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。
这个位置让我既看得到技术的加速,也每天遇到能源、材料与成本的限制。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:先为深化准备,不押注时间表
我关心 AGI,但日常使用 AI 的经验,不能直接判定通用智能何时到来。我更愿意先问:哪些具体任务能改善,哪些限制还需要人接手?
我在〈读AI时间表:把预测、目标与验收结果分开〉里,提醒自己别把展望当成成果。对 2030,我倾向先为专业领域的深化准备,例如医疗、材料科学与制造应用。这是我的策略取向,不是 AGI 在那之前必然不会突破的证明;应用能否落地,仍要看可靠性、成本与相应的验证。
我在〈AI 比人更懂人情世故〉谈过特定社会情境题目的模型表现,但测验得分不能直接推出真实世界全面胜过专家。如果 AI 在具体工作中持续提供可靠、可负担的帮助,才可能改变流程、成本与人才需求。我选择练习人机协作,不把它写成所有产业同时发生的必然。
量子计算:先准备风险,不把年份当保证
量子计算的实用进展,需要观察错误校正、可用规模与整体成本。我不以「2030 年必然由混合系统主导」作为策略前提;对自己的工作,更有用的是追踪能力是否真的能解决目标问题。
密码风险可以先于实际攻击做准备。NIST 在 2024年8月13日公告首批三项后量子密码标准,鼓励系统管理者开始转换。这支持提早准备的必要,不代表已能破解所有加密,也不是攻击将在 2030 发生的预报。我在〈台湾半导体的十倍飞跃〉重视的系统整合,是自己的产业观点,不由一个量子时间表直接推出。
气候韧性:不是口号,是成本结构
做金属回收时,水电帐单让我具体感受到资源与成本的限制。不过,帐单是营运讯号,不能单独证明气候风险或气候韧性的高低。
评估能源与资源方案时,我会把材料、基础设施更新与供应条件一起考虑,也会问:如果缺水、停电或供应中断同时出现,原本的方案还能做什么?这是一种情境检查,不是宣称每次极端天气都会造成同样的连锁危机。
这就是我说「循环经济不是理想主义」的原因:回收方案需要回到资源与成本计算。不能只拿「效率提升 5%」和「人事削减 1%」判断谁较划算。前者要分清相对增幅或百分点,并看处理量、资源价格、可用回收物及新增设备与维护费;后者的基准是原有人事成本。最后要比较同一期间的净效益,不能把两个不同基数的比例直接当成获利差距。
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。
我也关心人口、工作安排与数位工具的变化,会怎么影响教育与劳动分工。〈AI 就业市场的金丝雀〉里的研究,是观察特定样本的线索,不能推成所有职位或整个分工逻辑都已被淘汰。教育如何调整、社会保障如何设计,仍是需要证据与取舍的公共问题,不宜用「旧制度撑不住了」一句话替所有政策实验解释动机。
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。
看似确定的趋势,也可能受新证据与意外事件改变。演算法、能源、资料与部署条件都值得追踪,它们如何改变进度,还需要持续观察。
所以我选择为多种情境做准备:在 AI 领域深化人机协作,在半导体领域重视系统整合,在循环经济领域把资源再配置做扎实。这些是我的优先顺序,不是适用所有组织的单一路线,也不保证避开所有风险。
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。
把条件与选择说清楚
把 2030 当作思考期限,不把假设写成预言。
专业领域深化是准备方向,不是 AGI 时程判决。
提早准备密码风险,不等于预告攻击年份。
不同基数的百分比,要先换成同期间净效益。
策略保留调整空间,并持续核对新证据。
把能影响的变量做扎实,也保留修正的余地。
2026 年 11 月 5 日修订。 本文是从 AI、半导体与金属回收工作出发的策略短评。2030 是思考期限,技术时程仍有不确定性;回收与人事方案的成本效益,也需要各自的基准与完整资料才能比较。


💬 留言讨论
加载中...