AI 消除了人類產出的 I/O 瓶頸，80 分的專業產出從稀缺品變成免費品。市場正在重新定價人力資產，中間層的技能溢價被快速套利至接近零，未來只有兩種人能持續獲得市場溢價：制定規則的大師級專才，以及在不同領域之間建立連結的跨領域架構者。
一、I/O 瓶頸被消除之後
如果用系統設計的語言來描述 AI 對人力市場做了什麼，最精確的說法是：它消除了 I/O 延遲。
過去一個人要把腦中的想法變成可交付的產出，中間有大量的機械性工作。查資料、打字、排版、整理數據、統一格式、潤飾語句。這些工作本身不產生價值，但它們佔據了產出流程裡絕大部分的時間。你的大腦可能在五分鐘內就想清楚一個問題的核心邏輯，但要把它變成一份完整的報告，可能需要三天。
大腦是 CPU，這些機械性工作是低速的 I/O 操作。CPU 被迫降頻運作，因為 I/O 跟不上。
AI 把這層瓶頸幾乎消除了。
這件事的直接後果是：過去因為 I/O 瓶頸而具有稀缺性的「80 分產出」，現在變得廉價且供應無限。一份及格的市場分析、一段通順的翻譯、一份格式正確的法律文件、一段可以運作的程式碼。這些東西過去需要受過訓練的專業人士花數小時甚至數天完成，現在 AI 在幾分鐘內就能交付。
市場不再為「知道答案」的人付費，因為答案已經免費。市場願意付費的對象正在快速收斂到兩種人身上，而夾在中間的那一大片，正在經歷一場殘酷的重新定價。
二、殘酷的中間層
先定義誰在被淘汰。
不是那些完全沒有技能的人。沒有技能的人本來就不在這場賽局裡。被淘汰的是一群過去靠「資訊不對稱」或「熟練度」生存的專業人士。他們花了五年甚至十年培養出某個領域的執行能力，這個能力過去具有稀缺性，所以市場願意為它付費。
翻譯、初級法律研究、基礎財務分析、標準化的程式開發、一般性的文案撰寫。這些工作的共同特徵是：產出的品質主要取決於「是否知道怎麼做」。至於「該做什麼」這個更上層的問題，通常由別人決定。
問題來了。AI 現在也知道怎麼做，而且做得又快又便宜。你花五年學會的東西，別人用 AI 五分鐘就能取得一個 80 分的版本。
用投資的語言來說：這些人的技能溢價 (Skill Premium) 正在被 AI 套利到接近零。背後機制跟高頻交易消滅資訊優勢一模一樣：當取得資訊的成本趨近於零，靠資訊不對稱獲利的空間就消失了。
如果你的護城河建立在「我會做這件事」，而不是「我能定義該做什麼事」，你的護城河已經乾涸了。
這個重新定價的過程是安靜的。多數人在意識到之前，定價就已經完成了。
三、倖存者 A：制定規則的大師
第一種能持續獲得市場溢價的人，是各領域的 Top 0.1%。
他們的工作場景是邊緣案例 (Edge Cases)，也就是 AI 訓練數據中根本不存在的問題。頂尖外科醫師處理的是教科書裡沒寫過的複雜變異。頂尖談判者面對的是人性的灰色地帶，沒有標準流程可以套用。原始科學突破來自於對已知框架的根本質疑，光是熟練地應用現有框架永遠到不了那裡。
這些人處理的事情是需要親臨現場、需要人類直覺、需要在不確定性中做判斷的問題。這部份 AI 只能模擬，沒辦法取代人類。
代價呢？
AI 把門檻無限墊高了。過去做到 80 分就能在市場上生存，因為 80 分的產出稀缺。現在 80 分是 AI 的免費產出，你必須做到 99 分才有溢價。
⚠️ 多數人會高估自己在這條路上的位置。「我在這行做了十年」不等於「我是 Top 0.1%」。十年經驗如果只是同一年的經驗重複十次，AI 三秒鐘就能複製。
這條路的價值是真實的，但它的殘酷性也是真實的。
四、倖存者 B：縫合不同領域的連結者
第二種倖存者的邏輯完全不同。
