台北時間 2026 年 10 月 2 日星期五早上八點三十一分。美債殖利率終於開始回落，美國股市的拉抬效果還是很有限。游庭皓說，美股本來就在高位震盪；這一波美債反彈，有一部分來自法國財政問題引發的避險需求，法債拋售相對惡劣，美債才得到一點喘息。美國兩年期公債殖利率下滑十個基點，來到 4.78%；十年期下降五個基點，來到 5.24%。聯準會副主席杰斐遜表示，正在評估是否需要進一步升息，可能會有更多時間，十月升息的擔憂因此緩了一下。全球十年期公債殖利率在整個第三季卻都在快速衝高，國債市場的壓力還在。美國、法國、日本不同的債市問題會互相傳染。法國更嚴重，其他國家的公債會稍微好過一點；換一個國家更嚴重，下一個又緩和一點。大家的殖利率其實都在走高。長債市場的不信任，愈來愈大。

債券恐慌指數 MOVE 跟股票恐慌指數 VIX，完全屬於不同位階。長債賣壓在，市場還沒恐慌到必須把股票全面出清。股票市場目前幾乎沒有避險情緒。長債殖利率不斷升高，總有一天會回壓到股票。美國股市是不是已經消化完這一輪殖利率衝擊，他把債市拉警報的原因攤開來。

彭博整理出十個利空，經濟太強排在第一

彭博主要整理了大約十個角度。第一個就是全球經濟真的很強。經濟強對債券是利空，債券通常在衰退時最受歡迎。美國經濟表現還是非常強勁，最新公布的製造業景氣也維持在相對高點。經濟愈強，資金愈留在股票或風險資產，需求不容易快速降溫，央行沒有太多降息空間。

第二個是全球能源通膨。原油價格已經外溢到食品。汽油、柴油上升，歐洲和全球各地熱浪把食品價格推高。通膨愈高，未來收到的固定利息和本金，實質購買力愈低，投資人就要求更高的殖利率當補償。第三個是全球央行慢慢進入緊縮循環。從聯準會升息，到日本央行、韓國央行、歐洲央行，全世界除了台灣央行沒有升息以外，能升的都已經升了，市場意識到新一輪緊縮循環。

第四個是本輪的爆發點：AI 的軍備競賽，帶出大量投資等級債。科技投資人過去一整年發行的債券超過 4,000 億美元，很大一部分集中在美國，搶走美國政府發債的買盤，國債殖利率必須付出更高的風險貼水。第五個是美國財政赤字確實很大。OECD 國家今年需要融資 18 兆美元，美國政府債務已經超過 40 兆美元。政府發行的債券愈來愈多，而且都是短天期，即將陸續到期，買家資金沒有同步增加，債券價格下跌，殖利率上升。

再來是全球軍費暴增。北約、中東、亞洲都開始重新武裝。美伊戰爭先放下，這裡講的是各國為了打造自己的國防供應鏈，必須多舉債。日本則從全球的資金提供者變成賣家。日本過去長期超低利率，是相對最便宜的資金來源；現在日本升息了，借日圓要付利息。過去借便宜日圓買海外高收益資產的套利交易，已經開始正式逆轉。日本不再是免費的資金提供者。

第八點是貿易戰讓全球重新面對結構性通膨。關稅戰還在持續，全球生產效率下滑、成本提高，大家會要求債券更高的報酬。聯準會和外國央行也不再大量持續買美債。以前美債有兩群很重要的買家，一個是聯準會，一個是外國央行。這些機構持有美債，出於貨幣政策或外匯存底的需求。台灣央行不管美債賠不賠錢，重點是台幣要值錢，就要買足夠多的美債。現在很多私人資金，包括資產管理機構、避險資金，非常看重價格。殖利率不夠高，就選擇不買。他們已是主要的承接者。第十個，全球錢太多的時代慢慢消失。2008 年以來，全球有大量儲蓄追求有限的投資機會。現在完全相反：政府要錢，AI 要錢，能源轉型要錢，軍事擴張要錢，人口老化、退休金都要錢。需要錢的地方愈來愈多，儲蓄沒有以前充沛，資金本身變昂貴，代價就是利率提高。

他說隨便一講就十個理由，其實可以挑一百個。他拿沈玉琳講當小三的好處來比：人家問有什麼好處，沈玉琳說不用負責公婆、不用當黃臉婆，每天只要開心相處就好；好處有三十個，隨便講就三個。美債殖利率上升的根本原因，市場敘事就在這十個之間不斷移轉。短期比較聚焦、摸得到的新聞，是因為剛才那些角度有很多根本解決不了。美國政府財政赤字，不要說今年，未來三十年，只要它還是世界第一強國、貿易逆差國，本來就要繼續赤字。

商業原油庫存增加 92.2 萬桶，汽油少了 168.4 萬桶

短期大家比較留意的，是美伊戰事淡化，以及通膨在政策端能處理到什麼程度。美國能源庫存又再度拉響警報。最新一週，商業原油庫存增加 92.2 萬桶，汽油庫存反而減少 168.4 萬桶。美國 SPR 戰略原油儲備還在快速下滑，尤其是中西部的汽油庫存。從數據看，這應該是有紀錄以來的最低，從來沒有美國庫存原油這麼低過。美國人口還在增加，照理戰略原油儲備不該破低。市場很清楚，川普能用的招已經用了。即便可能損害國防利益，他還是盡可能把戰略原油儲備釋出。

美國柴油現在每加侖已經超過 6.5 美元。白宮最近在討論，是否有必要限制或暫停柴油出口，希望增加國內供給、壓低價格，目前還沒有最後決定。游庭皓認為，若為了期中選舉，有必要立即停止任何柴油出口，讓柴油價格適度下壓。把自己的能源儲備做適度釋出是一個角度，SPR 位階已經很低，再往下掉，美國國防供應鏈就會出事。白宮最近要求歐洲盡可能釋放柴油的戰略庫存。美國已經盡可能釋放了，歐洲人還沒做任何柴油戰略庫存的釋放。美國要歐洲表達一些態度。

目前歐洲能源專員已經跟法國、德國、英國、義大利還有愛爾蘭官員協商。美國希望未來六個月內快速釋放 1.2 億桶庫存。能源業者估計，這樣能快速壓低全球柴油價格。歐洲內部並不願意一次把手上的安全庫存大量用掉，很明顯受到白宮壓力。白宮說沒有在強迫：美國已經盡可能把自己的戰略油儲備釋放了，歐洲總得表達一些態度，幫美國期中選舉好過關。歐洲帳面上 1.95 億桶的柴油戰略庫存，相對過去水準其實還算偏高。歐洲能不能對這一輪能源局勢產生緩和作用，是他要觀察的重點。

高盛估第三季年化 3.4%，九月製造業 PMI 來到 54.5

利率對股市不太有利，油價對股市也不太有利，美國的經濟和股市總是比預期更強勁。根據高盛估算，美國第三季經濟年化成長率大概可以來到 3.4%；今年第四季相對於去年第四季，大概還會年成長 2.2%。利率明明在升高，整體金融環境雖然略微收緊，主要卻來自內生經濟的爆發。錢變這麼貴、殖利率變這麼高，恰恰是內部經濟表現太好，人人都在搶錢去做質押、做進一步投資。樂觀過程裡，錢就會愈來愈貴。

細節看，過去八個季度，科技業整體獲利成長，費半大概接近 180% 到 280%。人工智慧相關投資，光是投資額就是年化成長 26%。高油價確實有侵蝕消費者購買力，但不足以完全壓垮經濟。光是 AI 的投資，就足以把整個經濟往上帶。昨天公布的九月製造業 PMI，相對初值略微下滑，仍創下 2022 年 5 月以來最高水準，來到 54.5，對應 ISM 製造業經理人採購指數。新訂單仍在快速增加。部分民眾受到購買力衝擊，初領失業救濟金還是只有 19.7 萬人，沒有到廣泛性失業、沒有工作可做的地步。續領失業救濟金人數，也創下 2023 年 3 月以來最低。

AI 投資正在為製造業和就業保持足夠的韌性，也讓通膨更難下滑，讓資金更為昂貴。資金昂貴會讓錢無法有效推升經濟；內生經濟恰恰來自經濟太好，資金才因此昂貴。兩邊互相維持。過去十幾年迎來的是全球化、壓低生產成本、能源便宜、全球儲蓄充沛，金融海嘯之後全球央行維持相對低利率，企業習慣便宜錢很長一段時間。利率突然回到高位，大家覺得無法接受，以為這麼高一定會死人。真實跡象是，大家開始習慣一個新的高利率社會。經濟變好，錢本身就要更值錢，錢更值錢的單位就是利率。

佛洛伊德八十二歲離開維也納，Burry 說為了人類該擋 IPO

這兩天他才去維也納佛洛伊德的故居致敬。一走進去特別驚訝，房子有點空。他原本以為會看到家具，還有病人躺著做精神分析的那張沙發，都不在。後來才知道，這是佛洛伊德人生最後一段最戲劇化的故事。1938 年，納粹德國併吞奧地利，佛洛伊德是猶太人，遭到迫害，八十二歲了，還要被迫離開住了幾十年的維也納，流亡到倫敦。很多家具，包括那張著名的診療沙發，都帶去英國了。一個人花了幾十年建立事業、利潤、名聲和生活，晚年八十幾歲，突然整個大改變，被迫離開以為自己會住一輩子的家。他拿來對照今天的高利率時代：環境改變的速度，有時候遠遠比人類想像的還快。很容易用昨天的世界去預測明天，覺得 2008 年以後經濟差不多就是這樣，一輩子都不會好轉，永遠處在寬鬆社會，甚至負利率時代即將到來。想不到過了二十年，高利率時代已經到來，AI 時代已經爆發。資金重新變成昂貴，政府財政、企業估值、房地產、股票本益比，過去習慣的資產配置方式，也許都必須重新適應。

市場上仍有人對 AI 戒慎恐懼，他當成提醒。最近大賣空 Michael Burry 又對 AI 熱潮提出強烈警告。昨天他發文說：「如果真的讓 OpenAI 跟 Anthropic 順利上市，可能會從資本市場吸收數兆美元資金。為了不希望股票市場出現足夠大的崩盤，應該阻止這兩家公司推進首次公開募股。」背後核心仍是 AI 的龐大投資能不能產生足夠回報。如果大家真的把錢都投到這些還沒有具體營收回饋的企業，只是把人類的金融世界完全跟這兩家企業掛上鉤，最後造成的崩盤，全人類都會受害。

游庭皓覺得這很有趣。Michael Burry 以前是資本支出太高、不切實際所以看空，後來是估值太高看空，再來是經濟體供給過剩看空，現在為了人類福祉也看空。高度愈來愈高。他依照的是過去的庫存循環、供給過剩、資本支出循環、過往估值。AI 時代會不會必須用不同的標準來判斷，有時候看了才知道這個時代也許慢慢改變。以前港片《中國最後一個太監》，主角叫來喜。清朝已經搖搖欲墜，革命黨四起，眼看就要翻頁。窮苦人家最大的問題是不知道時代變了，到處都革命黨了，還進宮去切掉命根子，最後服侍溥儀皇室。很多人不知道時代變了，從很多數據看得出來，時代已經慢慢改變，這是要警惕的。

川普淨支持度負 22.7 個百分點，台股收盤來到 48,353

高利率維持這麼久，美國經濟沒有如市場原先擔心的那樣快速衰退，企業投資和就業還是有韌性。美國股市昨天仍然保持在高位震盪，AI 資本支出繼續支撐目前的製造和整體消費。高利率和高物價帶來的壓力沒有消失，總體數據表現並不差，真正的代價是政治上的。最新川普民調顯示，川普淨支持度已經來到負 22.7 個百分點，創下本屆任期以來新低。高利率有沒有把美國經濟打垮？他的看法是沒有。它透過房貸、車貸、信用卡利率，還有生活成本的壓力，先把川普民調給擠垮了。高利率對經濟有衝擊，沒有想像中那麼大。恰恰由於經濟夠強，才有如此高的利率。唯一受害很明顯的，是執政黨，是川普目前的民調壓力。

台股十月第一個交易日震盪走高，還是創下收盤新高，來到 48,353 點，成交金額 8,374 億。台股相對美國股市強勁非常多，原因是在 AI 循環站穩了重要位置。國發會公布的八月景氣對策信號，又來到 41 分，連續三個月持平，呈現高度擴張格局。細看分項，除了 M1B 還在綠燈，那是貨幣的問題。工業、服務的加班工時、製造業營業氣候測驗點，以往因為傳產壓力大，指標通常不好，現在要嘛紅燈、要嘛黃紅燈。從今年一月以來，應該從去年十二月開始，已經連續九個月保持高強度紅燈。他開玩笑說，跟著一起闖紅燈吧。台灣的景氣概況，前所未有的大好。

