top of page

AI引領無工作烏托邦?

想像未來某一刻,清晨醒來的你毋須急步擠進地鐵,也不必擔心績效指標,而是在晨光中讀書、打太極或陪伴家人──因為你的基本生活需求,已由一筆自動到賬的「全民基本收入」(UBI)埋單,而背後支撐這一切的,是人工智能(AI)創造的財富所承擔。 這有點像科幻小說的橋段。隨着AI摧枯拉朽般取代人類工作(如司機、物流工人),傳統「勞動工作換取生存」的邏輯正被顛覆。與其恐懼失業潮,或許我們更該追問:這場AI技術革命,會將人類送入「無工作社會」的烏托邦,還是一場失控的無人實驗?當然我們毋須太杞人憂天,但社會的公共政策必須要與時俱進。 UBI理念是一場社會契約的顛覆,它承諾向所有公民無條件發放一筆足以支持基本生活的資金,無財富、就業或道德的批判。這一想法的雛形可追溯至工業革命時期,當時機器替代人手勞動者而引發對「技術性失業」的恐慌。如今,AI進步神速,讓UBI再次成為公共政策研究者的關注熱點。 支持者視UBI為社會減震器,有助減少貧困引發的犯罪、貧富懸殊等問題;反對者則警告其可能扼殺社會生產力,助長「懶人經濟」。技術樂觀主義者常強調「AI創造新崗位」,我們可以把這個衝擊分為兩個方向: 橫向替代:它表現為AI應用大幅度的急速擴張,系統性地接管那些以重複性、流程化和模式識別為核心的任務。從自動駕駛取代司機,到AI客服解答疑問,再到智能軟件處理行政和會計工作,其特點是有規模、可預測的崗位替代。這主要衝擊的是中低技能勞動力,導致大規模的結構性失業。雖然世界經濟論壇預測,到2030年,這邊廂9200萬個崗位將告消失,那邊廂卻創造了1.7億個新崗位──但勿忘後者可能要求更高的技能門檻。 縱向顛覆:它意味着AI開始動搖了知識階級存在的根基。其核心威脅在於,它顛覆了「技術性失業」的固有邏輯──即技術進步雖摧毀舊崗位,但總會創造更具價值的新崗位。在縱向顛覆下,新崗位本身也可能是短暫和脆弱的,當AI能自我迭代,甚至人類程式員也會被「下崗」。這導致一個悖論,即人類程式員正在創造最終可能取代自己的工具。 UBI是應對自動化衝擊生計的誘人方案,但從理論到實踐的路徑上會遇到很多問題。首當其衝的是財政可行性,為全民提供一個保護傘,需要天文數字的資金。無論是通過向AI行業和資本徵稅,還是大規模舉債,都可能遏制投資和創新,或引發債務危機。筆者認為,事情未必會按最糟糕的情況發展,但人類總要未雨綢繆。

Recent Posts

See All
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
bottom of page