你是否曾想過：如果 AI 真的強大到能完成我們所有的工作，世界會變得更富有，還是會陷入一場前所未有的混亂？
最近，知名研究機構 Citrini Research 發布了一份令人背脊發涼的報告，標題為《2028 全球智慧危機：來自未來的金融史思想實驗》。這不是預言，也不是科幻小說，而是一次嚴謹的經濟學模擬。它假設我們來到了 2028 年 6 月，回頭審視這兩年來 AI 如何從「生產力救星」演變成「經濟毒藥」。
這場危機的核心在於一個悖論：AI 越成功，傳統的經濟齒輪就卡得越死。
盛世中的陰影：失業率 10.2% 與「幽靈 GDP」
故事從 2028 年 6 月的一份失業數據說起。當天公佈的失業率高達 10.2%，標普 500 指數較 2026 年的高點重挫了 38%。
回頭看 2026 年，那時市場正處於狂熱。企業發現裁減白領員工並引入 AI 運算，能讓利潤率飆升。從帳面數字看，GDP 在增長，每小時實際產出創下 1950 年代以來的新高。
然而，這背後隱藏著「幽靈 GDP」（Ghost GDP）：
- 數據上的繁榮：產出由北達科他州的 GPU 集群產生，不再由曼哈頓的白領創造。
- 實體經濟的乾涸：AI 機器人不需要買房、不喝咖啡、不交健保，更不進行任何非必需品支出。
- 消費引擎失速：當佔美國 GDP 70% 的消費經濟因白領失業而萎縮，貨幣流通速度（Velocity of Money）徹底停滯。
軟體服務（SaaS）的集體黃昏
這場崩潰最先發生在軟體界。2025 年底，AI 編碼工具（如 Claude Code）的進化，讓企業發現自己能輕易「山寨」那些昂貴的軟體。
2026 年，ServiceNow 的暴雷成為了第一塊多米諾骨牌。諷刺的是，這些 SaaS 公司為了保住獲利，開始大規模裁員並全力投入 AI 研發。
這是一個致命的負回饋循環： 企業用 AI 來裁員以省錢，省下的錢再買更多 AI，這又導致更多的人失業。
過去我們認為「人脈」與「長期合約」是護城河，但 2026 年的現實告訴我們：當 AI 代理人（Agent）可以幾週內複製你的功能時，你的護城河只是一灘乾涸的泥地。
當「摩擦力」消失：商業模式的瓦解
過去五十年的美國經濟，本質上是建立在「人類的懶惰與資訊不對稱」之上的。我們因為怕麻煩而不去比價、因為忘了取消而持續訂閱、因為信任品牌而支付溢價。
但到了 2027 年，當每個人手機裡都有一個全天候運行的 AI 購物助理時，這些利潤空間瞬間歸零：
- 中介機構的消亡：旅遊訂閱、保險續約、法律服務不再需要人類處理。AI 代理人會為了省下 0.1% 的費用，在毫秒內對比全球數千個方案。
- 品牌忠誠度的瓦解：機器人不在意品牌廣告，它們只在意「性能與價格的最佳化」。
- 支付體系的變革：信用卡那 2%~3% 的手續費被 AI 視為不必要的浪費。2027 年，萬事達卡（Mastercard）股價大跌，因為 AI 代理人開始大規模轉向低成本的加密貨幣與穩定幣結算。
從白領失業到系統性金融危機
這不僅僅是科技業的事，它最終燒向了金融體系的基石：13 兆美元的抵押貸款市場。
這與 2008 年的次貸危機不同。2028 年的借款人並非信用不良，他們曾是年薪 18 萬美元、FICO 評分 780 的「天之驕子」。但當這些產品經理失去工作，被迫去開 Uber 時，他們的收入從 18 萬縮水到 4.5 萬。
與此同時，私募信貸（Private Credit）也開始崩潰。許多私募股權公司槓桿收購的軟體公司，因營收成長停滯而違約。最慘的是，這些風險最終透過年金和保險產品，轉嫁到了普通家庭的退休金中。
智力溢價的消退：我們該如何應對？
縱觀人類歷史，「智慧」始終是稀缺資源。分析、創造、決策——這些能力讓我們換取高額薪水。
但在 2028 年的思想實驗中，人類智慧的溢價正在消退。這並非代表經濟會徹底崩潰，而是代表舊的分配體系（以勞動換取報酬）已經崩壞。
未來的關鍵議題：
- 人工智慧推理稅：政府是否該對機器的運算課稅，以補貼失業人口？
- 共享 AI 繁榮法案：將 AI 產出的收益視為某種類似主權財富基金的公共財。
- 勞動力轉型：當 AI 創造的新職位（如 AI 安全研究員）遠少於它摧毀的職位時，社會安全網該如何重建？
金絲雀還活著
這份報告的作者阿拉普·沙（Alap Shah）在結尾寫道：「當你讀到這篇文章時，不是 2028 年 6 月，而是 2026 年 2 月。」
現在，標普 500 依然接近高點，AI 的狂熱依然在燃燒。我們還有時間去評估，自己的職業選擇、投資組合，是否建立在那些「無法經受十年考驗」的假設之上。
