我的工作讓我同時站在三個正在被技術重塑的領域：AI、半導體供應鏈、循環經濟。

這個位置有一個好處：我既看得到技術的加速，也每天摸得到物理的極限。當你一邊用四個 AI 模型跑辯論引擎，一邊處理金屬回收產線的水電帳單，你對「技術會改變一切」這句話的感受會比較複雜。

所以我對 2030 年的看法，不是從技術潛力出發，而是從限制出發。每一條看起來很美的技術曲線，背後都有一個物理的、經濟的、或倫理的天花板。看清天花板，才知道真正的機會在哪裡。

AGI：深化會來，通用還不會

AGI 是這幾年最熱的敘事。但如果你真的在用 AI 做事——不是玩，是每天拿來做決策——你會知道我們離通用智能還很遠。

我在〈美國 AI 三年倒數〉裡分析過，目前 AI 的瓶頸不只是演算法，還有計算資源的物理極限（能耗、散熱）和高品質訓練數據的天花板。2030 年的 AI 更可能呈現「專業領域的深化」——醫療診斷、材料科學、製造優化——而不是全面的 AGI 突破。

但「深化」本身的衝擊就夠大了。當 AI 在特定領域達到超越人類專家的水準——我在〈AI 比人更懂人情世故〉裡談過這已經在社會智能領域發生——產業的成本結構和人才需求會被徹底改寫。人機協作不是選項，是必然。

量子計算：威脅比應用先到

量子計算在密碼學和材料科學的潛力巨大，也是地緣政治的關鍵變量。但它面臨量子相干性不穩定和極高的錯誤校正成本，2030 年仍會以混合系統為主導，通用量子計算機還在實驗階段。

有趣的是，量子計算的威脅比它的應用跑得更快。各國已經在為「量子霸權」可能破解現有加密系統做準備，這直接影響半導體產業的戰略布局。我在〈台灣半導體的十倍飛躍〉裡談過，台灣的下一輪競爭不只在製程，而在系統整合能力。量子計算的時間表，會加速這個轉變。

氣候韌性：不是口號，是成本結構

在 公司 做金屬回收，氣候韌性對我來說不是抽象概念，是每個月的水電帳單。

可再生能源的發展受制於材料科學瓶頸和基礎設施更新的長週期。但更根本的問題是：氣候風險不是單一事件，而是複合型危機的觸發器——當極端氣候同時衝擊供應鏈、糧食系統和人口流動，任何單點解方都不夠。

這就是為什麼我一直在講「循環經濟不是理想主義」。當水電化學品成本全部往上走，資源再配置的效率直接決定你的競爭力。半導體產業尤其如此——如果回收效率提升 5%，對利潤結構的影響遠大於削減 1% 人事成本。

社會結構的靜默重組

技術變革吸引所有目光，但社會結構的變化往往更深遠。

老齡化、零工經濟、數位轉型正在同時發生。教育系統還在教二十年前的技能，勞動市場已經在要求完全不同的能力。我在〈AI 就業市場的金絲雀〉裡談過，被淘汰的不是特定職位，而是整個分工邏輯。UBI（全民基本收入）從學術概念變成政策實驗，不是因為理想主義，而是因為舊的社會契約撐不住了。

不預測，建韌性

我對 2030 最誠實的態度是：我不知道。沒有人知道。

每一個看起來確定的趨勢，背後都有可能被黑天鵝翻盤的變量。AGI 可能因為一個演算法突破提前五年到來，也可能因為能源成本暴漲而停滯十年。

所以我選擇的策略不是精準預測，而是建立能在多種情境下存活的韌性。在 AI 領域深化人機協作能力。在半導體領域強化系統整合而不只守製程。在循環經濟領域把資源再配置變成核心競爭力而不只是 ESG 標籤。

真正的前瞻不是預測未來。是理解哪些變量你可以影響，然後把資源集中在那裡。