當AI人形機器人取代人力：國家經濟邏輯全面改寫

不久前我寫了一篇《AI應對之道》，從個人視角探討如何面對AI浪潮，收到的回饋讓我受益匪淺。

這回我想請你先暫時放下個人對AI的愛恨情仇，站到國家領導人的高度，思考10-20年後的結構性變革。我想問的是：如果技術如願實現，那國家的經濟邏輯會怎麼變？當資本開始模仿人力，我們還能用過去的經濟邏輯，理解未來的增長嗎？

想像一個沒有年輕人的國家，超市沒有收銀員、學校沒有老師、工廠沒有工人，街上的老人都由沒有靈魂的金屬人照顧。這不是科幻小說，而是某些國家的20年後。如果準備好了，請跟我一起探索「後人類勞動模型」。

▉ 經濟增長的要素：舊規則即將崩解？

傳統經濟學教科書告訴我們：經濟增長來自四大要素——土地、人力、資本與企業家精神。

土地是天然限制，企業家精神難以標準化（所有無法歸類的貢獻，常被丟進這個黑箱），真正能夠制度化投入與累積的，是人力與資本。

從農業社會的土地密集型生產，到工業社會的人力密集轉向資本密集，歷史的每一次飛躍，都跟這兩項要素的重新配置有關。

* 人力：需要數十年養成，由人口結構與教育制度支撐。

* 資本：可以透過制度、金融槓桿、政策設計快速擴張。

讓我們假設一個只有伐木業的國家，當它要推動成長，它會怎麼做：

* 更多工人加入伐木行列，產出自然增加（人力）

* 從手持斧頭升級到電鋸，效率翻倍（人均實體資本）

* 引入分組競爭與獎勵機制，讓伐木效率再上層樓（企業家精神）

但在未來的某個時間點，這個國家研發出了一批AI控制的人形伐木機器人，效率是人類的3倍，能24小時運轉，還不會請病假、組工會、或抱怨薪水。

這究竟算是「人力密集產業」還是「資本密集產業」？

人力曾是經濟的靈魂，資本原本是依附在人的決策之下。當資本開始自己產生勞力，人類就從生產要素，變成了備胎，原有的經濟架構正面臨一次根本性的改寫。（文末附錄加上一些對如何改寫經濟模型的想法）

▉ 人口結構的定時炸彈：鬧鐘已經在響

在我入行的時候，當時的mentor送我William Strauss和Neil Howe所寫的《Generation》，提點了我關於人口結構對社會發展與投資機會的重要性（雖然是三十年前的老書，依然推薦！）。

這本書提出的世代理論（Generational Theory）的核心觀點：「歷史不是直線前進，而是由世代輪替驅動的週期舞曲。年輕世代點燃創新，中堅世代穩固根基。世代結構決定需求形狀，人口動能主導資產定價。」

現在的問題是：這個動能正在消失。

已開發國家深陷人口危機：低生育率、壽命延長、年輕勞動力萎縮，經濟活力下滑，養老與醫療成本飆升。延後退休、鼓勵婦女進入職場等政策，只是為即將崩塌的大樓多加幾根支柱，無法改變地基的裂痕。

還有一個更慘的國家，面對著「未富先老」的問題。這個世界上，沒有任何國家像中國一樣，曾經用人口紅利與城市化，在20年內創造出如此巨量的經濟奇蹟。但也沒有任何國家，如今站在這麼陡峭的人口懸崖邊上。

一方面過去的一胎化政策，加上現代生活壓力、教育成本上升與婚育意願低落，中國的生育率已降到全球最低之一。另一方面，老年人口正快速積壓成未爆彈。

根據聯合國《World Population Prospects 2024》預測（見附圖）：

* 中國 25–64 歲的勞動人口將在 2025 達到巔峰。

* 到 2045 年，將比頂峰少掉 20%。之後再加速下降。

* 65 歲以上人口將激增 78%，多出約 1.6 億人。

這已經超越「潛在風險」（不確定性），變成寫在未來行事曆上的災難（確定性），而且無法靠印鈔或央行護盤化解。如果不改寫生產邏輯，它將是一場持續50年的結構性衰退，甚至在某個臨界點時挑戰政府的社會治理能力。

人口紅利已成過去，懸崖邊的中國能否用新科技拆彈，決定了它下個世紀的國運。

▉ AI+人形機器人：經濟增長的「遊戲改變者」（game changer）？

核心問題來了：如果AI+人形機器人能複製「白領生產力」，我們是否能用資本直接買下未來的人力？

過去我們談自動化，多數是針對單一流程效率提升。現在，我們談的是「打造一整批可以被複製的智慧勞工，隨時準備接手文件處理、決策執行，甚至是團隊協作。」

從肌肉到大腦，從工廠到辦公室。過去的工業革命讓機器放大「人的力量」，這次革命卻讓機器開始「思考」人的決策（AI agent的加大應用）：

* 從成本看，培養一個人類白領需要20年與數十萬美元，而一台AI機器人只需1年，且成本隨規模下降，品質更一致。未來，一個剛出生的嬰兒，終其一生創造的淨經濟價值，可能還不如一台在加州Fremont組裝好的AI機器人。

