五年前我覺得,只要我夠努力、加班夠多、技能學得夠雜,我這輩子就穩了。
結果呢?去年我一個朋友,法律系畢業、考了三年律師執照終於考上——前兩個月他們事務所開始用 AI 審合約,原本實習生乾一週的活,AI 兩小時做完。他老闆直接說:今年不招新人了。他整個人傻在會議室。
這不是個案。
如果你最近有留意新聞,會看到一個詞突然冒出來叫 Agentic AI——聽起來很科幻對吧?我換個說法你就懂了:
以前 AI 是跟你聊天、幫你查資料的助理;現在 AI 能直接幫你幹活、操作你電腦、填你表格、回你郵件、寫你代碼的虛擬員工。你睡覺的時候他還在幹活。
今天我想跟你聊三件事:
- 為什麼靠工資活著這條路正在被抽掉地板?
- 如果真的回不去了,我們現在該把錢放到哪裡?
- 我們的孩子到底該學什麼才不會被淘汰?
一、白領先倒:資訊不對稱的紅利正在消失
你有沒有發現,這兩年最先感到壓力的反而不是工廠裡的操作員,而是坐在辦公室裡的白領——旅行社、房屋仲介、法律助理、客服中心,甚至寫代碼的程序員。
這些人的共同點是什麼?他們都是橋樑,連接你跟資訊、你跟服務、你跟產品之間的那個人。
旅行社幫你比價、仲介幫你查物件、律師幫你查判例。可現在呢?AI 能在幾秒鐘內查完全世界幾百家航空公司的票價,然後順手幫你把票訂好、把行程填好、把簽證表填完——中間那座橋不需要你了。
經濟學家管這叫資訊不對稱。說得直白一點:你知道得太少、我知道得太多,你就得給我錢。但 AI 把這種「知道」變得不值錢了。
全球靠資訊整理、流程代辦、專業文件處理、交易撮合來收費的服務加起來是以兆美元計算的。現在這塊蛋糕正被 AI 一口一口啃掉,而且速度比所有人想的都快。
二、Agentic AI:連程序員都開始慌了
2023 年大家還在說「AI 會先取代重複性工作」,結果呢?最先感受到寒意的是高薪白領。
今年 1 月 Anthropic 推出了一款 AI 代理平台——簡單講,就是你給他一個任務,他能自己拆解、自己跨軟件操作、自己找資料、自己填表。你只要說一句「幫我整理這個月的合同」,他自己就開 Excel、開郵件,全給你弄好。
市場瞬間就反應過來了——法律、會計、客服這些行業很多崗位的價值要被打掉。
更離譜的是連程序員都開始慌了。三四年前所有人都說「快去學編程」,現在呢?矽谷放緩了開發者的招聘速度。為什麼?因為 AI 寫代碼不需要休息、不會請假、不鬧情緒,而且寫得還不差。你拼什麼?
今年 1 月有個奧地利開發者業餘時間做了個開源 AI 代理工具,能連電腦、能連各種 APP、自動處理流程。消息出來之後整個行業炸了——原本大家覺得這種 agentic AI 要到 2030 年才會成熟,現在業界已經在認真討論 2027 到 2028 年能不能大規模商用。
一個業餘項目,把整個產業的想像往前推了一大步。
三、AI 抽掉地板:勞動收入不再是鐵飯碗
好,問題來了——如果靠幹活賺錢這條路越來越窄,我們靠什麼?