南科上半年 1 兆 7,739 億，人均金融淨資產 16.4 萬歐元

從三大科學園區半年營收來看，台灣三大科學園區 2026 年上半年營收合計 3.54 兆元，歷史同期新高。南科 1 兆 7,739 億，年增 28%；竹科 1 兆 1,195 億，年增 36%。南科在三年前就已經超越竹科的營收。中科上半年營收 6,436 億，成長 20.63%。整個 AI 熱潮已經轉化成新一輪投資和就業。三大園區就業人數 34 萬人，竹科 18 萬、南科 10 萬、中科 6 萬。南科營收比竹科高，人數只有 10 萬，竹科有 18 萬。中南部地區目前的 AI 投資紅利上升幅度也非常快。

這麼高強度的營收，對工程師業績足以貢獻。昨天 2026 年安聯公布的全球財富報告，台灣在去年年底的人均金融資產淨值，已經高達 16.4 萬歐元，折合新台幣 594 萬元，晉升全球第五名，僅次於美國的 29.6 萬歐元、瑞士的 27 萬、丹麥 19 萬、新加坡的 19 萬，也比日本的 8.9 萬高非常多，大概是日本的接近兩倍。台灣家庭總金融資產成長 8.7%，來到 4.5 兆歐元，扣掉 7,142 億歐元負債以後，淨金融資產來到 3.8 兆歐元，年增 9.1%，跑贏通膨。

人均淨金融資產是把現金、存款、股票、基金、保險全部加起來，扣除房貸、信貸、質押，再除以人口，比較偏向家庭真正擁有的金融資產，現在排全球第五。人均金融總資產不看負債，數字比較高，整體大約排第六。他開玩笑說，自己跟郭董平均身價也是數百億起跳。意思是台灣的老闆很明顯比其他國家的老闆有錢非常多。跟台日韓已經無關，日本、韓國遠遠被台灣拋在後面。加拿大、澳洲、荷蘭、紐西蘭，台灣的金融總資產在扣除負債的情況下都比這些國家高。這是去年數據。去年台股年底還在三萬點以下，現在四萬八。2026 年這個排名會不會再往前？台北股市有沒有跑贏新加坡、丹麥、瑞士股市？照這個速度，過幾年要說超越新加坡、超越丹麥，也不是太難，基本上準備挑戰瑞士、美國。帳上平均 594 萬，不代表每個人口袋裡都有 594 萬。就算用財富集中、K 型分化的角度，台灣的大股東、台灣的老闆，都已經比全世界其他的大股東和老闆相對有錢。游資要分成兩種：一個是財富分配的問題，一個是老闆有沒有比其他國家的老闆有錢，那樣才有加薪理由。

流動覆蓋率從年初 130 掉到大約 115，經常性薪資佔 65%

最大的問題在於，明明人均淨資產正在快速提升，最近銀行業卻出現錢荒。台灣銀行業這幾個月，央行沒有升息，銀行自己已經先自主升息，錢愈來愈不好貸。最明顯的數字是銀行流動覆蓋率，衡量銀行能不能靠手上的現金、公債、央行存單這些高流動性資產，撐過未來三十天資金大量流出。法定最低標準是 100%，現在大概在 115 左右。今年年初是 130，等於半年就少掉 15 個百分點。甚至傳出有銀行月中一度跌破 100% 的法定底線，最後靠調度資金才在月底拉回標準之上。銀行缺錢的壓力，已經反映到企業和民眾的借貸成本。很多銀行為了守住流動性，還拜託一些大額存款客戶不要把錢領走，還要控制放款和撥款的速度。

明明錢進來的速度這麼快。主要原因有兩個。第一，市場資金移轉更快，錢一進來馬上進股市，能夠放款的錢不多，能買股票的錢很多。沒有人想把錢停留在銀行讓銀行去放款，因為只能領活儲或定存，寧願買股票，銀行就沒錢了。第二，台灣企業赴美投資規模非常龐大，財報認列很龐大，錢沒回來，直接在亞利桑那、日本熊本設廠、繼續擴廠。雙重效果。背後是整體游資概況和體感溫度的區別。

市場更關注的是，安聯公布的總體財富淨資產持續創高，薪資角度為何。從去年年底來看，全體台灣平均勞動報酬是 88.3 萬元，比前一年增加約 3 萬。固定每個月可以預期拿到的經常性薪資，佔整體勞動報酬比重已經降到 65%，比十年前少了 3 個百分點；獎金、分紅、加班費上升到 21 個百分點，比十年前增加 3 個百分點。企業更喜歡發獎金，不願意直接加底薪。很多企業無法確認 AI 繁榮會維持多久，更傾向用一次性獎金留才，不直接把底薪墊高。接下來即便 AI 持續繁榮，也用這種方式把人按住；只要當年度財報沒有特別好，就不發獎金。未來薪資波動幅度可能持續加大。

帳面上現在有可能最便宜、最划算的選擇，不一定是真正成本最低的選擇。每個人害怕的風險不同。經濟學上很多決策，不是用眼前的價格計算，而是把未來可能發生的事情算進去。當一個決定很容易做、卻很難反悔的時候，很多企業寧願多付一點成本，換取未來的彈性。景氣好時直接加薪，看起來每個月只多付一點，未來底薪一旦提高，就變成長期固定成本。從老闆的利益來看就會這樣幹，才會導致財富暴增速度加快，底薪卻遠遠跟不上。未來景氣反轉、獲利下滑，他可能覺得收不回來，乾脆不要建立一個未來很難收回的承諾。人願意付出的額外成本，其實是在替自己買一個未來的確定性。這是目前台灣老闆大概心裡的想法。

他講過一對老夫妻去以色列旅行，太太心臟病發過世。當地殯儀社告訴丈夫，埋在這裡只要 100 美元，運回國安葬要 1 萬美元。丈夫想了想，還是運回去。殯儀社很驚訝，這裡可是聖地，而且便宜這麼多。丈夫搖搖頭：「聽說以前有一個男的埋在這裡，三天之後又復活了。我不想冒這個風險。」企業對 AI 紅利的態度也是這樣。AI 帶動台灣科技業成長，很多企業需要的是未來的確定性。寧願多給一點獎金、給當年極度亮麗的額外紅利回饋，也不願意調高一點點固定薪資。企業相信現在很好，還沒法確信以後每一年都會這麼好。

這就是勞資要協調的部分。趁現在缺工繼續協商，是勞團目前該做的事。現在有利的是勞方，市場大缺工，AI 紅利大好，當然應該順勢調高固定薪資。

行政院要在二七年普發一萬，勞保已經連十一年短絀

對政府而言，就是財富分配。立法院最新會期開議之後，普發現金再度成為朝野攻防焦點。行政院規劃 2027 年每人普發一萬塊，總額 2,357 億，希望在農曆年前後發放。國民黨團主張加碼每人兩萬元，建議用特別條例推動，並提出修改預算法的構想：未來稅收只要超過預算一定規模，就直接進行固定分配、還稅於民。程序上，立法院照理沒辦法做直接性的規劃來發放。至少兩黨都想發，一個發多一個發少。還稅於民這件事，沒有一個黨團考慮退稅。只要超徵，永遠都是普發來回饋民眾，跟繳了多少沒有對上，用來緩解 K 型分化。這是行政院和立法院、不同黨團目前的態度。

錢是不是該撥到其他地方？勞保收支已經連續十一年進入短絀，財務壓力愈來愈大。教師節才剛過，台灣教育產業工會公布教育施政滿意度調查，基層對中央政府教育的評分，十分滿分只有 2.37 分。很多人認為教師層面應該進一步加薪。國防部先前有適度調薪，公家部門有沒有可能全面調升，大家都在觀察。

不管是美國還是台灣，主軸都是經濟持續成長，感受卻是另一回事。美國經濟持續保持成長，川普民調卻創下本屆以來新低。台灣人均淨資產、金融淨資產全部在創高，民眾的生活感受是否有變好，變成兩件事情。美國經濟很強，民調很明顯不看好。台灣的 AI 出口、股市不斷創高，財富和薪資的紅利沒有平均落到每個人身上。一個國家現在最困難的，是如何讓這一波成長讓大多數人感受得到。感不感受得到，跟它是否會創高，是完全兩個不同的問題。

台股小跌 21 點，收在 48,332 點，仍創新高。AI 時代的浪潮，是不是代表淨資產提高、財富效應可以推動全球經濟好一陣子，他留給後面再追。他跟投資朋友約週一早上八點半，早晨財經速解讀再相見。

台北時間 2026 年 10 月 1 日星期四早上八點三十一分，開盤前半小時，道瓊昨天跌了 440 點。九月跌最慘的是道瓊，月線、季線一起收黑。游庭皓把更要緊的東西放在指數後面：十年期公債殖利率還在往上衝。賣壓這陣子集中在傳產股、實業股。科技股把九月和第三季走完，表現還不差。利率停在這種高度，跟相對高的股價能不能並存，是他今天要看的事。至少基期相對低了，偏高的本益比都在往下滑。

納指九月單月漲了接近 1.9%。標普小跌 0.5%。道瓊重挫 4.3%。

八月物價年增 3.4%，低於預估的 3.7%

這一次大家最關心核心通膨，結果反而意外降溫。八月整體物價指數月增 0.3%，算符合預期；年增只有 3.4%，低於市場原先估的 3.7%。CPI 和 PPI 都已經出來，PCE 物價指數本來就不太像會失控，結果還是比預期低，他當成一個好消息。剔除食品和能源，月增大約 0.2%，也低於預估的 0.3%。核心年增降到 3% 左右，低於原先估的 3.3%。就這份數字，十月立刻升息的壓力應該沒有了。

拆開來看，通膨壓力沒有消失。圖上深藍色那一塊是能源通膨，壓力仍比較大。住房拿掉之後的核心服務價格，月增還有 0.4%。其他服務類別的價格指數大漲 0.9%。細節裡很明顯，是手機價格、手機方案，加上教育成本，開學季推上去的。更要緊的是，八月的物價還沒有把九月能源市場的劇烈變化吃完。美國柴油價格又創歷史新高，汽油價格還在往下游傳。九月的物價水準，壓力應該比八月更大。

唯一算好的訊號，是美國消費沒有縮到離譜的地步。收入已經有點跟不上，薪資又開始轉負。八月名目個人消費支出月增 0.9%，七月是 0.1%。個人所得只增加 0.2%。消費增 0.9%、所得增 0.2%，實質購買力在退。退歸退，儲蓄還應付得了這麼高的物價，他說這仍是往好的方向。真正糟的是消費已經收縮，物價卻繼續漲。現在只是把購買力稀釋掉一些。

看到的結果，是美國家庭進一步消耗儲蓄。個人儲蓄率從七月的 4.6% 降到八月的 4.1%，2022 年以來最低。過去四年裡，這一回的購買力衝擊最大。

核心通膨這次大幅降溫，有一部分來自統計方法。投資組合管理服務、電腦軟體、法律服務的計算方式都改了，而且往回修到 2021 年。帳面上的核心通膨比預期漂亮，這份數字仍有矛盾。服務通膨有壓力，家庭收入增速跟不上消費，儲蓄率還在掉，能源價格還沒完全反映。十月的升息壓力只是暫緩。後面的利率預期不會因此消失。

十年期週三盤中 5.3%，尾盤收在 5.29%

真正大的壓力，是市場自己投出來的利率。十年期美債殖利率週三盤中碰到 5.3%，尾盤收在 5.29%，還在衝。衝到這個位置，受傷的好像都是道瓊，科技股沒有太大影響。站上 5%，對某些人有吸引力，尤其是準備抱一年的人。風險在於，殖利率只要再往上走一點，債券價格的下跌就可能把利息的優勢吃掉。

他拿一個情境來估。聯準會未來一年如果每一季都升息一碼，持續投資三個月期國庫券，一年大約可以拿到 4.5%。十年期殖利率若不變，一年總報酬大概 5.13%，到眼下的 5.2%。殖利率再升高 10 個基點，報酬就有可能掉到 4.4%。