* 從時間看，機器人無需漫長的養成期，出廠即上工，複利效應讓新經濟模型迅速甩開舊模式。

* 從生產函數看，這是勞動（L）向資本（K）的終極轉換：一次資本開支，換取數十年的「數位勞力」。

未來的增長天花板，不再是「有沒有年輕人」，而是「有沒有訓練AI大模型的能力，和自主量產智慧機器人的產業鏈」（若是只能以市場化的方式向外採購，經濟利潤會被擁有關鍵技術的國家拿走）。資本找到外掛程式，人口結構的危機就可以被繞開。這場戰爭的勝者，將不再是人口最多的國家，而是最懂得量產「數位勞力」的國家。

這也是我認為大家不該忽視或是看衰這個領域未來發展最重要的原因（縱然現在的產品距離「理想」還有一段距離）：世界幾大強權（國家）與巨型公司都有極大誘因去讓它成功，資源投入的強度也不會減緩下來。

▉ 經濟模型怎麼被重寫？

順著這個邏輯，我們不妨來重新思考傳統增長模型會怎麼被重構：

* 產業重組與新興市場模型瓦解：當人力變得可被複製，那些原本仰賴「人多、工資低」的國家將會面臨結構性優勢瓦解。你不是人口紅利國了，你是成本過高的中介機構——曾經的外包天堂，現在空辦公室堆滿被閒置的電腦與會議桌。資本開始繞過你，直接部署機器人到先進市場的本地辦公室與工廠。新興市場若無法提供技術或制度吸引力，將被邊緣化。而原本受到人口結構與勞動生產力制約的國家，將因為可以用資本堆出人力，而重新開啟成長潛力。

* 人力的養成期失去邊際效益：一台 Tesla Optimus 的量產目標價，Musk最新對外喊出的數字是2-3萬美元，而且預設「下線即具通用搬運、簡易裝配能力，日後 Over-the-Air疊加智慧」。對比之下，在美國培養一位普通大學生——四年學費約10-15萬美元，再加生活成本6萬左右，總計15萬美元起跳，還不含20年前置教育。當教育投資報酬率下降，政府與家庭會開始問自己一個極其危險的問題：「與其花二十年教一個孩子，不如買一個 AI 助理比較划算？」

* 貿易與收支方向反轉：新興市場過去的比較優勢正在解構，世界工廠角色逐步內縮成零組件供應商。想像一下，當機器人把產線拉回美國，出口順差可能第一次變常態。美元不再靠貿易逆差向全球放出流動性，這將逼華府重寫50年來的美元循環腳本。

▉ 將這場變局，放進美中對抗的戰場上

上面講的是理論模型，那真實世界的國際政治呢？讓我們切換鏡頭，看這場技術革命如何被中國與美國轉化為生死牌局。當AI+機器人重塑全球經濟，國與國的競爭也從人口轉向技術主權。這場技術革命不光只是經濟發展的新命題，它正被兩個超級大國嵌入各自的戰略引擎。

從中國視角來看，這是一次高風險但不得不 All-in 的賭注：

* 量產成本優勢：目前中國仍是全球機械與電子零組件最強的組裝基地。馬達、電池、結構件這些看似普通的技術，其實就是 AI 機器人量產的關節與血液，在成本上中國還是保有一定優勢。

* 降低「未富先老」的影響：即使無法突破高端市場，AI機器人也能應用於養老照護、物流等場景，降低社會成本。越是高齡化，越不能等人力來救。

* 避免比較優勢加速瓦解：若AI總成本下降速度與於中國人才薪資上漲速度黃金交叉，那麼世界工廠的角色會直接斷層。所以對它來說，要不就重塑工廠，要不就被淘汰。

* 軍產融合的速度關鍵：誰能掌握具備攻防策略能力的AI agent（不論是無人機還是地面機器人），就能在地緣主導力上取得優勢。無人機只是熱身，下一步是能協作的智能機器人編隊，用來建造、維穩、甚至執行戰爭。

換句話說，中國面臨一種新的「無人口紅利下的追趕焦慮」。如果不下大注賭一把，將同時面臨「高齡化 + 技術卡脖子」的雙重陷阱。若能用機器人填補勞動缺口，中國製造業份額未必滑落。

對中國最好的情況，是借此機會超車已開發國家：單單製造機器人零件沒用，重要的是AI模型、應用場景整合與相關生態系。但若仍被歐美日掌握技術與標準，則將再次被壓在價值鏈低端。

