我的工作让我同时站在三个正在被技术重塑的领域：AI、半导体供应链、循环经济。
这个位置有一个好处：我既看得到技术的加速，也每天摸得到物理的极限。当你一边用四个 AI 模型跑辩论引擎，一边处理金属回收产线的水电帐单，你对「技术会改变一切」这句话的感受会比较复杂。
所以我对 2030 年的看法，不是从技术潜力出发，而是从限制出发。每一条看起来很美的技术曲线，背后都有一个物理的、经济的、或伦理的天花板。看清天花板，才知道真正的机会在哪里。
AGI：深化会来，通用还不会
AGI 是这几年最热的叙事。但如果你真的在用 AI 做事——不是玩，是每天拿来做决策——你会知道我们离通用智能还很远。
我在〈美国 AI 三年倒数〉里分析过，目前 AI 的瓶颈不只是算法，还有计算资源的物理极限（能耗、散热）和高质量训练数据的天花板。2030 年的 AI 更可能呈现「专业领域的深化」——医疗诊断、材料科学、制造优化——而不是全面的 AGI 突破。
但「深化」本身的冲击就够大了。当 AI 在特定领域达到超越人类专家的水准——我在〈AI 比人更懂人情世故〉里谈过这已经在社会智能领域发生——产业的成本结构和人才需求会被彻底改写。人机协作不是选项，是必然。
量子计算：威胁比应用先到
量子计算在密码学和材料科学的潜力巨大，也是地缘政治的关键变量。但它面临量子相干性不稳定和极高的错误校正成本，2030 年仍会以混合系统为主导，通用量子计算机还在实验阶段。
有趣的是，量子计算的威胁比它的应用跑得更快。各国已经在为「量子霸权」可能破解现有加密系统做准备，这直接影响半导体产业的战略布局。我在〈台湾半导体的十倍飞跃〉里谈过，台湾的下一轮竞争不只在制程，而在系统整合能力。量子计算的时间表，会加速这个转变。
气候韧性：不是口号，是成本结构
在 公司 做金属回收，气候韧性对我来说不是抽象概念，是每个月的水电帐单。
可再生能源的发展受制于材料科学瓶颈和基础设施更新的长周期。但更根本的问题是：气候风险不是单一事件，而是复合型危机的触发器——当极端气候同时冲击供应链、粮食系统和人口流动，任何单点解方都不够。
这就是为什么我一直在讲「循环经济不是理想主义」。当水电化学品成本全部往上走，资源再配置的效率直接决定你的竞争力。半导体产业尤其如此——如果回收效率提升 5%，对利润结构的影响远大于削减 1% 人事成本。
社会结构的静默重组
技术变革吸引所有目光，但社会结构的变化往往更深远。
老龄化、零工经济、数字转型正在同时发生。教育系统还在教二十年前的技能，劳动市场已经在要求完全不同的能力。我在〈AI 就业市场的金丝雀〉里谈过，被淘汰的不是特定职位，而是整个分工逻辑。UBI（全民基本收入）从学术概念变成政策实验，不是因为理想主义，而是因为旧的社会契约撑不住了。
不预测，建韧性
我对 2030 最诚实的态度是：我不知道。没有人知道。
每一个看起来确定的趋势，背后都有可能被黑天鹅翻盘的变量。AGI 可能因为一个算法突破提前五年到来，也可能因为能源成本暴涨而停滞十年。
所以我选择的策略不是精准预测，而是建立能在多种情境下存活的韧性。在 AI 领域深化人机协作能力。在半导体领域强化系统整合而不只守制程。在循环经济领域把资源再配置变成核心竞争力而不只是 ESG 标签。
真正的前瞻不是预测未来。是理解哪些变量你可以影响，然后把资源集中在那里。
💬 留言讨论
加载中...