圖上更麻煩的是，美國財政部沒有多少可以等待的時間。美國有 35% 的政府債務，一年內就要到期。法國是 14%，德國 15%，義大利 15%，英國 9%，日本 7%。美國到期的債券特別多。大約 60% 在四年內會到期，必須借新還舊。美債現在的平均利率是 3.1%，市場上的融資成本是 4.8%。等於用很貴的利息，去還以前的債。高利率會跟著舊債到期，一步一步反映到政府的利息支出。不降息，或者利率一直停在高檔，又繼續發債，以前美國人欠的債是五年、十年之後再還，現在過一年就要還，而且要付這麼高的利息。財政壓力愈來愈大。

所以這一波美債殖利率上升，不能完全怪給通膨。通膨是重要因子。更重的原因是，35% 的債券一年內就要到期，還得再發行殖利率更高的債券，市場敢不敢接。美債仍是流動性最好的產品，不見得會在市場上再崩一層。遲疑是真的。

羅素 2000 從八月高點跌了快一成

高利率對美國股市，指數表面好像沒有太大影響。細節看，效果慢慢出來了。第一步是小型股。小型股一直是高利率環境裡最受傷的族群之一。聯發科、台積電借錢的成本多一個基點、兩個基點，或者十個、二十個，其實差不了多少。毛利賺得厚，貸款條件稍緊，受的影響有限。很多中小型企業就靠那一點利率活下去。羅素 2000 從八月的高點跌下來，已經快 10%，同期明顯落後標普 500。背後最大的壓力，就是美國十年期公債殖利率升得快。小型企業負債通常比較高，融資期限比較短，市場利率一上升，資金成本比大型企業反映得更快。現在不只基本面承壓，還多了一股機械式的賣盤。

AI 行情集中在部分科技巨頭。錯失那些巨頭的漲幅，往後的 AI 爆發期裡，就可能錯失長期的資本回報。小型股握有的 AI 終端頂尖技術並不多，為了把指數穩住，反而容易被多賣。以羅素 2000 來看，長期趨勢支撐已經有一點跌破的感覺。這一波上升趨勢線會不會順勢跌破，他說得再觀察。

第二步是對利率比較敏感的公用事業類股。他看成道瓊下跌的主因，位置已經很極端。過去兩個月，美國公用事業類股 ETF，代碼 XLU，這一輪拋售非常劇烈，已經跌破年線，相對強弱指標也降到近年的新低。這幾年 XLU 跟十年期公債殖利率呈現高度反向。殖利率愈高，公用事業這種高股息、資本密集的產業，估值和融資的壓力愈大。美債殖利率的壓力，延伸到道瓊，也延伸到中小型股。

照道理，美國科技股也該跌。它還沒跌。原因是科技股屬於少數獲利正在大幅成長的板塊。股價沒有跌，本益比已經下滑非常多。大家都在跌。有的在跌本益比，有的直接跌股價。直接跌股價的，通常是獲利上升沒有那麼快的。

標普九月跌 0.5%，成分股有 78% 收黑

九月最大的矛盾就在這裡。指數看起來沒有跌多少，納指還在走高，多數股票已經明顯修正。標普整個九月跌 0.5%，成分股有 78% 收黑。十一大類股裡有九個下跌。金融股跌 6.5%，房地產跌 6.2%，原物料跌 6%。資訊科技漲 4.8%，通訊服務漲 5.1%。個股的差距更誇張，很多檔的跌幅三成、四成起跳，指數卻還在高位繼續走。內部的裂痕愈來愈大。成分股中位數平均下跌 4.5%，從總平均來看只下跌 0.5%。少數幾檔科技巨頭，硬是把指數撐在高位。部分個股的本益比，也已經做了比較大的修正。

硬體股的獲利為什麼升得這麼快，從 AI 基礎建設看得到。2025 年到 2032 年，AI 基礎建設的總投資預估已經升到 10.3 兆美元，平均每年相當於 GDP 的 3.6%。這個規模超過鐵路、超過公路、超過電氣化，也超過 2000 年那一輪網路建設。光是今年的 AI 投資，就已經高達美國 GDP 的 1.9%。大量資金往資料中心集中，排擠到其他資產價格，也排擠到其他產業。

拿實體建造量來看，2025 年以來，私人建築不管是商辦還是整體私人住宅，基本上都在快速往下掉。資料中心是少數還在往上堆的。他昨天提過，擔保債券的跌勢還在加劇。AI 的好，抵過了所有的不好，硬把指數撐在高位，另一頭把錢吸走。

Meta 這一檔 2049 年才到期、票面利率 6.858% 的擔保債券，價格已經跌到 92，面額是 100，跌得算重。就算陸續開出 7%、8% 的殖利率，還是有人願意繼續把錢借出去。這些巨頭相信 AI 是真的，所以敢往下借。

AI 基礎建設類股的本益比中位數，四月大約 32 倍，現在接近 22 倍。不能說費半沒跌，它跌的是本益比。

後面的情境，他排了三層。現在的下跌，是資金變緊，沒辦法把所有類股一起推高。硬要選，大家仍先選科技巨頭。這些巨頭看起來沒怎麼漲，至少沒怎麼跌，因為獲利還在往上推。再來是雲端業者未來幾年的爆發，至少先撐住硬體製造商。AI 走到哪一步先不論，錢會先進來。

高盛分三段，第二段大約七成已經投進去

高盛大概分成三個階段。2023 年到 2025 年，ChatGPT 剛發表之後的那幾年，資金規模大約 6,330 億美元。今年到明年的規模已經暴升到 1.7 兆美元。明年到 2030 年，預估還要再投 4 兆美元，平均一年 1.3 兆美元。第二階段大約有 70% 已經真實投進去。

今年這幾家他報出來的數字，Meta 先說投了 4,000 億，Google 投了 4,700 億，微軟投了 3,200 億，接著又說 Meta 大概 3,090 億左右。

現在比較大的問題是折舊。AI 運算設備大約用五年，資料中心通常至少用十五年。第二階段就是現在，資產每年折舊大約 2,700 億美元。六家公司每年得創造 1,640 億美元的營業利益，才能拿到 1,295 億美元的稅後營業利益，達成 15% 的資本回報率。

問題接著落到 GPU 的實際經濟壽命。到底是不是五年，還是更短，只有三年。晶片換得太頻繁，AI 要跨過的營收門檻就會再提高。大家現在最大的質疑是，買下來的這些產品會不會買貴了。以後沒有這麼貴，營收卻必須創造得更高。這是接下來市場上最大的壓力。

他說必須承認，token 價格一直在跌。算力用到的電力、整體算力、GPU、被動元件、機體，成本看起來愈來愈貴，token 的成本卻愈來愈便宜。是技術已經好到讓 token 成本跌得這麼快，還是大家硬把虧損吸收掉，換取市占率。token 價格整體往下，接近兩成到三成。

高盛的估算是，要達到 15% 的投資報酬率，每一吉瓦大概要 116 億美元的營收。就算把報酬率要求拉到 30%，也只需要 156 億美元。GPU 的出租價格和 token 價格都在往下跌。聽起來像算力已經過剩。實際上算力仍然很稀缺，價格卻在跌。他的理解是，模型廠商為了搶市占，用很便宜的價格讓人去用 ChatGPT、用 Anthropic、用 Gemini，把市占做大，自己的價格壓低一點。成本還是愈來愈貴。

市場上的人看得到風險。整個系統相信，真的拉警報時，token 價格會繼續暴跌，到時候再說。他把現在叫做中繼站，警報留到以後。美國投進這麼多錢，又大量提供融資，留在場內的人似乎都相信：AI 回報若不如預期，信用市場會先把利率抬高，債券價格先跌，股市再修正。指標到了相對位置，再離場。

任何一場科技革命，他認為都是真的。他要分開看的是資產價格。很多人覺得，等 AI 的現金流真的撐不住、完全借不到錢，到時候再說。於是每個人都在賭下一個階段，愈來愈不願意放手已經有的漲幅。尖叫聲若來得太晚，賣壓可能比想像中大。他自己比較偏樂觀。市場同時怕錯過行情，也怕 token 的價格和成本一直往下掉。

一架客機有機師拿刀刺人，另一則故事乘客叫得太晚

昨天他看到一則客機新聞，起頭講的是一架「非以色列」的客機。兩名機師嚴重衝突，其中一人拿刀刺向另一人，飛機失去正常控制，左右搖晃，大家開始尖叫，最後有乘客衝進駕駛艙，把駕駛制服，現場都是血。

他接著想起另一則故事。一架飛機準備起飛，兩名機師走進客艙，都戴著墨鏡，一個牽導盲犬，一個拿白手杖。乘客很緊張，又覺得這應該只是開玩笑。飛機在跑道上開始加速，愈來愈快，跑道眼看就要到底，前面是海。所有乘客終於忍不住，開始尖叫。尖叫聲響起的瞬間，飛機拉起來。駕駛艙裡有一名機師擦了汗，說，總有一天這群人尖叫得太晚，我們就完了。

很多系統真正的安全機制，不在控制者手上，而在其他人關鍵時刻的反應。AI 巨頭一直借錢，也知道不能停。沒有人要求他們停。市場若用下跌的股價回應資本支出擴大，他們就會停。散戶卻覺得，資本支出得繼續投，AI 這個夢才像真的。大家不敢尖叫，兩邊互相博弈。要不要停，看巨頭自己暫不暫緩資本支出，也看還留在場內的人。等巨頭借更多、大家恐慌賣股票，可能已經晚了。

金融市場、企業管理、AI 的發展，平時看起來都很正常。久了，大家預設市場會自己示警，監管會介入，投資人會自己停手，風險模型會自動提醒。每個人都在等別人先動作。更深的地方是，警報響了也不走，等到煙飄進來再離開。他覺得現場就是這種感覺。

費半還在高位，前瞻盈餘又上修了 30%

高殖利率對科技股估值的壓力，似乎沒有想像中那麼大。七月那一輪費半下跌，跟殖利率沒有太大關係，主要是高槓桿部位在跌，由韓國股市帶動。現在利率預期明明愈來愈高，費半卻是今年漲最多的股票，還在高位盤旋。

原因出在獲利。最新的半導體股，每股盈餘未來十二個月的前瞻又上升了 30%。今年已經上修過好幾次，第三季財報即將陸續公布的這個時點，獲利預期又開始調高，成長大約三成。全球半導體的前瞻 EPS，今年一路在上修。七月槓桿賣壓出籠以後，獲利並沒有停止調升。七月之後，上修的速度看起來愈來愈快。到九月底、十月初，已經逼近年初的兩倍水準。年初預估只賺一塊，到九月已經預估會賺到兩塊。一百萬變兩百萬，一億變兩億。兩邊出現非常明顯的背離。

軟體股是另一頭。股價沒有用同樣的強度，去反應九月的上修。獲利上修已經讓本益比快速下滑。

美國半導體的總銷售也在快速拉高。2025 年下半年的年增幅不過 20% 到 30%，那已經很快。2026 年的銷售年增幅是 60%。到五月是 130%，六月是 145%。這種成長速度，股價沒有漲個一倍說不過去，因為獲利真的翻了一整倍。

美光第四季營收 542.3 億美元，下季看 615 億

美光昨天公布最新一季財報。AI 帶來的記憶體需求，直接反映在數字上。第四季營收高達 542.3 億美元，高於市場預估的 510 億美元。相對去年同期，營收翻了四倍。去年才 113 億美元。去年記憶體已經開始爆發，現在相對去年賺了四倍。本來賺一塊，現在變成賺四塊。

更要留意的是公司自己的財測。它認為這波需求沒有降溫的跡象。下一個季度的營收看 615 億美元，比華爾街原先預估的 570 億美元再高出 8%。每股盈餘來到 38 塊，也高於預估的 35 塊。

上一回股災，美光的賣壓看起來很重。從量價看，已經慢慢收斂，上方賣壓不多。記憶體行情結束了嗎？營收以四倍的速度進來，股價並沒有以四倍的速度往上。美光今年大概漲了 273%。對上四倍營收，漲幅看起來比費半誇張。從獲利看，又沒有漲得那麼兇。這是他要大家核對的跡象。

輝達現在把 AI 晶片當成金融資產。這一點他昨天提過。用意是盡量把市場焦點，從半導體晶片股的獲利拉升，往中下游送。輝達希望跟保險公司討論新的融資模式。最大的構想是，銀行把錢借給輝達的小型新興雲端客戶，用輝達的晶片當抵押。業者若倒閉，晶片二手出售的價格不夠償還貸款，由保險公司承擔一部分損失。這取決於保險公司看不看好輝達的晶片值錢。輝達可能以適度折價的方式，或以幕後擔保人的方式來承擔壓力。用這個辦法，試著把資金從半導體外溢出去。不然現在的錢，似乎都集中在本益比比較偏低的硬體股身上。