AI 擁有所有的節點 (Nodes)。它知道俄羅斯的軍事支出數據，知道 OPEC 的產能結構，知道美國 CPI 的細項構成，知道日本央行的利率政策框架。這些單獨的知識點，AI 比任何人類都清楚。
但 AI 缺乏連結 (Links)。
「俄羅斯的軍事凱因斯主義 → 油價的財政門檻 → 中國面臨的通縮壓力 → 美國的通膨路徑 → 長天期公債的錯價機會」：這個推導過程跨越了五個不同的專業領域。每一段單獨拿出來，AI 都能處理得比多數人好。但決定要把這五段串起來、判斷它們之間的因果方向、然後得出一個可操作的配置結論，AI 目前還做不到。
建立這種連結需要對多個領域都有足夠的理解，才能辨識出它們之間的隱藏關聯。這種能力不是讀書能學到的，是在不同領域之間長期游走、反覆碰撞後形成的直覺。
這就是視角套利 (Perspective Arbitrage) 的概念。用 A 領域的框架去解讀 B 領域的現象，往往能看到兩邊的專家都看不到的東西。用系統設計裡的容錯邏輯去理解投資組合管理，用賽局理論去分析地緣政治的均衡點，用行為心理學去預判市場情緒的轉折。這些跨系統的推導過程，是連結者的核心產出。
而 AI 在這裡扮演的角色更接近外骨骼 (Exoskeleton)，放大能力而非取代判斷。連結者讓 AI 負責填補每個垂直領域的技術細節，包含整理數據、驗證事實、格式化產出。最後自己專注在架構設計與戰略判斷。就像指揮家不需要會吹所有樂器，但他知道如何調度整個樂團來演奏交響樂。AI Agents 就是他的樂手。
結果是：單一領域的專家，AI 可以替代他 80% 的產出。但一個能在五個領域之間建立連結的人，AI 反而讓他的生產力呈倍數成長。因為 AI 幫他處理了每個領域裡「已知知識」的查詢和整理工作，讓他可以把全部精力放在「建立連結」和「做判斷」上。
而且連結者的搜尋空間是全域性的。專才只能在自己的領域裡找機會，連結者的搜尋半徑跨越國界、跨越資產類別、跨越學科邊界。每多理解一個領域，效果不是加法，而是乘法，可連結數量會呈指數成長。
五、無法被命名的能力
這種人少，原因比多數人以為的更複雜。
能力稀缺是一層。培養路徑不存在是另一層。但還有一個更深層的結構性問題：這種能力在現有的社會框架裡，幾乎無法被辨識和認可。
想想看，單一領域的專家，他的價值怎麼被衡量？很簡單。你是 CPA，你有證照。你是律師，你有執照。你是台股分析師，你的績效可以被追蹤。社會有一整套現成的評估框架，例如學歷、證照、執照、考試成績、績效排名。這些都可以告訴市場「這個人值多少」。
但一個跨領域的連結者呢？你說你能把俄烏戰爭跟美國通膨路徑跟長天期公債錯價串在一起。好，請問這個能力叫什麼名字？它對應什麼證照？哪個學位在訓練這件事？在一般企業的人力資源框架裡，這種人根本沒有對應的職位名稱。HR 的職等分類表上找不到「跨領域邏輯鏈建構者」這個欄位。
結果就是，很多具備這種能力的人，自己可能都不知道自己有這個東西。他們回頭看自己的經歷，覺得「什麼都碰了一點但什麼都不算頂尖」。在一個獎勵專精的社會裡，這種自我評價幾乎是必然的。周圍的人都在某個領域裡持續深挖，而你在不同領域之間跳來跳去。感覺上像是缺乏定性，像是還沒找到方向。
直到 AI 出現。
AI 補足了每個領域裡你不夠深的那一段。過去，一個跨領域的人要把腦中的推倒過程變成一篇完整的分析，他需要在每個節點上都花大量時間查資料、確認細節、整理數據。這個 I/O 成本太高了，很多人在中途就放棄了。想法留在腦子裡，永遠沒有變成可交付的產出。
現在這個成本被大幅壓縮。一個有跨領域直覺的人，終於可以用接近他思考速度的方式產出內容。AI 沒有創造這種人才。AI 做的事情是移除了壓在他們身上的 I/O 瓶頸，讓他們的產出終於能被市場看見。