人的收入其實只有兩種:
- 勞動收入:你上班,老闆給你錢
- 資本收入:你的錢替你工作,賺回來錢
過去幾十年的社會邏輯都是「你好好讀書、好好上班,收入就會穩定增長」。但 AI 正在打破這個假設。
Anthropic 的 CEO 說過一句話,我到現在都記得——他說:
「強大的 AI 就像在數據中心裡創造了一個天才之國。這個國家有上千萬個公民,每一個都接近頂級科學家水平。他們 24 小時不停工作、不吃飯、不睡覺、不罷工。我們普通人要跟這個國家競爭,你覺得勝算有多大?」
所以未來我們很可能要面對一個翻轉:
過去勞動收入佔八九成,資本收入只是零頭;未來資本收入會越來越重要,甚至會慢慢變成主角。
這個比例不會一夕之間翻轉,但已經定了,而且速度比大部分人想像的快。
四、具體投什麼?不要押單一公司,押「贏家都得用的東西」
一說到 AI 投資,大家腦子裡全是輝達、微軟、OpenAI——但這裡面有個巨大的風險:你根本猜不到最後誰會贏。 三年前的贏家,三年後可能就被甩在後面。OpenAI 現在看起來很猛,但他燒錢的速度也嚇人。
那怎麼辦?換個思路——不管最後哪家 AI 公司勝出,他們都需要數據中心、需要半導體、需要電力、需要冷卻系統、需要光纖。
你不壓住單一家,你壓住所有贏家都得用的東西。
這就像 1999 年的互聯網。當時沒人知道雅虎和亞馬遜誰會活下來,但所有人都需要光纖。泡沫破了之後很多公司死了,但光纖留下來了。活下來的公司反而用那些過剩的基礎設施低成本擴張。
AI 也一樣——就算泡沫破了,數據中心、芯片、電力這些基礎設施大概率還在。
還有一個很多人還沒注意到的變化:過去 AI 投資的重心是「訓練」——為海量數據讓模型學習;但未來真正的爆發點可能是「推理」——就是你用 AI 的過程。你跟 GPT 對話、讓 AI 寫代碼、讓 AI 生成圖片,每一次都是推理。
而 Agentic AI 的出現會讓推理需求暴增——因為 AI 代理不是「你問一句他答一句」就完事,他會自己拆任務、開工具、反覆嘗試、修正錯誤。一個 AI 代理一天產生的計算量,跟傳統聊天機器人完全不是一個量級。
而且推理不一定非得用 GPU。GPU 像工地上的大卡車,力氣大費油;你上班開轎車就行了,省油靈活。推理需要的是專門設計的芯片——耗電低、效率高、延遲短。
這裡面藏著下一輪的機會。有個技術叫 HBM(高頻寬記憶體),你可能聽過;還有一個叫 HBF 的東西目前還在研發初期,專門解決 AI 推理中的記憶體問題。誰能率先量產,誰就可能拿到下一張船票。
你現在不需要搞懂所有細節,但你可以記住這個關鍵詞,然後追蹤它的樣品進度、客戶名單、量產能力。
五、被嚴重低估的方向:用 AI 提升效率的傳統企業
除了這些,還有一個被嚴重低估的方向——那些用 AI 提升效率的傳統企業。
沃爾瑪這幾年股價漲得很猛,原因不只是賣貨賣得好,而是他大規模用 AI 搞庫存管理、物流優化、客服系統。汽車也一樣——以前市場用汽車公司的標準看他,現在開始用軟件和數據公司的標準看他。
台灣很多製造業如果能成功導入 AI,估值邏輯也可能被重寫。
六、投資組合要像工資一樣穩定
你想一個問題——你每個月領工資,同時你這個月股票也賺了 5 萬塊。這兩個 5 萬塊一樣嗎?
完全不一樣。
工資的 5 萬塊,你下個月大概率還有,你心裡有底,你敢花錢、敢租房、敢做長期規劃。但股票賺的 5 萬塊,下個月可能賺 8 萬也可能虧 3 萬——你不知道,所以你不敢花,只能存著。
這叫恆常收入問題。
如果未來越來越多人的主要收入從工資變成投資,而投資天生不穩定,那會發生什麼?