硬體股這一頭，十月的 PC，尤其是輝達當時主推的 AI PC，即將迎來新一波換機。有沒有可能再跟著 iPhone 16 延伸出去，他覺得值得留意。十月有兩股刺激。iPhone 16，他記得是 10 月 13 日才開始開賣。這幾天人在歐洲，跑了幾家店，沒有看到 iPhone 16。它應該是十月初才在美國陸續上市，歐洲晚一點，大約十月中旬。另一股是 PC。Google 推出新一代 Pixelbook，10 月 4 日正式上市。宏碁、華碩、戴爾、惠普、聯想都有對應的產品。Google 以前主要推 Chromebook，走的是教育市場。這次 Pixelbook 明顯往中高階移動。他要看的是，中小型股能不能因此受惠，以及硬體換機潮在十月有沒有否極泰來的空間。

今年上半年手機銷售不錯，靠的是記憶體漲價。下半年大家並不特別樂觀。AI 是一點一滴在改。寫程式、做設計、做翻譯，還有 3C 的研究、行銷、創業，成本降下來，很小的團隊也能做以前一家公司的事。新想法寄生在既有的成本裡，站在過去的文字、知識、程式和經驗上，慢慢融進 AI PC 和 AI 手機。

新觀念要住進舊房子，跌最重的卻是道瓊

他最近走在奧地利維也納的街頭。歐洲城市跟東亞城市最大的差別，是舊的東西很多。幾百年前的宮殿、教堂、公寓、街道都還在。他聽過羅胖，或者是另一個人，講一位城市規劃者，名字叫雅各布斯，講的是城市多樣性。有活力的城市，不應該全部都是同一個年代、同一個價格的新建築。它需要新舊建築、不同租金、不同用途混在一起，比較不傾向做一個全新的重劃區。雅各布斯最有名的一句話是：新觀念往往需要住進舊房子，舊觀念很難住進新房子。原因很簡單。新大樓成本高、租金高，通常只有大銀行、大企業、連鎖品牌，或者負擔得起的商業模式進得去。老建築破一點、舊一點，還有一點味道，反而讓小餐廳、工作室、藝術家、新創公司，以及那些還不知道能不能賺錢的新點子，有地方可以測試。一個地方若同時有新建築、有舊建築，有便宜的、也有貴的，有住宅、有商店、有辦公、有觀光，不同的事情才容易同時發生。在台灣，多數人還是比較喜歡重劃區，覺得比較乾淨。從歐洲人的角度，萬華才是最具發展力的地方。

他拿這套講現在的 AI。舊知識、舊工作換上新技術，跟舊的並存，文明推進會更快。他相信這也是黃仁勳目前在做的事。從指數看，他對 AI 仍樂觀。跌最重的是道瓊。

道瓊下跌 443 點、0.86%，收在 50,906 點。很多人還想買實業股，覺得護城河最深，防禦性的價值最高。結果道瓊現在跌最慘，科技股的估值還繼續停在高位。買到道瓊的人，大概快昏了。明明買的是防禦股。他講在醫院聽過的一句。有個女生不打針就喘不過氣，護理師跟她說：「先生，呼吸。」對方說：「我是小姐，不是先生。」呼吸困難。道瓊在這種殖利率底下第一個受難，其他指數表現還好，他聽來就是這麼離譜。

標普 500 不過下跌 19 點、0.25%，在 7,651 點，還在創新高的邊緣。納斯達克指數上漲 63 點、0.24%，在 26,861 點，也在創高邊緣。費半下跌 0.54 點，昨天振幅不大，至少底部已經形成，在 12,628 點。最慘的就是道瓊。

拿台股跟費半比，台股也很離譜。台股幾乎就是晶片股、硬體股，九月卻創下新高。九月最後一個交易日，市場上的賣壓還是比較重。把時間拉長，整個九月台股上漲 1,811 點，漲幅 3.93%，月線連續第二個月收紅。第三季同樣上漲 1,814 點，漲幅 3.93%，寫下季線連六紅。費半看起來仍比台股更具吸引力。台股都已經創高了，費半的位階還沒有想像中那麼高。

從資金量看，外資整個九月賣超 417 億台幣，投信買了 527 億。九月外資賣這麼多，台股為什麼沒有跌？散戶硬是把外資壓過去。除了元月過年大家出國，從二月到現在，投信每個月都在買超 ETF。外資今年三月賣最多，六月、七月也賣很多。拉到今年來看，外資還是賣了接近 1.37 兆。去年賣了 5,900 億，前年賣了 6,900 億，2022 年賣了 1.2 兆，2021 年賣了 4,500 億，2020 年賣了 5,300 億。台灣人多有錢。這些錢抵擋得了外資一輩子嗎？只要 AI 行情還在，外匯收入就會以這個速度進來。台灣經濟的緊急訊號燈，他留到稍後再講。這一輪硬體股、晶片股的獲利暴升，就是台股抵擋外資的主要原因。他用「抵抗匈奴」來講這件事。

說到零二分，台股上漲 240 點，收在 48,181 點。量能還是沒有想像中那麼好。市場對目前的獲利動能，至少先把指數撐住。美國股市內部已經開始有一點分化的味道，台股可能也有一點像。

這個矛盾要怎麼處理。資金肯定不夠。利益若愈來愈高，就只能祈求錢花在刀口上。散戶給這些科技股的評價，以及往後大家要看的指標，總有一天會告訴科技巨頭，再無節制地借錢，股價會跌。借市場的反應，去抑制無條件的投入。這是處理這一輪 AI 無止境擴張的一種方式。

第二種方式，是生產力真的提升上去。提升到讓人相信還得繼續投，因為 AI 的爆發太強，所以必須投更多。

第三種是兩邊同時發生。一邊不能無節制地投，一邊生產力確實有提升，最後再從這些科技巨頭外溢到中小型的新創企業。到那個時候，才談得上真實的產業革命。

今日零三分。他約明天早上八點半，早晨財經速解讀再見面。

https://x.com/america/status/2105051153599811684

America 發表會把題目釘死：AI 會不會塑造未來已經不是問題，問題是美國會不會帶著它走。Gavin Baker 把 Elon Musk 跟 NVIDIA 執行長 Jensen Huang 請上台。三人還沒進入正題，現場先喊了一輪 Go America。Gavin 把萊特兄弟、登月、網際網路串成一條線，說美國幾乎帶過每一次重大技術革命，好處落到普通美國人身上。Jensen 接口，台上這兩個人就是這一代的萊特兄弟。Gavin 覺得 superintelligence 這個叫法本身就是不錯的品牌，現場後來多半簡稱 SI。他要談的是美國怎麼贏，以及贏了之後，對普通美國人好不好。

整疊運算被重做一遍，底層是電

Jensen 把人工超智慧、也就是 SI，講成整疊運算的重做。從處理器怎麼設計、晶片怎麼跑，到軟體怎麼訓練、怎麼開發，再到應用能做什麼、怎麼做，每一層都被重寫過。以前那套比較像把資訊找出來。現在這套是生成式的。要做成，第一件事是電。電跑算力，算力跑演算法，演算法再餵應用。地基是能源。有了能源，才蓋得了土地、電力、機殼，基礎設施才有地方住。

美國在晶片設計跟演算法開發上，他認為是世界級。接下來要盯緊的，是電力的生產跟送到位。他點名川普總統的親能源路線，說這條路有遠見；沒有它，資料中心根本蓋不起來。資料中心上線速度很快，已經進到很多社區跟街區。這一段他承認還得做得更好：跟社區當夥伴，把人帶進來，讓他們分到這場工業革命的好處。晶片要世界最好，電要很多，演算法要夠強，還得讓美國人對這項技術有熱情，擴散進製造、醫療、太空探測這些產業。他說，這樣才贏。

Elon 講的更短。要大量發電，也要放大晶片產能。軟體、任何偏智力或數位的東西，他認為美國在贏。拉長來看，真正要跟的是中國。中國是最大的競爭者，發電量大約是美國的三倍。晶片他覺得會想得出辦法。長期真正卡的，是怎麼發出夠用的電，以及邏輯跟記憶體的製造產能，是不是落在美國，或至少落在安全的區域。

Gavin 說，萊特兄弟已經在崗位上了。他把 SpaceX 公開談過的十 GW 拿出來對帳：若真的接上，大約會占美國新增電力的四分之一。SpaceX 有真正的火箭工程師在幫忙把電力接上來，連渦輪機都有人在做。

五 GW 對一趴 GDP

Elon 先把尺度釘住。美國平均用電大約五百 GW。每多五 GW 穩定產出，大約就是用電量加一趴。他願意跟任何人賭，這一趴會差不多變成 GDP 加一趴，因為每瓦特能擠出來的有用智力一直在往上。硬體這一頭，Jensen 的 GPU 每瓦特算力持續變好。演算法那一頭，每瓦特能換到的智力也在變好。兩條線都往上畫。十 GW 依這個比例，大約是 GDP 加兩趴。

兩人當場算了一輪。Jensen 先估，一 GW 一年大概能產出四百到五百億美元的經濟產出。Elon 把美國 GDP 的一趴對成三千億。五 GW 就是那一趴，也就是三千億，換算下來大約一 GW 六百億。Gavin 在旁邊笑他們在算 maths。Jensen 說別的不一定行，數學還行。Elon 補一句：這個數字會一年比一年跳得更兇。

地上拿不到的電，往軌道上搬

SpaceX 看的更長。Elon 要的是地上拿不到的能源，答案在太空。軌道算力他認為會是一件很大的事。他說 Google 也認這條路，TPU 剛送上去、正要送、或很快會送；去年好像已經有一顆 H100 進過軌道。在太空裡，這套跑得動。

SpaceX 跟 Tesla 的目標是一年兩百 GW 的太陽能產能。搬到太空，拿得到銘牌功率，甚至更好。放在地上，大概只能拿到五分之一到八分之一，還得配上大量電池。太空裡基本上永遠是白天。

Jensen 覺得現在是對的時間點。這套運算系統的經濟回報夠好，發射成本雖然還很高，對整體經濟效益來說已經負擔得起。他把 NVIDIA 的算力送進太空，講成走到那裡最好的辦法。Gavin 接口：用美國的電、美國的晶片、美國的火箭，往卡爾達肖夫尺度爬。

Starship 是這條線的運力。Elon 說週一那次飛得好，Starship 第一次進了軌道，還放出 Starlink V3。衛星很大，翼展跟一架 737 差不多，是 Skylab 以來送進軌道最大的一票酬載。他預期明年大概能走到一週一次，或一週兩次。Starship 本來就要把足夠的酬載送到月球跟火星，在表面蓋一座會自己長大的城市。粗估，月球表面大約要一百萬噸，火星也差不多這個量級。另外，它一年至少會發射幾百 GW 的 AI 算力。兩百 GW 一年，相當於美國總能耗每年加四成。數字很大。他覺得有一天可能走到一 TW。認真的噸位。

資料中心改叫 SI 工廠

Gavin 接著問小鎮。他把電送到這些地方，講成再工業化、把小鎮救回來、電網也跟著現代化。他說這是過去三十五年美國政治人物都想做成的事。他問資料中心對普通美國人、對社區到底好在哪，有沒有愈做愈好。

Jensen 先改名字。以前叫資料中心，因為那是放資料的地方。現在蓋的這些東西，他改口叫 SI 工廠，超智慧工廠。叫工廠，因為它在產出有經濟價值的東西。這些是真的工廠：大型發電、大量運算跟網路、冷卻系統都在裡面，東西很複雜。他拿網際網路當對照。以前人可以在任何地方找到任何東西。有了這套 SI 基礎設施、這些 SI 工廠之後，人可以在任何地方知道任何事、做任何事。

全美一年大概在蓋十到二十 GW。他估，光是把這些資料中心蓋出來，大概一百萬個工作。別忘了電廠也要蓋，資料中心本身要蓋，營建、電力冷卻、管線工都算進去。Gavin 前面講三十五年，Jensen 原本想講五十年。這大概是五十年來第一次，美國在再工業化，而且會長出一大批藍領工作。他要的經濟形狀，是白領跟藍領都在，不要只剩白領。這是把建造跟手藝拉回美國的機會。

Gavin 點名 Colossus 跟孟菲斯一帶。Elon 說經濟衝擊是正面的，而且很大。那一帶以前失業不少，現在工作多過人，他講成 overemployment。稅收對社區幫助很大，他印象裡稅收預算大概翻了一倍。他們也做比較小、但幫得上忙的事：低價、半價的 Starlink。另外在蓋一座兩億五千萬美元的水資源回收廠。社區這邊你得先做事，對方才會回報。

