把刀落在不同廚師手裡。機器能力越來越平等以後，人和人之間真正暴露出來的，是認知結構：一個人有沒有能力把模糊的問題想清楚，有沒有因果意識，有沒有證據意識，知不知道什麼是重要變數，能不能理解反事實。

這也是為什麼基礎知識不會因為AI變強而不重要，反而更重要。以前一個知識很差的人，得到一個差答案；以後他可能得到一個語言完美、圖表漂亮、邏輯完整，卻從第一條假設就錯掉的答案。這比無知更危險。

所以人需要知識，不是為了贏過機器，而是為了在必要的時候拒絕機器。學會說「不」的能力。

審美也會變貴。當一分鐘可以生成一百張圖、一百首歌、一百個logo以後，生產不再稀缺，選擇才稀缺。知道哪九十九張應該刪除，為什麼一個東西雖然漂亮卻俗，為什麼一個空間很豪華卻讓人不舒服，為什麼一句話沒有任何語法問題，卻完全沒有人的味道，這些過去被叫作soft skill的東西，會慢慢成為生產力。

機器解決的是可能性，人決定什麼值得留下。

到2029年，厚載的考試反而比姐姐以前複雜。Take-home essay少了，現場答辯多了，AI可以用，可老師不會只看最後答案，而不斷追問為什麼這樣問、為什麼相信這個source、為什麼沒有採用另一個答案、什麼證據會讓你改變看法。

AI把「答案是什麼」變得太容易以後，教育最終只好重新回到更古老的問題：你為什麼相信它？你憑什麼這麼判斷？你究竟在解決什麼？

技術走到最後，竟把教育重新逼回了蘇格拉底。

九、能力平權以後，所有權開始說話

AI確實帶來一種很大的平權。一個新山的小商人，過去不可能長期擁有律師、翻譯、程式設計師、廣告團隊和數據分析師，未來一個人加幾套agent，就可以獲得這些能力的一大部分。普通家庭的孩子第一次可以擁有無限耐心的一對一家教，一個老人可以讓AI替他讀保險條款，三個人的創業團隊可以做幾十億的跨國生意。

認知能力開始像電力一樣被便宜供應，這是很大的進步。可是能力平權，並不等於財富平權。每個人都可以擁有AI，不代表每個人都擁有GPU、數據中心、土地、品牌、客戶、IP和股權。

家明認識一個叫阿凱的年輕創業者，公司只有十幾個人，agent寫程式碼、做客服、跑廣告、整理銷售線索，收入已經接近過去一家百人公司的規模。融資以後，阿凱的股權值到八位數。他發財以後，先買房，再給父母換房，再買股票，再投朋友公司。這沒有什麼可嘲諷的，人失去錢的時候先保命，有錢以後先保住錢，有餘力以後才談理想。

於是AI創造的財富當然會重新流回社會，但它走過的路變了。過去一千萬收入可能先經過一百張工資單，現在同樣的錢可能先經過十五張工資單和幾張cap table。錢依然在那裡，只是經過的手少了。

所以未來最大的階級差異，可能不再是「誰能不能用AI」。大家都會用，真正的差異會慢慢變成誰擁有AI創造出來的東西。技術可以把能力民主化，產權不會自己民主化。

十、0.87個孩子和沒有正確答案的政治

就在AI開始減少一部分工作的時候，新加坡還面對另一個棘手的問題：人不夠。

出生率持續下降，老人越來越多。從純粹的勞動力角度看，AI和機器人似乎正好來得及時。沒有司機，可以有自動駕駛；倉庫缺人，可以用機器人；老人更多，可以有護理設備；警察人數有限，無人機和AI可以提高覆蓋率。

可是人口從來不只是勞動力。一個國家還需要家庭、消費者、納稅人、社區和下一代。機器可以替人完成任務，卻不能替一個國家長出下一代。

與此同時，AI、晶片、能源和機器人產業又需要最頂尖的人，於是政治出現一個很難看的三角。剛失業的本地中年人會問，為什麼我連工作都找不到，還要繼續吸引外國人才；企業會說，沒有這些人才，我就把實驗室搬走；人力部門又說，本地孩子已經不夠。

你從他們的角度來看，這三句話都沒錯。

真正困難的政策，很少是在對與錯之間選，更多時候是在幾個正確答案之間決定誰先承受代價。政府也趨利避害，禁止AI，資本會走；完全放任，白領中產的焦慮會變成選票投向反對黨；關上人才流動，新產業可能離開；完全打開，本地人會懷疑這場增長和自己有什麼關係。

所以AI時代的政治不會看起來像科幻，它會長成一堆很官僚的名詞：技能創前程、工資保險、轉行補貼、CPF top-up、兒童補助、AI轉型基金。每一個單獨看都很小，拼起來，卻是在重新回答一個過去兩百年預設不用問的問題：如果生產越來越不需要這麼多人，收入還應該怎麼來到人手裡？

單靠培訓解決不了。一家銀行過去需要一千人，AI以後只需要六百，你可以把一千個人全部培訓成AI-ready，銀行依然只需要六百。培訓解決能力，解決不了生產力容量的問題。