大家不敢花錢 → 消費萎縮 → 企業營收下降 → 股價下跌 → 投資收入更不穩定 → 惡性循環
所以投資組合的設計在 AI 時代比任何時候都重要。你不是只追求最高回報,你是要讓投資收入盡量模仿工資的恆常性。
怎麼做?就三個字:分散、分散、再分散。跨資產、跨行業、跨國。
- 五六十歲以上的人:可以多配一些能產生穩定現金流的高股息 ETF、債券、REITs,剩下的再追求成長
- 三四十歲的人:成長並重
- 20 歲出頭的人:最重要的事情不是賺錢,而是用少量資金去試各種 ETF,去理解不同資產在不同市場環境下的表現
ETF 是這個時代給普通人最好的工具——你買一檔就自動分散了幾十幾百支股票,你買五六檔不同類型的風險就更分散了。10 萬塊分成 10 份買 10 檔不同 ETF 都可以。重點不是立刻賺多少,而是練內功。
還要提醒一件事:2026 年有三個大變量會疊在一起——美中關係、美聯儲主席交接、美國中期選舉。這三個不是孤立的,他們環環相扣。最危險的策略是把所有錢壓在單一方向,更穩健的是廣泛分散,保持靈活。
七、AI 時代,我們的孩子到底該學什麼?
沒有人能保證你的孩子該學什麼,任何說「學某某就一定對了」的人不是騙你就是自欺。但有幾點是比較站得住腳的:
第一,贏家通吃會更明顯
AI 時代會更接近贏家通吃——做什麼不一定最重要,做到那個領域的前 10% 才越來越重要。AI 會壓縮中間層,只有頂尖的人、或者懂得跟 AI 合作的人才更有機會。
第二,別逼孩子模仿別人
你的孩子對恐龍瘋狂著迷?太好了,讓他成為最懂恐龍的人。人在真正感興趣的事情上會自發建立驚人的深度,深度比廣度重要 1 萬倍。
第三,適應力比知識重要
今天最紅的技能,五年後可能就不值錢了。能快速學習、快速轉彎的能力,比任何特定知識都珍貴。
第四,失敗復原力
未來不確定性越大,失敗的機率越高。不可怕的是失敗本身,可怕的是站不起來的速度。
第五,讓孩子從小接觸投資
不是教他選股,而是用少量錢幫他買幾檔 ETF,讓他觀察五年、十年之後會發生什麼。
投資裡最難學的東西叫等待。等待只能靠時間來體會。 10 歲開始看,20 歲就有十年經驗,這比任何教科書都值錢。
八、AI 時代可能是年輕人創業的黃金窗口
還有一件事很多人沒想到——AI 時代可能是年輕人創業的黃金窗口。
未來一個人就能創辦以前需要 10 個人才能啟動的公司。AI 幫你寫代碼、做設計、做客服、做廣告,創業成本斷崖式下降——成功了改變命運,失敗了損失也小。
這個窗口不會永遠開著,等到大部分人都熟練了,優勢就沒了。現在還是少數人。
九、你沒辦法選擇要不要進入 AI,只能選擇站著還是趴著
我不跟你講大道理,我跟你講一句我特別相信的話:
你沒辦法選擇要不要進入 AI 這個新世界,你只能選擇在裡面是站著還是趴著。
從今天開始做一件小事就夠了——每天花 15 分鐘看一點財經新聞。不用全看懂,一開始痛苦很正常,看不懂的詞比看得懂的多十倍。但堅持一年,你會發現速度變快了,你會開始有自己的判斷。
然後把你的想法寫下來,不用長,三五百字——讀一遍、寫一遍,如果還能跟人聊一遍,你就複習了三遍。
十年之後回頭看,你會發現自己已經砌起了一座誰都拿不走的知識庫。 沒有捷徑,只有時間。
免責聲明:本文僅為個人觀察與市場觀點分享,不構成任何投資建議。AI 產業發展與政策變化存在高度不確定性,任何投資決策應依據自身財務狀況、風險承受能力與獨立判斷。本站作者不對任何投資盈虧負責。
留言