Jensen 另補一條他覺得常被忘掉的：大概有史以來第一次，市場力量本身就撐得起永續能源投資。核融合、核分裂、小型核反應器、大型反應器，幾乎每一種永續能源今天都有人出資。電池儲能也一樣，你丟一個像樣的點子出來，就會有人出錢。這次有機會把未來的能源投資做起來，不必靠政府補貼。

Gavin 代表美國人謝了兩人一輪：加起來為普通美國人的 401(k) 創造超過五兆美元財富，直接工作數萬、也許數十萬，薪資總額好幾百億。Elon 把帳往 Jensen 那邊推，說五兆大概是 Jensen 一個人做出來的；他自己大概三兆五上下。Gavin 說自己本來想保守一點。

Agent 關進殼裡，再用另一顆晶片盯

週一同一天，Gavin 一邊看 Starship 第一次軌道飛行，一邊讀 NVIDIA 的 Open Agent Safety Framework。要把那兩百 GW 美國太陽能、美國晶片、美國超智慧送進軌道，Starship 得在。

Jensen 先講安全。他們要推進 SI，用負責任、也偏樂觀的方式。他相信 SI 會打開的未來，是他想待在裡面的那種，所以才推得這麼用力。另一面，技術得安全、得穩。訓練模型那一段，環境通常相當安全。評測、測試的時候不一樣。agentic 系統、模型本身，得被高度圍住，圍堵系統得真的夠硬。圍住了也不能信它真的出不去，得即時監看。最好用另一顆晶片來看，帶外，在 agent 自己的環境、自己的沙盒外面。圍堵加監看。評測走完、真的部署，用的是非常接近的同一套。

這跟你聘一個數位員工、或真人員工沒兩樣。你給權利、給工具、給權限，然後持續監看。Agent 這件事，圍堵跟監看得做到最嚴的那一檔。NVIDIA 端出兩項技術。Open Shell 是圍堵系統，有點像瀏覽器對網站；現在它是 agent 的瀏覽器，把 agent 跟電腦其他部分隔開，給它的權利只限於它該有的那些。監看系統是一顆新晶片，叫 BlueField，隨時盯著 agent 在做什麼。一旦做出越界、踩到既定政策的事，就往上報，報到你需要的層級為止。

Gavin 提到技術部落格裡的一個類比：網際網路早期大家都怕信用卡被偷，後來網路被做安全了，才有 Amazon、Netflix、Google、X。現在對 AI 做同一件事。Jensen 接著講：安全跟把技術往前推是同一件事。Autopilot 就是例子，技術更先進，也更安全。兩邊不衝突。以為能力往前就會犧牲安全、安全往前就會落後，他認為是假選項。Gavin 接口：安全讓人敢加速。

委派得更久，週末八小時變成三分鐘

Tom Brown 進場時晚了一點。Gavin 說自己是從 X 帳號認得他。Tom 是 Anthropic 共同創辦人，車上轉錯彎，所以比大家晚到。Gavin 接著問普通人能拿到什麼：Anthropic 這幾天宣布了 Opus 5.5，今天能拿它做什麼，一年後又會在哪。

Tom 說 Opus 5.5 延續他們一貫的進度：每一次發版，這些超智慧多幾分 IQ。使用者現在會感覺到的，是能委派的任務時間變長了，比上一版扛得更久。一般美國人若真的要把一件事交給它，會做得更好。另一件比較少人注意到：之後會有大量軟體由這些模型寫出來。大家手上的產品會愈來愈好，也愈來愈便宜。以前工具是人做工程做出來的。之後會是人加上超智慧一起做工程，量比以前大得多。

Gavin 補了現場聽過的故事：超智慧找到能救命的藥，用在以前沒人知道能安全治療的病上；教育上也已經有很深的影響。他要每人講，對普通美國人，SI 今天在做什麼，一年後又能做什麼。

Jensen 先自報身分：我就是普通美國人。他用 Claude 幫忙做研究，不要只給答案。他常做比較研究，兩三種做法並列，列出一串問題，對成長率、變化率這類數字做對照。每個問題他都寫進去，請它做出像樣的報告、把圖畫出來，有時是圓餅圖，有時是長條圖，按下去就走。他說最開心的就是看它跑，然後一份漂亮的報告回來。以前週末要花四、六、八小時才能學一樣新東西；現在大概三分鐘，而且收得更緊。人變聰明的速度變快了。

Elon 看到的是幫人把生活跟工作整理好。專業上、私生活上，他覺得這會變成必要，如果現在還不是的話。他覺得 AI 非常有用。他聽過很多醫療的軼事：醫生判錯了，把 X 光或 MRI 丟給 AI，AI 判對，沒有它，人可能已經死了。這種案例他聽過不少。Gavin 打趣說，希望 Opus 5.6 會告訴 Tom：別左轉，走右邊。

牛排刀不該自己決定這塊肉能不能切

這些超智慧會帶上創造者的價值。Gavin 點出美國人共享的幾條：憲法第一修正案、言論自由、對真相的承諾。他問兩人怎麼把對的價值灌進去。

Jensen 先問能不能講有爭議的。Gavin 說可以。SI 是工具。帶價值的 SI，意思是它有判斷。看你怎麼用，它可能會評斷你，而這個評斷會讓它變不好用。他拿牛排刀當例子。五分熟，切得很順。若端上來是三分熟，看起來很像還活著的肉，刀就切不動了。他還不確定，這些工具到底該帶多少判斷。刀只是例子，別的場景也一樣。使用者意圖不一樣。網路安全裡，防守的動作看起來可能跟攻擊很像。你會希望這把 SI 替防守的人出手，就算那一拳看起來很兇。

時間不夠了。Gavin 問白宮那場顯然又長又有產出的午餐，有沒有能對外講的。Elon 說做得不錯，簽了一份關於 SI 安全的聯合聲明，白宮很快會公布，如果還沒公布的話。裡面包括聯合監看、董事會特別委員會，以及互相改作業。自己改自己的作業，顯然比較差。

Jensen 把內容再攤開。裡面有嚴格的內部控制，方法跟流程都是既有的。產品要做成什麼，得寫清楚；內部控制要確保真的照那個意圖交貨。稽核分兩層：內部稽核會往上報，外面還要有第三方。產業之間再把實務拿出來分享。他覺得這份聲明有牙齒，寫得好，應該成為產業往後的標準，每家公司都該接。總統把人找齊，盯著這場會，把大家帶出來，他覺得會開得很好。

Gavin 代表美國人謝了台上所有人，謝謝他們把未來往樂觀的那一側推。Jensen 看著他，說了一句：他在跳舞。

https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/the-top-trends-in-tech

麥肯錫在 2026 年 9 月出版 Technology Trends Outlook 2026，第六版。作者是 Michael Chui、Roger Roberts、Tanguy Catlin。前兩位在灣區，Catlin 在波士頓。今年的故事被從螢幕搬進實體世界：撐起資料中心的電網和晶片、把 AI 做進身體的機器人、自己找新化合物的 agent 系統，以及把上千顆衛星送上軌道的發射台。

AI 要再放大，就得有電。光是能源技術，2025 年就吸進近 2,000 億美元投資，在各個科技領域裡屬於最高的那一檔。AI 基礎設施的支出，一年內翻了一倍。報告認為，現在要問的也包括誰蓋得起硬體、湊得齊會部署的人，把 AI 放進真實世界。同一時間，資安和軟體開發也跳得很大，數位這一側同樣在被加快。

組織正在沒有已驗證路線圖的情況下，搶著把 AI 拉到可運作的規模。人要重新訓練，舊系統要更新，網路暴露在一直變的安全風險裡。缺的是電、人才、資金。報告認為，跨過這些障礙，部署技術只是一截，還得從內部改掉既有的營運模式。

十四條分成三組，今年新加兩條

今年列了十四條，比去年多兩塊長得很快的領域：Agentic 軟體開發，以及科學發現與工程用的 AI。前者已經實質改掉軟體怎麼被做出來；後者開始改科學研究與工程怎麼做。雲端和邊緣運算今年不列了。報告的說法是這兩項已經成熟、被廣泛採用，創新還在，但量測到的水準比不上仍在前線的題目。

三組名字如下。AI 革命：Agentic 軟體開發、Agentic AI、科學發現與工程用的 AI、AI 基礎設施與模型架構。算力與連線的前線：特定用途半導體、資安與可信任系統、進階連線、沉浸式實境、量子技術。尖端工程：機器人、移動、太空、生命科學與生物工程、能源與永續。移動在這份報告裡指交通載具，包含能自己做即時決定、不必有駕駛的車子。

四條是 AI 本身。另外十條也被 AI 加快。機器人裡出現能跟周圍互動的自主機器。生命科學公司找新藥的速度被拉開許多倍。資安的作法、半導體的創新、基礎設施本身，都在被改。寫程式這條，報告開頭用很多個數量級形容產能，後面量到的分布沒有那麼整齊。組與組的界線在模糊，很多新東西發生在縫裡。

去年還有三個名字被改過。原先的 AI 趨勢，今年叫 AI 基礎設施與模型架構。數位信任與資安，改叫資安與可信任系統，強調安全要持續織進硬體和軟體。生物工程改叫生命科學與生物工程，把治療、診斷、基因體和腦科學拉進同一條。

採用程度報告打 1 到 5。1 仍是前沿，幾乎還沒人拿去用。2 是實驗，小規模原型，不急著算回收。3 是試點，先在少數業務用途上部署。4 是規模化進行中。5 是已經在整個企業採用，變成標準做法。

螢幕上的事，Agent 開始自己做完

十四條放在一起，有五件事反覆出現。報告認為，負責帶組織的人得懂這五件。

AI 已經改過螢幕上的工作：回答問題、起草文件、摘要通話。接下來，人把更多自主交給機器。Agent 會自己把許多數位任務從頭做到尾。Agentic AI 被寫成人和 agent 並肩工作的那一層，改的是運作方式。

軟體開發是這件事已經看得到的現場。開發者不必一行一行敲，可以叫電腦做出要的應用。表現最好的工程師，變成會同時叫出好幾個 agent、讓它們寫程式、改程式、測程式的人，人自己去睡。工具從「開發者在旁邊即時下指示」往「把一件事交出去」移。Claude Code、Codex 這類工具把長時間自己跑的 agent 往前推。有的組織開始排下班後的流程：agent 過夜或過週末做事，下一輪工作時段交回寫好的程式、測試、分析或文件。人改成定流程、下判斷的人，執行交給 agent。報告描述，典型兩週一個衝刺的節奏，開始變成起草、測試、除錯、寫文件的連續迴圈，中間才等人審。

Physical AI 是再下一站。意思很具體：把感知、推理、動作加進機器人、交通載具和穿戴裝置，讓 AI 離開螢幕。通用機器人被訓練去認識環境，才能做複雜任務、走過沒有事先排好的場地。車子可以即時決定，不必有駕駛。工業系統可以在沒有人在場的暗廠裡做出複雜產品，報告用 dark factories 這個說法。沉浸式實境的頭戴裝置，同時跟配戴者和外面的世界即時互動。

報告寫，Physical AI 先出現在製造和物流，因為帳算得最清楚。往後指向醫院、工地、農場和城市基礎設施。

藥、程式、材料，都生得比後面的驗證快

生技這邊，AI 可以在過去只生得出少數幾個候選藥的時間裡，提出幾千個。後面那些年數它壓不短：濕實驗室驗證、臨床試驗、法規審查。軟體這邊，程式生得比人審查、測試、安全地部署還快，企業系統裡堆進脆弱的程式。材料這邊，有希望的化合物來得比實驗室合成、驗證還快。報告稱 AI 是近年最有力的加速器，速度本身也是最大的障礙。

軟體這條已經有數字，而且數字不站在同一邊。

報告引用麥肯錫 2026 年 8 月 21 日的研究：若部署成功，Agentic 軟體開發可能為企業釋出近 1 兆美元的價值。同一份研究寫，用了這類工具的公司只有四分之一達到他們定義的實質加速，也就是超過四分之一的團隊、生產力至少翻倍。報告同一段接著寫，用 AI 工具的軟體工程師，八成的生產力加快大約 3%；前兩成是 55%。要到那一層，得把表現最好的人的做法傳給其他人。沒有一套做法的話，會走到另一個結果：三成公司在團隊開始用 agentic AI 工具之後，生產力下降。看起來幾乎每個人都在 vibe coding，那不一定換成價值。