到了那個階段，AI不再主要是科技問題。

它會變成分配問題。

十一、城市多了好多雙眼睛

家明父親七十九歲那年，用上了一個健康助手。

老人一開始不信，覺得那個長得像唐老鴨的 microduck 怎麼可能懂醫療。後來有一次半夜胸悶，系統判斷風險以後建議家裡不要等到早上，直接送醫院。最後沒什麼大事，但從那以後，他願意用了。

有一天他突然問家明，這個東西是不是知道自己幾點睡，連幾點去廁所也知道。家明說應該知道。老人皺眉，說這樣不好，過了一會，又補一句：「不過不要關，上次跌倒的時候，幸虧有它。」

家明後來覺得，這可能就是大多數人面對未來監控時最真實的態度。我們並不熱愛被看見，只是我們也害怕沒人看見。一個老人摔倒沒人知道，比隱私更可怕；孩子失蹤找不到，比攝影機更可怕；被騙掉一生積蓄，比銀行多看一點交易更可怕。

於是自由很少是在某一天被拿走的，它往往被分成很多小塊，每次換一個具體的好處。多一點攝影機，少一點犯罪；多一點金融監控，少一點詐騙；多一點道路數據，少一點車禍；多一點校園監控，家長放心一點。

每一次都合理。

最後社會變成了另一個樣子。

更重要的是，攝影機不再只是看，它開始理解。以前攝影機記錄，出事以後人去找；後來AI先判斷異常奔跑、打鬥、遺留物、車輛軌跡和可疑行為，再把少數案例交给人。最開始當然是human-in-the-loop，機器建議，人決定；可是當機器一百次判斷九十九次都對，而一個人每天要審核八百個case，人也會慢慢變化，他會開始相信系統。

Human-in-the-loop最後很容易變成human-on-the-loop。

機器管理常規。

人只處理例外。

效率更高，公平甚至也可能更高，可灰色地帶會越來越少。

家明有一次收到交通罰單，系統把速度、位置、燈號和影片全部列出來，沒有警察，也沒有爭論。他第一反應是公平，第二反應是煩。機器執法最大的優點，和它最沒有人情味的地方，是同一件事：它不care你是誰。

過去一個老人慢慢過馬路，一個送貨司機臨停一下，一個學生家裡出了事晚交一天作業，一個小販攤位多伸出來一點，社會的運作並不只靠規則，還靠一種很難寫進法規裡的東西——看情況，給chance咯，paiseh啦，算了咯。

AI當然也能學習例外，可一旦例外被寫進系統，它又會變成規則。

最後城市可能更安全、更公平、更透明，腐敗也更少，但「找個人談談」的空間會縮小。Max Weber曾經說現代社會不斷走向rationalisation，人類把世界變得越來越可以計算、管理和預測。AI可能把這種趨勢推到以前做不到的程度，因為過去不是社會不想執行每一條規則，只是執行太貴。

機器把執行成本降下來以後，人類第一次真的有機會，認真執行自己寫過的每一條規則。

我們一直擔心AI會不會越來越像人。

最後也許恰恰相反。

人類社會越來越像AI。

十二、站到2029年以後，家明終於看懂那四個cycle

到了2029年，家明再回頭看，才發現教授當年畫的四隻鐘並不是理論遊戲，它們真的落在不同人的人生裡。Kitchin那隻最短的鐘，落在沒有買的condo、永康拖了兩年的冰箱、減少的旅行和餐廳消費裡；白領第一次感受到AI衝擊以後，社會最先增加的是儲蓄。

Juglar那隻鐘落在公司的AI預算、雲廠商的server、機器人和自動化設備裡。家庭不敢花錢，公司卻為了降低未來成本，花更多錢。Kuznets那隻鐘落在數據中心、晶圓廠、電網、發電和新的工業基礎設施裡。AI看起來是一場軟體革命，最後卻逼著世界建更多重資產。康波最慢，也最深，它改變的是勞動、能源、認知、土地、資本和所有權的相對價格。

到了這裡，那個看起來不可思議的未來就開始成立：GDP可以繼續上升，生產可以繼續增加，可經濟不再需要按照同樣比例增加參加生產的人。一個十幾人的團隊，可以做過去一百人的生意；一個工程師可以帶幾個agent完成過去一個team的工作；一個人可以監管一批機器人。

生產沒有減少。

人卻沒有按照同樣速度增加。

這原本應該是人類幾百年來夢寐以求的事情。我們發明機器，不就是希望機器替人幹活嗎？

問題在於，我們又用了兩百年建立另一套制度：大多數人必須先證明生產系統需要自己的勞動，才可以得到收入，再用收入去購買生產系統做出來的東西。AI開始動搖第一句話，第二句話還沒有改變。

這才是AI時代最深的矛盾。

機器替人工作，本來應該意味著自由。

在一個收入仍然主要來自工作的社會裡，它卻首先意味著失業。

同一個技術，可以既是解放，又是威脅，差別不在機器，而在制度。

Perez所謂turning point真正有價值的地方，也在這裡。技術革命最後能不能進入廣泛繁榮，並不取決於技術夠不夠強，而取決於社會有沒有能力重新安排財富、工作、教育和時間。