那從美國的角度來看，它的戰略目標也很清晰：

* 全面封鎖不切實際，但「版本差距」是美國熟悉的策略——只要讓中國落後美國兩到三個世代，美國就穩了。就像我們在比較ROI時，要同時考慮投入資源與生產力，美國的目標就是用生產力領先去抵銷成本劣勢。

* 同時，美國可利用盟友優勢（日本的精密零件、歐洲的系統整合），打造高端供應鏈，進一步拉開差距。這邊如何協調各國，同時往共同戰略目標前進，將會是勝負的關鍵之一。

* 從人口結構來看，時間是站在美國這邊的（中國若在某個時間點前未能有所突破，之後翻轉的機會就越來越小）。資本的「趨強避弱」特性，將讓領先者贏者通吃。

* 美國最大的風險可能不在技術突破上，而是怎麼調和鼎鼐讓不同立場的團體，能夠接受這項技術可能帶來的鉅變。相對來說，中國體系在這方面就有優勢，人民大多習慣政府由上而下的介入與制定規則（不論合不合理），AI機器人這種沒有自我意識卻又具有生產力的「產品」，更是中國政府夢寐以求的目標。

對於雙方來說，這是一場國運的豪賭——贏家將定義下一個世紀，輸家只能在歷史的餘燼中徘徊。

▉ 現實的挑戰：從理想到落地的距離

AI+機器人的願景雖美好，但現實總是不會一帆風順。普及後的「非線性效應」可能讓政策工具失靈，或是對現有制度提出更深刻的挑戰：

* 利率調控與就業狀況可能脫鉤（decoupling)：央行傳統的利率政策，是靠「刺激或壓抑總體需求」來影響企業招工與投資。但當新增產能來自AI機器人時，新增就業的連動性會大幅下降。投資增加，但就業不增，或是資本支出成長，但薪資不動。央行需要時間學習如何在新的環境下達成原有政策目標。

* 移民政策變得兩難：在過去，人口老化與勞力短缺可以靠移民補足（美國的做法）。但若機器人有機會替代一部分的低技術移民時，這可能會在政治上產生強烈反移民的社會氛圍，加深族群對立。

* 財政政策乘數效益衰退：當新增支出無法創造大量就業時，傳統的基建、社福支出將面臨乘數效益降低的情況。刺激總需求變得更困難，政府債務槓桿效果減弱。

* 稅基位移：以工資為主的所得稅基縮水，迫使政府把稅負轉移到資本利得或「機器人使用費」。但AI機器人的利潤歸誰？應該課「機器人稅」嗎？是按使用者、製造者，還是訓練資料的來源地分配？稅率該用累進或是固定？這些問題勢必掀起另一波激烈的討論。

* 教育回報期拉長與風險加大：過去政府鼓勵教育，是為了提升人力素質、提高全要素生產力（TFP）。但若一大部分中階白領工作可被機器取代，教育的「風險調整後回報」將下降，而高等教育的「賭注性」將上升。更重要的是，大量採用AI機器人並降低對人類的教育補貼，是不是也減少了由人類主導「天外一筆」的模型性創新與範式移轉機會？另外只考慮經濟產出，是否也太過狹隘忽視了人本身無可取代的社群連結與情感價值？

* 貧富差距加劇和中小企業生存機會的減少：之前都只提到AI機器人在供給面的影響（output)，但尚未從需求面來思考。AI沒有需求偏好，也不會逛市集。它不吃、不買、不休假、不抱怨。當大多數生產利潤被壟斷企業吃下，中小商家失去顧客，需求端變成精英階層的內循環，社會將變得封閉單調。我們的社會是否能接受這種情況？或是該如何用配套政策（產業規範和稅制）去避免走向極端？

* 人類社會的根本性價值轉變：當物質不再稀缺，下一場戰爭會是「意義」的內戰——工作的意義、教育的價值、人類還有什麼不可替代？我不是Unconditional Basic Income (UBI)論點的粉絲，但我同意這類議題無對錯，而是需要社會協商。

比起救世主的角色，AI機器人更像潘朵拉的盒子。於此同時，國與國之間的競爭將不再是誰有最多人口，而是誰有能力：

* 配置資本到對的AI+機器人應用場景。

* 考量AI吃電怪獸的身分，能源領域的發展（核聚變示範、超級電網互聯或氫能規模化…等），將直接影響一個國家經濟發展的極限。根據Gartner的預估，四成左右的AI運算中心將會在2027年開始碰到用電的瓶頸。未來賽場，已不僅只是 GPU 與演算法，更是「誰能掌握能源才是硬道理」。當1kWh電力價格決定AI人型機器人時薪，能源部其實成了新的「勞動部」——這才是國力天花板的終極指標。