另一項被引用的研究把「寫出來」和「出貨」拆開。Demirer、Musolff、Yang 在 CEPR、2026 年 6 月 21 日的文章寫：AI 工具讓寫程式的活動增加 180%，出貨的版本只增加 30%。程式變多，產品沒有等比例變多。

開發者一個工作日大約只有十分之一在寫程式。瓶頸因此移到兩端：先決定要做什麼，再驗證做出來的東西到底能不能用。報告的分析說，表現最好的組織，把 AI 嵌進開發生命週期四個以上階段的機率，是其他人的六到七倍。出處是麥肯錫 2025 年 11 月 3 日的研究。

信任還沒跟上。Stack Overflow 2025 年開發者調查（2025 年 7 月 29 日）：全球 46% 的開發者主動不信任 AI 工具的準確度，33% 信任，高度信任產出的只有 3%。報告把近程目標寫成：在受控的環境裡，人和 agent 一起產生、測試、部署程式。

採用分數是 3，試點。多數組織已經開始試，有些往規模化走，少數快的公司把 agentic 工具當成核心的產品開發流程。科技公司最前面。舊產業還在處理人、流程和治理，否則這套東西進不了日常。北美仍是活動中心。歐洲更小心，強調治理、合規和軟體品質，常常只在少數用途、人看得更緊。亞太在跟數位轉型、工業流程或大型系統現代化綁在一起的地方增長。

科學發現那條更早。採用分數是 2，實驗。多數組織還在起步，雖然過去一年投資和實驗明顯加速。北美在 AI 找藥、計算生物和基礎模型上的資金占比大，錢來自前沿 AI 公司、藥廠、超大規模雲端業者和研究型大學。藥廠、生技、電池、化學和材料組織，是目前最活躍的採用者。

漏洞公開時，利用方式常常已經寫好

以前攻防以天、以週計。防守方有時間先找到漏洞、先補上，攻擊方才有辦法用完。AI 把這段緩衝拿掉。目前超過四分之三的資安漏洞被歸成 zero-day：公開揭露的時候，exploit 已經做好。報告引的是 Zero Day Clock 的〈Zero Day exploitation pressure〉，查閱日寫 2026 年 9 月 4 日。

同一套能力同時服務兩邊。AI 幫安全團隊更快找到洞、補洞，也幫攻擊方更快找到、利用。前沿模型可以在機器的速度上自己發現並利用漏洞，漏洞從出現到被用掉的週期被壓短，人的處理速度跟不上。報告點名 Anthropic 的 Claude Mythos 就是這類模型。

Claude Mythos Preview 被拿來當這個兩面性的例子。模型找出上千個可能的安全缺陷。Anthropic 沒有公開放出。他們經由 Project Glasswing，給一小群防守方有限制的使用權，讓他們辨認、驗證、修補。這則更新的日期是 2026 年 5 月 22 日。

推論變成主要負載，客戶開始自己做晶片

通用晶片長期從筆電一路供到資料中心。AI 改了需求。訓練模型，再把它大規模跑起來（這段叫推論），要的是為特定工作負載最佳化的晶片。推論正在追上訓練，變成主要的 AI 工作負載。模型架構還在變，新的特定用途晶片就為了在那些模型上把推論做得更有效：同樣的電，給出更多結果，成本更低。資料中心的用電已經在拉緊電網，所以每度電能多擠出多少結果，變成晶片的設計條件。

Amazon、Google、Meta、Microsoft 大量投資蓋資料中心，晶片更快、效能更高，對它們直接有利。它們愈來愈常跟半導體廠一起設計配合自家 AI 模型的客製晶片，有些還在摸索把這些晶片賣給外面的客戶。報告的說法是：在晶片業，客戶正在變成另一種供應商。

影響超出半導體。Physical AI 的基礎設施怎麼設計，以及蓋這些機房時，做設備的、供電的，商業模式都在被改。

職缺的組成露出階段差。這份人才需求主要來自英語系國家的公開職缺。連線、資安、能源、生命科學、移動這五條，超過一半的職缺是非研發：總務與行政、營運、業務與行銷。創新還在推，部署已經開始，公司拿去跑算得過帳的用途。四條 AI 相關趨勢，加上特定用途半導體，職缺有超過 75% 仍在研發。報告拿這組職缺說明：過去幾年成長很快，階段仍早。

AI 基礎設施與模型架構的採用分數是 4，規模化進行中。公司正在企業裡擴大部署，各地、各產業的成熟度不同。北美在前沿模型、超大規模基礎設施和創投資金上仍領先。特定用途半導體也是 4。同組裡，Agentic 軟體開發和 Agentic AI 是 3，科學發現是 2。研發職缺占比高，和其中兩條已經在規模化，是兩組並存的數字。

資料中心蓋得比變壓器快

AI 很餓，電網還沒準備好。餓的是電力。

把 AI 拉到大規模使用，一頭撞上雲端巨頭也解不開的限制：電力。美國只計算跑 AI 工作負載的資料中心，2030 年的用電被預估會達到加州今天整州的用電。全球更大。這則預估來自麥肯錫 2025 年 12 月 17 日的文章，談的是 AI 工作負載和超大規模雲端業者的策略。

要多少電是一題。電怎麼送到是更卡的一題。資料中心蓋得比輸電線、變電所和變壓器的供應還快。供應鏈常常是原因。很多市場，變壓器的交期現在超過兩年。全球有超過 2,500 GW 的能源專案卡在電網排隊，等的併網可能是好幾年後。這則來自國際能源署 2026 年 2 月 6 日的說明。

對企業，拿到穩定的算力，開始變得跟拿到人才或資金一樣，是競爭條件。

能源與永續技術本身的採用分數，報告寫的是 4。組織已經走出試點，把這些技術拉到可運作的規模，明顯用在增加電網容量、供應資料中心。太陽能、風電、鋰電池、熱泵、節能，已經是能源投資的預設項目。綠氫、電製燃料、長時儲能、下一代理熱、小型模組化核反應爐、直接空氣捕捉，仍在早期商業化或專案開發。採用在各地不均。電網互聯、輸電、許可和設備瓶頸，在美國仍是明顯限制。歐洲盯的是能源安全、產業競爭力和電網更新，高電價與許可複雜度是它們的難題。

所以「近 2,000 億美元」和「電網沒準備好」可以同時成立。錢已經在能源技術上，送電的設備和排隊沒有跟著縮短。

五條投資外推至少翻倍，12.8 倍那條主要是一筆還沒完成的收購

投資數字看的是已經進到公司的股權資金：創投、企業與策略併購（含合資）、私募（含收購，以及對上市公司的私募投資）、公開募資（含 IPO）。不含企業自己的資本支出和營運費用。已成交的案子是訊號。報告沒有把它當成預測。

算法是：量 2026 年上半年、算到 6 月 30 日的交易，用線性的月速度外推全年。報告註明，超大額交易集中，加上行事曆的淡旺季，會把外推帶歪。這是方向估計。

圖上有五條，2026 年外推至少是 2025 年的兩倍。Agentic 軟體開發 12.8 倍。AI 基礎設施與模型架構 5.3 倍。科學發現與工程用的 AI 3.2 倍。太空技術 12.1 倍。機器人 2.1 倍。

十四條裡，除了進階連線，外推後的全年資金都高於前一年。進階連線是 1.0 倍，持平。它的採用分數已經是 4，規模化進行中，新錢沒有再放大。其他倍數是：能源與永續 1.3、生命科學與生物工程 1.3、資安與可信任系統 1.6、移動 1.2、特定用途半導體 1.1、量子 1.2、Agentic AI 1.4、沉浸式實境 1.9。沉浸式實境的採用分數是 2，外推不到兩倍。量子也是 2，1.2 倍。Agentic AI 的採用分數同樣是 3，外推 1.4 倍，和軟體開發那條的 12.8 倍差很遠。

12.8 倍要單獨拆開。做 Agentic 程式工具的公司，投資到 2023 年幾乎可以忽略，2024 年開始上升，2025 年大約 50 億美元，報告把該年股權投資標成 49 億美元。2026 年上半年越過 610 億美元，主要來自 SpaceX 以 600 億美元、用股票收購 Cursor。TechCrunch 在 2026 年 6 月 16 日報導這筆交易，時間是 Cursor 的 IPO 之後幾天。圖的註腳寫：已宣布，尚未完成。12.8 倍比的是 2025 年全年和 2026 年外推全年，這筆算在裡面。職缺同時在衝，2024 到 2025 年總量變成三倍以上，圖上的增幅是 +221%。採用分數仍是 3。錢先進來，而且一大段是一筆還沒交割的收購；多數公司還在試點。

另外四條翻倍的，使用階段也不一樣。AI 基礎設施是 4，規模化和 5.3 倍的資金同時在走。這條跟前面「支出一年翻一倍」算法不同。5.3 倍是這張圖把 2026 上半年外推到全年，對上 2025 的股權投資。開頭那句是支出，一年內翻倍。兩句都在。合成一個倍數，會把兩套數字混在一起。

科學發現是 2，外推 3.2 倍。機器人是 2，外推 2.1 倍。工業機器人在很多工廠已經上規模，倉庫機器人愈來愈常見；仍早的是 AI 驅動的移動操作、人形機器人，以及更廣的服務機器人。美國仍是機器人新創、Physical AI 模型、軟體和有創投支持的人形開發的主要中心，硬體要拉到規模比較難。中國是工業機器人最大市場，也成為人形生產與部署最重要的早期市場。報告引用 IFR 2025 年 9 月 25 日的資料：中國 2024 年約有 200 萬台工業機器人在運作，當年全球新安裝的工業機器人有 54% 落在中國。中國也把機器人放進第十五個五年規劃的核心，方向是 AI 驅動的機器人。

太空是 2，外推 12.1 倍。很少公司把太空技術嵌進大規模、會重複發生的業務流程。採用在推進的領域是電信、國防、能源、農業、保險和物流。美國在發射、航天器與基礎設施、網路層、太空衍生服務這四層仍然領先。歐洲有地球觀測、天氣預報、衛星導航和氣候監測，難處在私人投資、發射取得，以及下游商業化。錢的倍數，和已經嵌進日常業務，是兩筆分開的帳。

報告的收法是：2026 這十四條讓人看見，新東西可以很快改掉業務目標、全球市場和工作方式。再厲害的技術人也預測不了每一個突破。看懂變化背後的模式，才有機會去塑造，而不是事後才反應。

目前看得到的限制，就是上面這些數字。外推翻倍是方向，而且會被超大額交易拉過；600 億美元那筆還沒完成。科學、機器人、太空的資金倍數已經上去，採用仍停在實驗。藥和材料生得出來，濕實驗室與審查照舊要年。程式生得出來，三成公司的生產力下降，高度信任那些產出的開發者只有 3%。電的那一側，變壓器交期超過兩年，超過 2,500 GW 還在排隊。穩定的電力與算力，已經被寫成跟人才、資金並列的條件。

https://softwareengineeringdaily.com/podcasts/cory-doctorow-on-ai-work-and-power/

Cory Doctorow 帶著新書《The Reverse Centaur’s Guide to Life After AI》上 Software Engineering Daily，跟主持人 Josh Goldberg 談同一套 AI 為什麼有人愈用愈起勁、有人覺得自己被榨乾。Doctorow 寫科幻、寫報導，在電子前線基金會 EFF 待了將近二十五年，現在是特別顧問。非虛構《Enshittification》談為什麼一切突然變糟、又能做什麼。新書把職場上的 AI 收成一個老問題：自動化由誰推動，流程由誰做主。

五歲那年，家裡的電腦是硬紙板

1976 年他五歲，父親是電腦科學家。家裡第一台電腦不通電，叫 CARDIAC，貝爾實驗室的硬紙板圖靈完備機器，用來教邏輯閘：寫組合語言，再照查找表把標記挪進暫存器和加法器。1977 年，聲耦合器接上電傳打字終端，連多倫多大學的 VAX。終端沒有螢幕。母親在幼稚園教書，從廁所帶捲筒衛生紙回來當紙，一面約一千英尺，另一面再一千英尺。

1979 年，蘋果把 Apple II Plus 借給安大略省各校電腦科學系主任過暑假。父親在多倫多外圍 Scarborough 一所學校當系主任。1980 年有了數據機，插槽卻只夠插數據機，或插能顯示小寫的 80 欄卡。他說接下來大約四年沒見過小寫，因為自己該待在有數據機的那一側。十七歲賣掉第一篇科幻。四個大學學程都沒讀完，最後離開滑鐵盧，當時做細胞自動機，今天會叫機器學習。接著去紐約 Voyager 寫 CD-ROM。公司垮了，他接 Gopher，把廣告公司的第一張合約改成網站。後來跟合夥人與鄰居在泡沫裡募資，搬到舊金山，進 EFF。