2029不是結局。

甚至只是問題真正開始的地方。

十三、冰箱買回來的那一天

永康在數據中心拿到第一筆像樣的bonus以後，沒有去買AI股票。他先把信用卡還掉，然後去Best Denki買了那台拖了兩年的冰箱。老婆挑了很久，最後買了一個比原來預算貴一點的日本牌子。一個月以後，他們重新訂前往北海道的機票。

消費回來了。

不是因為GDP報告告訴他經濟復甦，而是因為他重新相信，明年還有收入。

所有複雜的宏觀理論，最後都會落在這種很小的地方：一個人敢不敢花今天的錢，取決於他是否相信明天。

那年中秋，永康來到家明家，帶了一盒月餅。打開以後，四顆都是雙黃蓮蓉。厚載笑他，說是不是有陰影。永康說：「以前有一年沒有蛋黃，看到都怕。」

大家笑。

家明父親坐在旁邊，健康設備提醒他今天不能再吃第二塊。老人罵它多管閒事，卻沒有關掉。厚載在房間裡跟AI討論一個assignment，第二天老師會問他為什麼刪掉模型給出的兩個答案。窗外，一輛無人車停下來，配送機器人在等lift，遠處偶爾有無人機的燈。

沒有人說未來到了。

因為真正的未來，從來不會宣布自己來了——那是宣戰。未來都是慢慢地、悄無聲息地融入到生活裡。

十四、最後改變世界的，從來不是AI和機器

家明後來慢慢明白，AI未來最值得思考的問題，也許從來不是機器會不會擁有慾望。機器甚至不需要慾望，因為人類已經有足夠多的慾望。

老闆想降低成本，因為他怕競爭對手；員工開始存錢，因為怕失業；消費者接受無人車，因為想省錢和少等；家長用AI tutor，因為怕孩子輸；年輕人轉去晶片、能源和機器人，因為怕自己的技能貶值；老人接受監控，因為怕摔倒沒人知道；政府增加攝影機，因為需要維持治安；政府吸引外國人才，因為企業怕落後，同時又補貼本地轉型，因為自己怕掉選票。

沒有誰坐在一間密室裡設計2029年的世界。

每個人只是往對自己更安全、更有利的方向走了一步。

等幾億個人都走完以後，辦公室少了人，工廠多了機器，天空多了無人機，道路少了司機，學校少了標準答案，城市多了眼睛，能源變貴，判斷變貴，審美變貴，所有權變得更重要，人情的灰色空間則慢慢縮小。

這就是技術真正改變世界的方法。

它並不命令人類。

它先改變價格。

價格再誘導選擇。

選擇形成制度。

制度最後變成生活。

又一年雨季，家明站在大士的數據中心外面。雷從海峽方向滾過來，裡面幾萬塊晶片正在不停工作，有一些替人寫程式碼，有一些讀病歷，有一些控制機器人，有一些分析攝影機，也有一些正在幫助人類設計下一代機器。

門外，一個二十多歲的technician蹲在地上檢查冷卻水管，永康站在不遠處和vendor講話，怡寧在幾公里外的能源控制中心值班，父親在家裡和醫療AI爭論今晚還能不能多吃一塊榴槤。

家明突然覺得，這個世界沒有被機器人接管。

它只是重新標了一次價。

程式設計師過去一小時的執行力、一個中年人二十年的組織記憶、司機坐在方向盤後面的時間、一度電、一塊土地、一份判斷、一種審美、一次人情上的通融，還有一個人相信自己未來十年都能繼續生活下去的確定感，都被放回市場裡重新問一遍：你到底值多少錢？

他想起很多年前那盒沒有蛋黃的月餅。當時他們以為，公司只是少放了一顆蛋黃。後來才知道，那只是一個新世界最早露出來的一點邊角。

工業革命從來不是機器先改變社會，而是機器先改變價格。價格改變人的選擇，人的選擇改變企業，企業改變城市，城市改變政治，政治最後再回來決定財富怎麼分。

所謂未來，大概就是這樣來的。它不會在某一天早上突然出現，而是一場雨，一張預算表，一次取消的看房，一個沒有被錄取的graduate，一台後來沒人再拍照的機器人，一個孩子第一次發現標準答案已經沒有那麼值錢，一個老人為了安全同意機器知道自己幾點睡，一個城市為了公平把越來越多例外寫成規則。

等人類有一天回頭，才會發現自己為了避開每一個眼前的風險、拿到每一個眼前的好處，已經一步一步走到了那裡。

家明那時才明白，他們一開始問錯了。

真正的問題從來不是AI最後會變成什麼，而是當計算、執行和答案越來越便宜以後，人類還準備把什麼留給自己。

也許是判斷，是責任，是審美，是關係，是信任，是所有權，是對現實世界的理解；又或者，是一種機器越來越強以後反而越來越重要的能力——知道自己究竟為什麼要做一件事。

機器會把How和What變得越來越便宜。

於是人類最終可能不得不重新學習Why。

技術走到最後，竟然回到了哲學。

人真他媽有意思。

Arkham推出由「AI預測」的實體標籤功能

熱門文章