這是一場來自未來的警告：當智慧變得廉價，我們必須重新定義人類的價值。
虛驚一場？為什麼 2028 年「智慧危機」未必會成為現實
在看過 Citrini Research 那份令人不安的「末日預告」後，我們很容易陷入一種技術決定論的恐慌。然而，經濟史學家經常提醒我們：技術的演進是階梯式的，但社會的演變是球狀擴散的。
雖然「智力溢價消退」在邏輯上成立，但在實際的經濟運作中，有幾股強大的力量正在抵銷這股下墜的引力。
索洛悖論的現代版：為什麼生產力爆發總是「遲到」？
報告中假設 2026 年生產力會瞬間飆升並導致大規模失業，但歷史告訴我們，技術轉化為生產力的過程極其緩慢。這就是著名的「索洛悖論」（Solow Paradox）：電腦到處都看得到，但在生產力統計數據中卻看不到。
組織慣性的「緩衝墊」
企業並非代碼組成的機器，而是由人組成的官僚體系。即便 AI 代理人可以取代一名產品經理，但大公司在法律合規、內部政治、以及對技術不確定性的恐懼下，裁員的速度遠比想像中慢。
- 責任歸屬問題：如果 AI 寫的代碼導致銀行系統崩潰，誰來坐牢？在法律與責任框架釐清前，企業寧願多花錢僱用人類作為「責任防火牆」。
- 整合成本：將 AI 嵌入現有流程的成本（Legacy Systems Integration）往往高於購買 AI 服務本身。
訓練數據的「枯竭牆」
報告假設 AI 能力會持續指數級增長，但目前的 LLM 模型正撞向「數據牆」。高質量的專業數據是有限的，當 AI 開始學習 AI 產生的數據時，會發生「模型崩潰」（Model Collapse）。這意味著人類專家產出的原創思想，其價值非但不會消失，反而會因為稀缺而變得更貴。
薩伊定律與欲望的無限性：工作不會消失，只是轉移
Citrini 報告最悲觀的假設是「總需求萎縮」，但這忽略了經濟學的基本原理：供給創造其自身的需求（Say's Law）。
「節省下的成本」去了哪裡？
如果一家公司透過 AI 節省了 30% 的營運成本，這筆錢不會消失。它會流向：
- 降低價格：消費者買東西變便宜了，省下的錢會去消費其他東西（例如旅遊、醫美、心理諮商）。
- 增加研發：公司會開發以前因為人力太貴而不敢嘗試的新專案。
- 股東分紅：資金流向資本市場，推動再投資。
傑文斯悖論（Jevons Paradox）
當資源利用效率提高時，我們對該資源的需求反而會增加。當編碼變得極其廉價時，世界對軟體的需求不會保持不變，而是會爆炸式增長。以前只有大企業有 App，未來可能連隔壁的麵攤都需要一套 AI 驅動的動態供應鏈系統。這將創造出全新的、我們目前甚至無法想像的「協調員」職位。
摩擦力是社會的「穩定器」
報告認為「摩擦力趨於零」會摧毀商業模式，但從社會學角度看，適度的摩擦力是經濟的保護殼。
品牌與情感的非理性
機器人可以比價，但人類買東西不只是為了「便宜」。品牌代表的是信任、身份認同與情感連結。即便 AI 代理人推薦了最便宜的無名保險，大多數人可能還是會選擇大品牌，因為他們買的是「心安」。人類對「人味」的追求，會形成一個巨大的、AI 無法滲透的「情感溢價市場」。
監管與貿易保護
政府不會坐視 10% 的白領失業。
- 職業執照制度：律師、會計師、醫師等行業有強大的公會與執照門檻。政府可以透過立法，規定特定決策必須由人類簽署（Human-in-the-loop）。
- 數位關稅：為了保護本地就業，各國可能對跨境 AI 服務徵收關稅或實施本地數據存儲要求。
金融體系的自我修復與演進
關於「抵押貸款危機」的推論，忽略了金融機構的適應力。
- 信貸模型的重構：如果白領收入結構改變，銀行不會坐以待斃。他們會發展出基於「零工經濟」或「AI 收益分成」的新型承銷標準。
- 資產的重新定義：當傳統房地產因為白領失業而承壓時，資本會流向更有生產力的資產（如能源基礎設施、算力中心）。金融危機通常發生在「隱藏的風險」，但 AI 的風險現在是全體人類都在緊盯的「明牌」。
我們正在經歷「陣痛」，而非「末日」
與其說這是一場「智慧危機」，不如說這是一場「智慧大遷徙」。
歷史上，當 90% 的農業人口轉向工業時，當時的人也認為世界末日到了。Citrini Research 的報告提醒了我們最壞的情況，但它忽略了人類作為一個生物群體，在面臨威脅時爆發出的創造力。
為什麼現況未必如此？
- AI 是工具而非主體：目前 AI 仍缺乏主動慾望與責任承擔能力。
- 新財富效應：AI 降低了創業門檻，可能會引發一波「微型企業」的爆發潮，抵銷大公司的裁員。
- 社會契約的演進：全民基本收入（UBI）或縮短工時等政策，雖然緩慢，但終將跟上技術腳步。
