【蔡鎤銘專欄】AI末日是假　麻煩是真：四個被忽略的真相

蔡鎤銘/淡江大學財務金融學系兼任教授

2026年11月3日，期中選舉結果傳到華爾街時，起初沒有人恐慌。民主黨拿下參眾兩院，市場甚至一度將政治僵局解讀為利多。但48小時內，情緒徹底逆轉。主張限制AI資料中心擴張的候選人橫掃關鍵州長席位，德州新任州長承諾暫停新資料中心審批，多位聯邦參議員當選人明確支持限制資料中心的建築與電力供應。

11月5日，拋售全面爆發：納斯達克下跌5.52%，單日市值蒸發約2.5兆美元；費城半導體指數暴跌12.25%，創2020年3月以來最大單日跌幅；英偉達下跌9.26%，兩日累計跌逾12%，跌入技術性熊市。恐慌蔓延至亞洲，韓國股市觸發熔斷，日經225重挫逾6%，台灣加權指數同步重挫。

表面上看，這是一場政治事件點燃的拋售。但真正值得追問的是：為何一個選舉結果，能讓數兆美元AI市值在兩天內蒸發？末日論者說，這證明AI泡沫將破；加速主義者說，這是短視的政治干擾。兩種敘事都錯了。恐慌的深層原因，在於投資人終於開始正視被末日預言與神話遮蔽的結構性約束。以下四個真相，無需末日預言支撐，卻每一個都更難迴避。

算力神話的物理天花板

AI常被描述為「軟體的革命」，彷彿演算法突破，一切限制都會自動消失。但AI首先是一套龐大的實體基礎設施：資料中心、輸電網路、冷卻系統、晶片、礦產與土地。

國際能源署（IEA）2025年報告預測，全球資料中心用電量將從2025年約485TWh增至2030年約950TWh，約占全球電力需求的3%；聯合國歐洲經濟委員會（UNECE）警告，大型負載設施從規劃到上線只需2至5年，但輸電網路擴建往往需要超過10年，這種時間錯配已在都柏林、荷蘭等地引發併網限制。換言之，AI擴張的速度不是由模型參數決定，而是由變壓器、電纜與地方政府的許可證決定。選後市場對資料中心審批的恐慌，不過是這個物理約束的政治表達。

水資源壓力同樣具體。聯合國大學報告估計，到2030年全球資料中心全產業鏈總耗水量將攀升至9.3兆公升，相當於13億撒哈拉以南非洲居民一整年的基本生活用水；全球前100大資料中心中，預計超過52%將坐落於高水資源壓力地區，AI基礎設施將直接與農業、市政與生態用水競爭。這不是遙遠的末日場景，而是正在發生的資源排擠。物理約束不會因「智慧」一詞而消失，只會被那些只談模型能力、不談基礎設施的人忽略。

就業末日的靜默改寫

「AI將消滅大量工作」是最易傳播的口號，卻也是最粗糙的簡化。經濟合作暨發展組織（OECD）2025年分析顯示，成員國約27%就業處於高自動化風險之中，但迄今幾乎沒有證據顯示AI在任何群體中造成廣泛失業。這不是因為AI無害，而是因為自動化取代的通常是「任務」，而非整個職業。法律助理的工作被拆解為檢索、草擬、校對等任務，其中部分被模型接手，但判斷、問責與客戶溝通仍需要人。

真正的衝擊藏在結構裡：入門級職位被壓縮，年輕工作者更難累積經驗；技能溢價從「掌握資訊」轉向「與AI協作並對結果負責」；部分傳統AI應用已與年輕、中低學歷勞工全職就業成長減弱相關，而生成式AI的長期效果仍待觀察。這是一場沒有大規模失業頭條的靜默改寫。它不會產生「AI搶走工作」的戲劇性畫面，卻會緩慢改變職涯階梯的起點與終點。就業問題的核心從來不是技術本身，而是調整成本由誰承擔。

開源追趕與權力集中

開源模型近年的進步確實打破了「只有巨頭才能玩AI」的想像。2026年多項基準測試顯示，頂尖開源與閉源模型間的差距正在縮小，中國大陸的騰訊混元、深度求索與月之暗面等團隊接連推出具競爭力的開源模型，大陸開發者社群成為全球開源生態的重要力量。表面上看，權力正在分散，創新門檻正在降低。

但「開源」不等於「民主化」。訓練與部署頂尖模型所需的算力、資料與工程團隊，仍集中在少數平台與晶片供應商手中；下游使用者可以微調與部署，卻難以獨立複製從預訓練到對齊的完整能力。選後暴跌最深的，恰恰是提供晶片、儲存與半導體設備的企業，而非模型開發商本身，這就說明：權力沒有消失，只是從「誰擁有模型」部分轉移到「誰控制算力供應鏈與分發渠道」。將開源等同於權力分散的敘事，忽略了基礎設施集中這一更根本的現實。

生產力繁榮的組織瓶頸

AI投資規模已無需贅述，但投資與回報之間存在一道被反覆低估的裂縫。高盛（Goldman Sachs）對2025年第4季企業財報的分析顯示，在明確測量任務層級AI效果的企業中，生產力提升的中位數約為30%，然而在整體經濟層面，AI採用與生產力之間並不存在有意義的關聯；同一時期，約80%企業表示尚未從AI獲得可測量的生產力提升。這不是說AI沒有價值，而是說價值被組織的吸收能力卡住了。當流程被自動化，但審批層級、責任歸屬與績效指標沒有同步改變，節省的時間往往被重新分配給其他低效環節，而非轉化為產出。

更值得警惕的是感知與現實的落差。有研究發現，經驗豐富的工作者使用AI工具完成任務時，實際花費時間反而比不使用時更長，但主觀上卻認為自己變快了。這種「效率幻覺」在企業導入AI初期尤其普遍：工具的新奇感與局部任務的加速，掩蓋了整合、驗證與錯誤修正成本。經濟學家艾塞默魯（Daron Acemoglu）的模型甚至預測，未來10年AI對全要素生產力的累積貢獻可能低於0.53%。這些數字不該被讀成「AI無用」，而該被讀成「AI的生產力紅利不會自動發放」。它需要流程重組、技能再訓練與管理層的耐心，而這些恰恰是最難規模化的東西。

四個真相指向同一個結論：AI的難題不在於它會不會突然變成神或魔鬼，而在於它已經是一個沉重的實體系統、一個安靜的就業重組器、一個權力更加集中的基礎設施，以及一個被組織惰性拖慢的生產力承諾。11月的暴跌不是末日預言的兌現，而是一次遲來的現實校準。

末日預言提供的是情緒上的確定性，神話提供的是道德上的優越感，但兩者都讓人逃避取捨。真正的問題是：我們要不要承認電力與水資源有上限，要不要正視就業調整的成本分配，要不要追問開源背後的權力結構，要不要把生產力當成一場組織變革而非一次採購。超越末日與神話，不是對AI更樂觀或更悲觀，而是對現實更誠實。

※以上言論不代表梅花媒體集團立場※