所以如果你覺得市場上這種連結者很少，有一部分是事實，跨領域的認知結構本身就是稀缺的，這個稀缺性跟工具無關。但有一部分可能是統計上的錯覺。過去這些人的產出被 I/O 成本壓制了，他們的能力從未被充分展現，所以看起來比實際上更少。
隨著 AI 工具越來越成熟，我猜會有更多這樣的人浮出水面。他們一直都在，只是過去沒有工具讓他們被看見。
但總量仍然會很少。因為跨領域的認知結構需要的是真實的經歷，在不同世界裡待過、犯過錯、形成過判斷。這件事沒有捷徑，AI 解決不了。
六、區域極大值陷阱
為什麼多數專才沒辦法轉型成連結者？
用最佳化理論的語言來說，他們陷入了區域極大值 (Local Maximum)。
想像你在爬山。你花了十年爬到一個山丘的頂端，往四周看，覺得自己已經站在很高的地方了。但問題是，旁邊還有更高的山。要爬那座山，你必須先下山，放棄你現在的高度、你的薪資、你的頭銜、你在這個領域裡累積的所有聲譽和關係。
這個轉換成本 (Switching Cost) 太高了。四十歲以後尤其明顯。
一個在某個領域做了十五年的資深專業人士，年薪可能已經到了這個行業的天花板。他身邊的社交圈、他在業界的名聲、他的自我認同，全部建立在這個領域裡。轉型意味著從零開始，而且還要面對年輕一輩已經在新領域裡跑了好幾年的事實。多數人不會做這個選擇。他們會留在自己的小山丘上，直到被時代的浪淹沒。
連結者從一開始就不在單一維度上競爭，所以不存在區域極大值的問題。他們的搜尋策略是全域性的，在整個山脈裡尋找最高峰，而非守著腳下的山丘。這個差異在平穩時期看不出來，但在 AI 這種結構性轉折的年代，會被急劇放大。
七、教育體系的落後
把視角從個人拉到系統層面，問題就更清楚了。
現代教育的設計邏輯是工業時代的產物。分科、分系、分組，目標是大規模生產標準化的專業人才。國中分科、高中分組、大學分系、研究所更窄。整個流水線在訓練你成為某個領域的螺絲釘。
學校教你「回答問題」。但 AI 時代最稀缺的能力是「定義問題」。
反脆弱的策略是什麼？T 型甚至 π 型的能力結構。但這裡的 T 需要重新定義。垂直的那一豎不是一個學科，是一個你能做出非共識判斷的領域，你在這裡的理解深到足以挑戰主流觀點。水平的那一橫不是泛泛涉獵，是你能辨識不同領域之間連結的最低理解門檻，如果只是淺到看不見結構，是無法建立連結的。
但這裡要誠實地說一件事。這種跨領域的直覺，幾乎無法被刻意速成。它需要在多個領域都達到「夠深」的程度：太淺看不到連結，太深會被單一框架鎖死。這個「剛好」的深度，沒有公式可以算，只能靠長期的累積和試錯。
八、方向盤與零件
對連結者來說，這是歷史上最好的時代。
AI 消除了 I/O 瓶頸之後，一個具備跨領域視野的人加上一群 AI Agents，能展現出過去需要整個團隊才能達到的產出力。過去可能每個月只能完成一到兩份深度分析的人，現在每週可以產出兩到三份，因為所有機械性工作都被壓縮了。瓶頸從來不是想法不夠多，是把想法變成產出的速度太慢。AI 解決的就是這個瓶頸。
但沒有捷徑。
跨領域的連結能力是在不同領域之間長期游走、反覆碰撞後才會形成的直覺。你必須真的在不同的世界裡待過、犯過錯、建立過自己的判斷框架。AI 可以幫你加速產出，但它沒辦法替你經歷那些形成直覺的過程。
不要試圖與 AI 比拼運算能力或記憶力。
去經歷 AI 無法經歷的人生。去建立 AI 無法理解的複雜連結。
去成為那個握著方向盤的駕駛，而不是引擎裡的零件。
免責聲明
本文為 Miyama Capital 內部研究筆記之公開整理版。文中觀點反映撰寫時的分析框架，不構成任何職涯或投資建議。
Miyama Capital 目前僅管理自有資金，不對外募集。