* 建立新的財稅與社福制度，緩解生產力與分配的落差，否則國家治理將全面失效。歐盟早在2018就提出過機器人稅提案，目的是平衡資本收益，並用於資助因機器人而喪失工作的勞工的重新訓練費用。但最終沒有通過。

* 打造能與AI共存的教育與創業環境，培養不被替代的人類角色（為人類保留那1%無可取代的想像與決策）。

* 對政策制定者而言，真正要問的不再是「能創造多少工作」，而是「如何為可複製的智能與能源定價」。

* 技術落地，需跨越算力、能源與民意的三重考驗。最理想的狀況，是能在關注人類在經濟生產中「可替代性」的同時，幫助全體國民在其他可能受到影響的領域（情感、創造、倫理、社會組織）達成共識，確保平穩度過這段轉捩點。

這不再是「第四次工業革命」那麼簡單。它變成了根本性的「生產邏輯轉骨」，是從人類經濟模型走向「後人類勞動模型」的過渡期，國家機器運作的所有齒輪，也都可能需要重鑄。

當然我也得再次強調，目前我自己對「後人類勞動模型」的想像，很大程度上還是基於現有經驗的投射。如果未來出現的全新的、不可預見的人機共存模式，或人類與AI結合產生的新型態智慧（例如人腦與AI介面的整合），其影響可能遠超當前的想像。

歷史會記得這個時代。但下一頁該怎麼寫，還輪不到機器人決定——除非我們放棄思考。

​

——

［附錄］

傳統的Cobb-Douglas 生產函數如下：Y = A x K^α x L^(1-α)

* 其中Y 是產量 、L 是勞動力、K 是資本、A 是全要素生產率

* K和L必須「共同存在」

* α 是「資本（K）在產出裡的重要性」，也可以理解成「產出對資本的依賴程度」。如果 α 比較大，代表資本每增加 1%，產出會增加比較多（資本的邊際產出貢獻較高）。換句話說，α 越高代表資本（設備）貢獻越大（例如自動化工廠），而α越低，代表勞動力比較重要（勞動密集產業像是餐飲）。

* 因為產量不是線性增加的，這種現象叫做「邊際遞減」。

現在引入新的假設——AI + 人形機器人可以取代部分人力，同時它本身也是實體資本的一部分（暫且不考慮它受能源限制的狀況）。

生產函數變成了

Y = A x K^α x N^(1-α)；

N = L + (Robot x Penetration x Efficiency ratio）

其中Robot代表「可用的機器人工時（或機器人存量）」；Penetration 是指「目前有多少工作可被機器人取代」(自動化滲透率，在0到1之間）；Efficiency ratio衡量的是「一單位機器人工時大約等於幾單位人類工時」(機器人與人力的效率比，假設 >0)

用更白話的方式來說，N = 傳統人力 + 「可自動化那一部分 × 機器人效率 × 機器人工時」。

這個公式有幾個意義：

* 產出彈性與「雙重槓桿」：AI機器人投入同時擴大兩端。它直接增加有效勞動 (1-α) 的投入，並透過資本形成（購買硬體、部署軟體）推升 K。因此每增加 1 元的機器人投資，對 Y 的邊際貢獻通常大於同額的純設備或純勞動支出。

* 自動化速度決定「勞資分配」走向：公式中的「人力」現在變成人與機器人的總和。如果機器人占比越來越高，老闆分給「人」的那塊工資蛋糕自然縮水；資本（設備、機器人）拿的那塊就變大。但對於改變前與改變後「人的工資」是否減少，要看最終產出（Y）再引入AI機器人的提升有多大。

* 邊際報酬仍然遞減，但臨界點後移：一開始加機器人，產出漲得快。但加到某個點後，因為空間、管理、訂單量有限，每多一台機器人的效果會慢慢變弱（體現在1-α的部分）。

* 政策與投資考量：機器人讓「資本」和「勞動」兩邊一起變大，但最終「人」領到的口袋錢不確定會變多還是變少。唯一可以想見的是機器人和資本擁有者的收益變多，隱含著貧富差距擴大的速度會加快，要如何平衡這個問題，就看政策和企業怎麼調整。

之前也搜尋到一些跟此主題相關的論文，提供做參考：

* 《Robots at Work》(Georg Graetz & Guy Michaels)：機器人每年貢獻約0.36%的勞動生產力增長，並提高全要素生產率。

* 《Robots and Jobs》 (Acemoglu & Restrepo)：主要衡量機器人可能對工資與就業的衝擊。他們估算「機器人/每千人」增加一單位，使就業率降0.2%、工資降 0.42 % 。

* 《Impacts of Robots on Labour Productivity》 (Andre Jungmittag & Annarosa Pesole)：從12國中9個不同產業的生產函數估計，證實機器人的採用與配置效應雙重提升生產力。