Goldberg 問，從細胞自動機看到現在的 Agent 工作流，是什麼感覺。Doctorow 說這種起落以前就有過。父親在滑鐵盧的應用數學碩士，也就是那所學校還沒把這門叫電腦科學的年代，做的同樣是細胞自動機，載體是打孔卡。AI 過過不只一個冬天。科技業高度金融化，有一種他稱為熱詞合規的習慣：什麼熱，簡報就改叫什麼。Push、metaverse、Web 2.0、Web 3.0 都來過。公司若已經有人在用的產品，常常栓上一個多餘的附加功能，用的人受害，有時公司自己也垮。

他沒有電腦科學學位，但有英國開放大學的榮譽博士。他看這十年，認為機器學習裡有扎實的東西。大約十年前，有人對演算法做一點小改動，以為輸出只會小變，結果進步很大。低垂的果子變成一整座果園，招式重複，輸出非線性上升。金融界的 Stein's law：不能永遠持續的事，終究會停。報酬遞減之後，沒有長出猜字猜成超級智能、再把人變成迴紋針的結局。跟其他突破一樣，做出一些很能看的東西，然後得再想別的。

人在上面叫半人馬，人被用到乾叫反向半人馬

別的，就是這本書。勞工和資本為了自動化吵架，老觀察是：勞工來推，通常是為了把產出做好。網路泡沫時的商業媒體在問，執行長要拿那些在大學用過網路、進公司也想要的年輕人怎麼辦。今天問的是反面：怎麼讓覺得 AI 是狗屁的員工，在工作上使用 AI。

資本推動的自動化，通常是拉高吞吐。品質和工作者的日子常常排在後面。市場若已經卡特爾化或壟斷，做出較差的東西也不掉銷售，這件事就特別划算。這差不多就是 enshittification。競爭被挪開，主管機關被俘獲，勞工被馴服，靠互通進來的新進者又被擴張的智財權弄成違法。公司是鎮上唯一的店，非市場的手段也罰不到它，東西就可以做爛，客人還在。

自動化理論裡的半人馬，是人被機器幫忙。他舉 IDE、拼字檢查，還有騎腳踏車，騎起來也像一隻真的半人馬。人頭、馬的身子：身子又強又快、耐力比你高，沒有辨別、沒有判斷、不決定方向。人在上面，身體聽令。反向半人馬把方向倒過來。機器驅使人，把人徵去當周邊，照機器的速度和耐力把人用到乾。他描述的畫面是，九十九個同事被開除，你得替 AI 批完全部人的作業，出事還算你的。工時長，條件糟，做的是工作裡最爛的那一段，而且幾乎不可能不出錯。大部分是對的，你就看不出錯。真的錯的時候，錯法可以害死人。他稱這個自動化盲。

這個區分拿來解一個說不攏的矛盾，尤其在寫程式的人身上。一邊技術純熟、講自己的經驗也靠得住，說 AI 放進工作之後，產出好到以前不敢想。另一邊同樣熟練，說技術債的規模難以置信。有人在民航業工作，說天空被塞滿解不開的技術債，叫人以後別再搭飛機。Doctorow 不把這當成一邊說謊，也不當成一邊受過訓練、另一邊不會用。一邊是半人馬，自己決定流程裡哪一段該用 AI。另一邊是反向半人馬，在更差的條件下、用更快的速度，交出更差的產出。科幻裡他認為最要緊的那句就落在這裡：要緊的不是裝置做了什麼，是它為誰做、對誰做。

股價要的是成長故事

Goldberg 問，書裡寫到亞馬遜這類公司，為什麼還是把人推進生產垃圾的工廠。Doctorow 說，若你相信客戶接受得了較差的產出，壓低薪資、拉高吞吐，經營者就有順的誘因。AI 泡沫要放回這一串科技泡沫裡看。這些公司成長到跑道用完。Google 搜尋市占約九成，再長不容易。養十億個客戶，Google Classroom 要十五年。故事一種是變成彼此：Google 做 Google Plus 去當 Facebook，Facebook 轉向影片去當 YouTube。另一種是征服還不存在的市場，NFT、區塊鏈、metaverse、Web3。現在輪到 AI 和超級智能。

他自己這種進步派有時會講，無止盡的成長是腫瘤的意識形態。節目裡他把這句放下。要緊的是物質現象。公司在成長，股價就高，因為一股是對未來盈餘的請求權。成長停了，未來盈餘跟今年一樣或更低，股價就偏貴，上市櫃公司會出現恐慌性拋售。要擋住拋售，得靠真的成長。找不到成長，就靠一個成長故事。

主要拿股票計酬的高階主管，公司市值掉五成、七成、八成，淨值就掉同樣的比例。沒有人像 Mark Zuckerberg 那樣曝險在 Meta 的股價上。他不想明天變窮八成。公司本身也一樣。股票有流動性的時候，可以拿去買別的公司，也可以拿去挖人。Meta 宣布 AI 超級智能計畫時，說要付一位程式設計師一億美元。付的是價值一億的股票。一百萬張百元鈔得向客戶、債權人或投資人拿。股票在自己場子裡做，試算表上打幾個零就是一億。自己印百元鈔，會被銬走。成長停住，會開飛機的人抓起降落傘就跳，把公司拉出尾旋的工具也跟著沒了。

AI 是最新的成長故事，而且還告訴別的公司怎麼成長：不必做出更好的產品或流程，把員工開除、換成聊天機器人，省下的薪資跟 Sam Altman 分。成長不必靠多賣幾件，靠每一筆交易多抽出一點，把單位經濟做好看。講故事的人興奮，聽故事的老闆也興奮。

Goldberg 用超市問，勞工怎麼多一點力量。連鎖店拿自助結帳換掉收銀員。若每顆蘋果便宜一分錢，好像就有競爭優勢，大家都得去試被說成更有效率的工具。Doctorow 說明路是工會，帳卻不乾淨。蘋果每顆多賺一分錢，偷竊可能讓每顆多掉三分錢，因為擋小偷的人沒了。店家要公眾出錢請警察，要客人用時間付錢：東西鎖在壓克力後，剩下兩個員工，你等其中一個來開門。管理時尚假設現金會變好，然後對預見得到的偷竊表示驚訝。他說決策者有時像會輸躲貓貓。

你要去那裡，不會從這裡出發

Goldberg 問軟體工程師能做什麼。這行組不出音樂人那種跨產業大工會。主管盯著你用 AI，還用程式行數打考績。Doctorow 先講自己是加拿大人。東部有一句笑話，重點是：你要去那裡，我不會建議從這裡出發。

曾經有過另一個起點。Google 解雇一萬兩千人之前，做過一次股票回購，那筆錢夠付這些人未來二十七年的薪水。矽谷工程師曾稀缺到握有權力。免費的康普茶、按摩，還有外科醫師幫你凍卵，好讓你把生育年齡拿去工作。這些對應的是底線：工程師平均每人為公司加上約一百萬美元，人又不夠。你走出門，一百萬跟著走，門口有十個老闆等著聘你。

現在供給追上需求。公司願意交出較差的產出，忍受更多停機和缺陷，因為他們認為客戶不會那麼在意。這是程式這一層的 enshittification。AWS 和其他理論上大到不能倒、該照公用事業來營運的平台，出現系統性當機，SRE 的承諾卻照新創在跑。這個產業裁了大約五十萬人之後，你一辭職，工廠門口有另外十個人願意接位子。

音樂人組工會，是因為被剝削得很慘，然後打出來。工程師若想知道老闆做得到什麼，去看那些不稀缺的人。亞馬遜倉庫工人的受傷率，是其他倉庫工人的三倍。中國組裝 iPhone 的廠房外圍有防跳網。肯亞做 AI 資料清理的人，因為要標記極端和血腥內容，留下終身的心理創傷。那就是老闆若做得到、會對你做的事。

人還是在這裡。有 Tech Workers Coalition，有 Tech Solidarity。EFF 自己有工會，屬於 Communications Workers of America。有的科技職場在組，有的正在試。議價位置不好。美國想加入工會的勞工，比記憶中任何時候都多。支持鄰居組工會的人，也比好幾代以來都多。工會的現金儲備是勞工運動史上最大的，現在沒花在組織上。他認為該花。已經組好的人，不該把儲備只留給自己，該拿去把還沒組的人加進來。他要人去那兩個組織，弄清楚自己的職場怎麼組，先開始談。

指望不組工會就有更好的職場，像指望一種加密：好人用就有效，壞人拿去藏兒童性虐待影像或恐怖計畫就失效。很想要，不夠。歷史上勞工取得權力，可靠又耐久的機制是團結。

做錯得比做對更不賺錢

Goldberg 接到加密這句。柯林頓政府試過把加密擺成只有好人用得了。Doctorow 說，英國和歐盟眼下也有一大股力量，以國家安全、打兒童性虐待影像為名，逼公司把使用者的通訊解密。打兒童性虐待影像，他認為顯然正當。禁掉還能用的加密，到不了那裡。附帶損害是災難性的。EFF 的講法還是：很想要，不夠。

個人和新創做得到最佳做法。Signal 把資料收到極小，往抗量子加密走，政策鬥爭不妥協，也指出禁止越獄會讓安全變脆弱。蘋果和 Google 若要求後門才上架，多數人就失去可用的加密。隱晦之中沒有安全。Bruce Schneier 的講法是，連自己都想不出怎麼打破的系統，只對比你笨的人有效。這些做法看過很多年。兩家公司若決定誰都不該有端到端加密，就沒有人有。政策環境讓做爛有利可圖。

西方到目前大致還好。在中國，蘋果把 iOS 上還能用的加密工具關掉。平台鎖死，逆向工程違法，使用者拿到的就是這個：雲端儲存有後門，能用的 VPN 不進 App Store，靜態的全碟加密和傳輸中的加密都被故意做壞。一個人可以決定幾十億人有沒有隱私，政府能不能找出異見者、抓走、送進營區。他說美國人現在也得擔心。

主管機關被俘獲、市場壟斷、勞工幾乎沒有議價力量，著作權又禁止逆向工程，你就不能越獄去裝製造商不喜歡的軟體。他描述一個很容易自我說服的場景。一百五十個最好的朋友辭職，拿小孩的大學基金和房貸來冒險，產品讓幾百萬人開心。投資人說，讓百分之五的使用者活在地獄裡，不然案子抽掉。你告訴自己，毀了那百分之五，保住一百五十個人的收入，和百分之九十五的人得到的好處。大家以為你是混蛋，只有你知道自己撲在劍上。進了大公司，只要顯然更賺，道德傷害改變不了決定。

Google 在 2019 到 2020 年就是這樣。材料出在司法部打贏的搜尋反托拉斯案。市占到九成之後，他們把搜尋做差，讓人得多搜一次、多看一次廣告。營收部門說，會更賺，而且沒有別的地方可去。每年付蘋果兩百億美元，換蘋果不進搜尋。每個瀏覽器、每個製造商、每個電信商，接上伺服器的都是 Google 的搜尋框。變差又怎樣，難不成去用 Bing。技術部門有人回：「我缺席母親的喪禮，不是為了把搜尋做爛。」吵架輸的是這個人。

資料保護要做對，知道什麼是對的還不夠。你得活在做錯比做對更不賺錢的環境裡。這個環境可以部分自己搭。他用《奧德賽》的尤利西斯之約：未來的自己會軟弱，現在的自己還強，就把自己綁上桅杆。不可撤銷的開源授權，投資人怎麼施壓，程式也不能收回專有。公司做成 B Corp、S Corp，或工作者合作社。API 讓使用者容易離開。聯邦式平台讓人走到別的站，仍聯絡得上原本的朋友。背叛因此變貴。

Goldberg 說自己喜歡 Atproto、開源和開放 API，問這在資本市場裡是不是劣勢。Doctorow 把劣勢算在同一套政策上。1998 年 Bill Clinton 簽署數位千禧年著作權法的第 1201 條，越獄可罰五十萬美元、坐五年牢。Facebook 對一般大眾開放是 2006 年，用得了它的人當時已經在 MySpace。Facebook 給那些人一隻 bot：你不必先把 MySpace 帳號註銷，把登入憑證交給 bot，它假裝是你，把等著的訊息抓進 Facebook 信箱，你回了再推回去。Jeff Bezos 老講，你的利潤就是我的機會。MySpace 靠廣告和操弄抽出的那一塊，成了 Facebook 的機會。

