上個月底，一張 2026 年全球 AI 使用分布圖在社群上炸開。在我的朋友圈裡已經轉了好幾輪，每次看到都有不同的感悟。

這張圖把 81 億人口的 AI 使用狀態，用色塊鋪成一整片馬賽克。視覺很直覺，衝擊也很直接：84% 的人從未真正使用過 AI。約 16% 用過免費聊天機器人。願意每月付 20 美元訂閱 AI 服務的，大概只占 0.2% 到 0.3%。而真正在用 AI 程式開發工具的人，全球大約 200 到 500 萬，不到 0.05%。

2026 年全球 AI 使用分布圖：每個點代表約 320 萬人，2,500 個點 = 81 億人口。灰色為從未使用 AI（84%），綠色為免費聊天機器人用戶（16%），黃色為每月付費 $20 訂閱 AI（~0.3%），紅色為使用 AI 程式開發工具（~0.04%）。

這張圖最重要的地方，不只是讓人驚嘆比例的懸殊。它逼你面對幾個問題：你現在在哪一個色塊裡？你準備怎麼進到下一個？你的客戶在哪一個色塊？你準備好進入這個極端世界了嗎？

這不只是一張 AI 市場資訊圖。它是某種意義上的能力地圖。

圍觀者的世界

很多人對 AI 的認識，仍停留在一種「圍觀者狀態」。他們知道 Gemini、OpenAI、Sora、Manus、Perplexity 這些名字，就像知道某部很紅的電影名，但沒有真正走進戲院看過。工具的名字大家都會講，但真正長時間使用、把它整合進工作流程的人其實很少。還有不少人把 AI 視為幾年前爆紅又快速冷卻的 Clubhouse 那種東西——一波話題熱潮，等退燒就算了。

不是這樣的。

前幾天同事問我：如果要面試資訊主管，要問哪些問題？我的建議很簡單，直接問三件事。他是不是 AI 的付費使用者？他目前主要用哪些 AI 工具？請他直接展示跑過的 AI 專案。只要把實際做過的東西打開來看，大概就能知道他是否真的在這條學習軌道上，以及有沒有能力帶團隊往前走。

加速度本身還在加速

2022 年十一月，我跟夥伴就決定 All In 在大語言模型的產業應用。三年下來，原本以為年輕人會比較願意學新工具。但實際在產線與業界深入後，發現事情沒那麼簡單。想跟上的人比較像是有某種人格特質，跟年紀沒有正相關。

AI 的變化不是線性的。它不是「今天暫時落後一點，下個月補回來就好」。它比較像一個加速度本身還在持續加速的系統。你晚一步進場，看到的世界可能已經不是同一個版本了。常常跑起程式、跟模型互動的體感，就是覺得它比上週又更聰明了。這種感覺太強烈，所以從二月到現在，我平均每天至少花五個小時跟 AI 互動——開終端機、設定權限、串 API、提需求、驗結果、修 bug，然後再進入修 bug 的輪迴，伴隨著各種 API 扣款通知。每天踩坑，但樂此不疲。

有天跑步跑到一半想到：經歷過這段 AI 滾燙洗禮的 Paul，和沒有經歷過的 Paul，會有什麼不同？

坦白說，差很多。兩個 Paul 其實很難互相理解。沒經歷這段過程的那個 Paul，很難理解為什麼一個月要多花幾百美金、做自己專款專用的軟體有什麼意義、可以跑出媲美麥肯錫的高階研究報告又怎樣。「世界看起來還是在轉著啊，沒什麼不同。」——是啊，這句話聽起來完全合理，但身在其中的人知道不是這樣。AI 不只是效率工具，它更像是一個思考放大器。我在〈從 AI 風暴中突圍：個人優勢策略圖〉裡也寫過類似的觀點——關鍵不在工具本身，而在你用它來放大什麼。

K 型分化：不只是經濟現象

COVID 後，「K 型復甦」這個概念開始被廣泛討論——經濟衝擊不會平均打在每個人身上，有人乘著 K 的上臂往上走，有人沿著下臂持續滑落，中間被掏空。AI 的能力分化，正在走同樣的路線。

上升的那群人利用 AI 強化思考能力，讓自己的產出倍增。下降的那群人用 AI 逃避思考，或者乾脆完全不碰。結果就是能力差距越來越大，而且越來越難追上。這種 K 型分化不只發生在企業層面，也發生在個人身上。它是不是一種社會隱藏的風險？我認為是的。

台灣不是全球平均值

回到那張圖表。如果直接把「全球 81 億人口」的 AI 使用分布硬套在台灣，會低估台灣的實際狀況。台灣有全球前段班的科技與半導體產業密度。

根據 2024 年產業統計資料，台灣半導體產業就業人口約 33 萬人，電腦、電子產品及光學製品製造業受僱員工約 25 萬人（主計總處薪資與生產力統計），資訊軟體暨服務業就業人數約 28.7 萬人（資策會 MIC《2025 資訊軟體暨服務產業年鑑》）。加計電信、系統整合與各企業內部 IT 部門，廣義科技從業人口合理推估落在 90 萬至 110 萬人之間。

根據 iThome《2024 CIO 大調查》，臺灣兩千大企業中 IT 從業人員約 14 萬人，其中約六成四為開發人員，推估核心開發人力約 8.4 萬人。這還沒涵蓋中小企業工程團隊、新創公司、接案自由工作者、以及日常頻繁寫程式的資料科學家與技術型專業人員。台灣整體開發者人口的合理區間，大致可穩固落在 20 萬至 40 萬人之間。

真正會進入「使用 AI 程式開發工具」這一層的人，高度集中在這個技術密集族群中。如果以 20 萬至 40 萬的開發者基數推估，假設其中 5% 至 15% 已經把 GitHub Copilot、Cursor 或 Claude Code 等工具融入日常工作流程，台灣實際使用這類高階開發工具的活躍人數，合理區間約在 1 萬到 6 萬人之間。

如果單純套用全球 0.04% 的平均值，台灣 2,300 萬人口中只有約 9,200 人使用 AI 程式開發工具，這顯然低估了。綜合「全球平均模型」與「台灣產業結構模型」，我保守推估：目前台灣真正進入 AI 程式開發工具層級的人數，大約落在 1 萬到 3 萬人之間，約占總人口的 0.04% 至 0.13%。

依同樣邏輯修正台灣整體的 AI 採用版圖：「從未使用 AI」的比例下修至約 70%，「免費聊天機器人用戶」上修至約 27%，「付費訂閱 AI」上修至約 2.5%，最頂端的「使用 AI 程式開發工具」上修至約 0.1%。

台灣版 AI 使用分布圖：每個點代表約 9,200 人，2,500 個點 = 2,300 萬人。從未進入 AI 領域約 1,618 萬人（70.4%），免費聊天機器人用戶約 621 萬人（27.0%），每月支付 $20 訂閱 AI 約 58 萬人（2.5%），使用 AI 程式開發工具約 2.8 萬人（0.1%）。

少數人的前沿，所有人的課題

台灣確實比全球平均更早跨入 AI 時代。但真正站在最前沿工具鏈、具備底層創造能力的人——不管是三萬還是六萬——依然是少數。

如果你已經在這條路上，別停下來。如果你還沒開始，現在開始不算晚，但再等下去，追的不是距離，而是版本差。

各位老闆、創業家、數位長、部門主管——你們怎麼看自己企業的轉型？如果轉型所需要理解的知識鴻溝越來越大？你打算怎麼因應？

原始資料來源：“There Are Levels to This: AI Adoption in 2026”，作者 John Crowley，刊載於 Thayer Method。