這幾年，AI 被視為人類歷史上最強大的生產力革命。在少子化與高齡化危機愈演愈烈的此刻，它似乎剛好出現，成為所有問題的救世主。 畢竟，如果一個人能靠 AI 做十個人的工作，那我們還怕沒有人力支撐經濟嗎？這樣的想法聽起來合理、充滿希望，但實際上是錯的。AI 也許能暫時減緩壓力，但它根本無法解決「人口結構崩壞」所帶來的經濟與社會問題。 因為這不是效率的問題，而是「結構」與「分配」的問題。
1. 我們需要的生產力躍升，是不可能達成的
要理解問題的本質，先看最關鍵的數字：人口扶養比。也就是每個退休者背後，有多少名工作者在繳稅、養社會福利。以中國為例：
- 1990 年時，每位退休者背後有 10 名勞動人口。
- 2024 年已降到 6 名，讓年金與醫療體系快撐不住。
- 2050 年預估，只剩 1.8 名。台灣約為 1.3:1，韓國、日本甚至低於 1.25:1。
假設中國現在 6:1 的比例「剛好勉強可撐」，那麼當它掉到 1.8:1 時，每位勞動者的產出必須提升 3.33 倍（6/1.8），整體社會才能維持現有的福利水準。 這在宏觀經濟學上，是完全不可能達成的數字。
2. 「一人抵十人」不代表經濟成長十倍
很多人會說：「AI 可以啊，一個客服抵十個！它能夠有十倍的產出啊！」但那只是微觀效率的提升，與宏觀成長是兩回事。想像一家銀行有十個櫃員。AI 導入後，一個人能做十個人的工作，於是裁掉九人。 銀行的效率提高了，但那九人的收入消失、消費力下降、稅收減少。 整體 GDP 並沒有因此成長十倍，反而可能萎縮。AI 的效率提升，往往只是「替代勞力」，並沒有創造新的市場需求。 這也是為什麼，AI 浪潮帶來的第一波現象不是「繁榮」，而是裁員潮 2023 到 2024 年間，亞馬遜、Google、Intel 都在大規模裁員， 不是因為業績衰退，而是因為「效率太好了」。
3. AI 無法取代所有人類勞動
如果不能靠提升生產力來撐，那是否能「削減成本」？要讓扶養比維持現狀，換句話來說我們得讓老人照護成本下降 70%。 但這在現實中幾乎不可能。經濟學有個理論叫「鮑莫爾現象（Baumol's Cost Disease）」意思是：科技雖然能讓製造業更便宜，但對勞動密集、以人為本的服務業幾乎沒用。 AI 再進步，也沒辦法讓一個護理師照顧十個病人而品質不變。 教育、照護、陪伴，這些工作無法被加速。人類學者 James Wright 在《機器人救不了日本》一書中也指出：
「照護機器人自己也需要被照顧。」
這句話非常真實。機器人需要人來搬動、清潔、維修， 最關鍵的部分，「情感連結與信任」，仍然是人類才能提供的。 所以，AI 反而讓人力的成本更明顯地集中在那些不可替代的地方。
4. AI 讓財富流向錯了地方
更諷刺的是，AI 的繁榮反而會削弱社會安全網的財源。年金與醫療保險主要靠「薪資稅」支撐，但 AI 是資本偏重型技術，也就是：它創造的利潤大多流向資本擁有者（大企業與投資人）， 而不是一般勞工的薪資成長。過去 30 年，全球勞動所得在 GDP 的占比從 65% 掉到 55%。AI 只會讓這個趨勢惡化。 結果就是： 政府稅基縮水、年金入不敷出、醫療支出不斷上升， 而大型科技公司賺的錢卻被鎖在避稅天堂裡。政府想課重稅會引發資本外逃，不課稅則社會體制崩潰。 這是結構性死局，AI 不但無法解決，還會加劇。
5. 結語：真正需要重建的，是人類的韌性
AI 無疑會重塑世界，但它不是解答。少子化與高齡化的問題，根本不是「效率不足」， 而是「結構失衡」，勞動人口減少、資源分配不均、國家稅基流失。真正的問題是：當國家的安全網逐漸瓦解，我們該如何自保？答案不在演算法，而在人本身：是個人的技能、理財能力、以及社群的連結力。我們需要的是更強的「社會韌性」， 而不是等待一場生產力奇蹟。未來不會由 AI 來拯救，而是由那些懂得用科技、又懂得做人、能在亂世中互助的人， 重新定義「生存」與「繁榮」的意義。