後來梯子被抽掉。Facebook 用第 1201 條擋住對抗式互通，也就是不經它同意，自己把兩邊接起來。人因為愛朋友多過恨 Mark Zuckerberg 而留下，朋友又因為自己的朋友留下而留下，集體行動把朋友變成人質。把那扇門撬開，他們可以來用你的平台，同時聯絡得上卡在 Facebook 的人。那塊利潤可以再變成後來者的機會。

他說二十五年前這一行令人興奮，是因為公司一大、一腫、一蠢，就有人來拆。現在只被允許拆窮人和弱者的東西。他的說法是 move fast and break kings：該拆的是國王，是科技巨頭。資產負債表上有幾千億的時候，他們會做股票回購，也會做 AI 資料中心，一年花一兆美元，去賺五百億。這些錢該在他們傷害自己和別人之前，被有更好主意的人拿走。

一千個爛補丁裡，只留下那個真的在癢的

Goldberg 做過獨立的開源維護者，被 AI 垃圾洗版推走。書裡也寫到文學雜誌 Clarkesworld 收到多到離譜的垃圾稿。Doctorow 說這是文化問題。拿垃圾去灌 pull request 的人，分不出有用的程式和沒用的程式。自由軟體的倫理變成開源的倫理，又變成履歷名片。有人覺得 GitHub 上對重要專案累積兩萬五千筆貢獻，就能找到好工作，或至少有得吹。他們懂程式怎麼運作，不懂程式怎麼失敗。

他自己大約二十五年沒寫過程式，但是 Ubuntu 的使用者，會從 Quora 複製指令，想改選單就去重編譯，坐在那裡敲 make、make install。模型糊出的補丁若只修好他自己的機器，壞了就下載官方版。若補丁在另外百分之五的人身上壞掉，例如非羅馬字母，或一個他從不用的表情符號，維護者會頭痛，他自己感覺不到。責罵修不了這個。

他在節目裡說這段還沒想完，是邊講邊想。平常一個想法行不通的人送上一個補丁，維護者告訴他為什麼不行，他可能跟著學會。寫好補丁得學，跟寫好錯誤回報一樣。現在的能力是一次做一千個爛補丁。也許刪掉九百九十九個，叫他挑出自己認為重要的那一個：哪裡癢、哪裡壞了、想不想參與這個專案。維護者可以跟他一起改，需要的話連程式助理一起用，待遇比照剛起步的人。對方若只想把一千個補丁貼上履歷，就請他出門。

vibe coding 該待的地方，是一個 HomeKit 小裝置加一塊 Raspberry Pi，兩邊要黏起來。糊一個程式，能用到不能用，再糊一個。像有人寫 Visual Basic 或 HyperCard，解決店裡一個很小的需求，不必雇人、還得把需求講清楚。它失敗得很不優雅，但剛好抓到那個人的癢。大型開源專案很多人依賴，停了會直接找上維護者，不該收這種補丁。

做軟體工程的人知道，工作的大塊是想系統怎麼運作。寫程式是其中一段，而且很好玩。EFF 第一位專職技術專家 Seth Schoen 把當時散布即為重罪的 DeCSS，改寫成圖靈完備的俳句。節目裡他說作者是 Schoen，當事人不承認，因為寫這首詩技術上是重罪，等於把文學定成重罪。《Communications of the ACM》近作在算這個比例，他說寫程式排不到最主要。大型語言模型讓那一段變快，其餘沒有。量一大，除錯、品管、code review 就跟不上。

這又是自動化盲。機器大多時候是對的，你被派去盯極少數出錯的時候，警覺維持不住。美國運輸安全管理局養出很會盯水瓶的人，紅隊把假槍送過 X 光，他們大約百分之九十五的時候還是看不出來。

他拿放射科當兩種安排的對照。一種是醫師看 X 光，AI 不同意時叫他再看一次。人還在做自己的工作，只是準一點，能讓人不要死於癌症。另一種是十分之九的同事被開除，剩下的人要覆核一百倍、而且 AI 已經標成沒有癌症的片子。AI 若有百分之三是錯的，這個人大概會全部漏掉，然後有人死。兩種診間用的可以是同一類機器。差別在社會怎麼安排它。

Goldberg 問模型算不算言論。Doctorow 不願放寬對程式的禁令。DeCSS 俳句按第 1201 條可能仍是重罪。一位他稱為很蠢的法官放過 Sackler 家族，也裁定《2600》不能刊，說那不算文學。John Gilmore 的 Deep Crack 花二十五萬美元、兩個半小時破解 56 位元 DES。Cindy Cohn 在《Privacy’s Defender》寫 Bernstein 案：程式是言論，大約 1993 年起能用的加密合法。Git 伺服器不會一起把模型程式下架。

每多一個使用者，帳上就多一個洞

Goldberg 問他所謂的 dogshit unit economics：多做成一筆、或多拿到一個客戶時，邊際上發生什麼，以及他為什麼覺得這個泡沫撐不住。

早期網路在虧錢，AI 也在虧。有人拿前者證明後者以後會賺。大致上，虧錢預測的是繼續虧。例外裡排第一的是好的單位經濟，那也只提高翻正的機會。網路虧錢那些年，每多一個使用者、每一次造訪、每一代技術，都讓整個產業更有機會賺錢。AI 相反。每多一個使用者，資產負債表就多一個洞。人每回來，赤字再擴大。每一代都更虧。他說這是做過最會虧錢的東西。

標普五百裡七家公司占了百分之三十五，所謂七巨頭。六家在虧幾千億美元。賺錢的是 Nvidia。錢進了 Nvidia，再借回另外六家，好讓他們買更多 Nvidia 的產品。這個產業賺的遠比不上花的，花得更多，盈餘沒有跟上。

Anthropic 曾主張已獲利，前提是不理一般公認會計原則 GAAP。他說這等於宣稱一種普通數學表達不了的獲利，又不肯說是哪一種。另一則宣布一邊說快上市，一邊拿出一種強到不準你看的安全稽核工具。東西可以有用，獲利那句仍可以不真。五萬美元的 token 去做一次兩萬美元的稽核，很能看，也是破產的路。不給看，就無法下判斷。

他們說推論成本在下降，內部數字對不上。鐵路是先砸資本鋪軌、買車廂，之後營運費用低，破產也有人接手硬資產、用長周期攤提。AI 公司對不上這套算法。Ed Zitron 拿到 OpenAI 的財務，推論那一列很低，行銷那一列卻聲稱花得跟可口可樂一樣多。可口可樂有三家幾乎只服務自己的全球廣告公司，看板數得出來。OpenAI 沒有這類證據。他認為 Zitron 說得對：百元鈔被一張賣一美元，便宜的推論記成行銷。

就算照他們的話相信，推論變便宜、模型的資本支出也做完了，轉換成本仍然很低。新的 Claude 明顯比 ChatGPT 好的時候，大量使用者流過去。OpenAI 不能做完一個模型就停。他們做出下一個的那天，Anthropic 也得做出 Claude 的後繼者。他問，一兆美元的支出配上五千萬美元的營收，要怎麼轉成獲利。資產每三到五年就得換。營運費用降不下來。以他們現在的跑法，他看不到這門生意的未來。

他要人從 eff.org 看起，EFF 靠會員。書由 Macmillan 出版，三十幾本。有聲書 Amazon 不上，因為沒有 DRM，可到 craphound.com/shop。買了就是你的，轉賣、送人、出借都可以，別違反著作權法。Pluralistic 一週四到六篇，做法是 POSSE，先放自己的站再轉出去。他用開放的 Mailman，不做分析，不知道訂閱人數和開信率，網站不追蹤。授權是創用 CC 姓名標示。

台北時間 2026 年 9 月 30 日星期三早上八點三十五分，三十年期美債殖利率昨天又創高，來到 5.62%，是 2002 年 6 月以來的新高。游庭皓人在外地，旅館網路不太穩，他先說一聲，再把利率擺上桌。十年期同一天碰到 5.29%，快要摸到 5.3%，是 2007 年 6 月以來的新高。短天期、長天期，發債成本一起往上衝。美國國債上個月突破四十兆美元，財政赤字和發債壓力還在，通膨又要求市場給更高的風險貼水，長天期美債不太有人肯接。他今天要看的是，利率停在這種高檔，美股會怎麼反應。

債市兩天就恐慌，標普的避險情緒卻還好

債券市場他覺得已經有點恐慌。十年期殖利率飆得快，衡量美債波動的那條線，他把它理解成美債的恐慌指數，短短兩個交易日就爆衝。從避險情緒看，債市非常恐慌。拿 VIX 來看，表現還好。中間的落差很大：標普 500 幾乎看不出明顯的避險情緒正在發酵。

他的讀法是，市場還沒把高殖利率完全解讀成通膨全面失控，比較像經濟比想像中強。今年十年期殖利率上升，幾乎全部來自實質殖利率，通膨預期的變化有限。只要經濟和企業獲利還在成長，大型企業仍消化得了比較高的利率。

這主要是標普 500 這一層的現象。利率最敏感的小型股承壓很明顯，羅素二千最近的疲弱就是例子。真正的風險在後面：實質殖利率若長時間停在高檔，債市的恐慌遲早會傳進股市。他現在看的是能不能把利率按在目前的水準，別讓恐慌繼續往下蔓延。

美股跟美債的相關性，追下來也到了歷史低點。個股彼此的連動一樣很低。標普 500 成分股過去六個月的相關係數大概降到 0.52，應該是 2011 年有資料以來的最低，也很可能就是歷史低點。股票在跌的時候，不同產業、不同公司各走各的。個股波動不小，指數從下半年以後卻沒有什麼大波動，像躺在那裡領息。下半年量縮，反映的就是虧也虧不了多少、漲也漲不了多少。換到個股，體感可以差非常多。

他把它當成第一層判斷。市場上有怕通膨的因子，這一輪殖利率爆衝跟通膨沒有那麼直接。通膨那條路徑，三月、四月大概就預估好了。今年名目殖利率累積上漲大約 97 個基點，通膨預期大概只有 10 個基點。大部分是實質殖利率在升，錢本身變貴了。背後是 AI 的搶錢潮，還有 AI 的投資潮。

接近一半的成分股跟大盤反向

標普內部出現少見的分裂。他說接近一半的成分股跟大盤反向波動。以前指數上漲，成分股本來就不必每一檔跟著漲。現在是大型科技股在漲，部分科技股卻反向跌。少數巨頭把分化推得很明顯。

他拿台股對照。年底台灣加權仍可能上五萬點，稍微拉一下台積電、拉一下聯發科就過了。五、六月那一輪套牢的個股，別說今年，恐怕明年都解不了套。

費半離六月高點大約還有 14%，納指離歷史高點不到 1%

有人拿這種分化去對歷史。費半距離六月高點大概還有接近 14%。三十檔成分股裡，十檔距離五十二週高點超過 30%，跟台股五、六月那些高基期概念股有點像，要漲回去還有很長一段路。納斯達克 100 距離歷史高點不到 1%，成分股站上年線的比例卻不到 60%。指數愈墊愈高，上漲動能集中在少數權值股。

有人說這跟 2000 年有點像。游庭皓把圖攤開來對。2000 年前後，費半常常一彈就是兩成五、兩成八，每次都沒創高，頭部在 2000 年那半年裡逐步形成。很多人的講法是，網路泡沫高點過了之後，費半只要不再創高，接下來就一路跌，熊市可能從 50%、60%，甚至 70% 起跳。細節看，好像有點道理。三十檔距離五十二週高點，平均跌了 25%。離高點還近的只剩少數幾檔：台積電 ADR 剩 7.1%，輝達剩 3.9%，超微只剩 0.2%。很多個股跌得很慘。格羅方德跌了 48%，安森美跌了 47%，KLA 跌了 40%。標普五十二週創新高的家數減掉創新低的家數，是負 23。創一年新低的股票，遠遠多於創一年新高。他說這才是美國股市現在的真實概況。

他沒有把 2000 年整套搬過來。真的能在 AI 站穩的，就是這少數幾檔大型科技股，不能想像這個產業雨露均沾。股價的形狀的確有點像 2000 年。其他指數裡，有些已經率先突破。AI 又集中在少數科技權值股。生產力不一樣，泡沫堆起來的速度也不一樣。

耐久財連續十七個月高成長，麥當勞跌到要靠五美元套餐

AI 投資繼續把訂單吸走，另一頭被拖著走的是美國核心耐久財。八月公布的耐久財訂單，至少連續十七個月維持高強度成長，年增大約 11.1%，是 2022 年第二季以來的最高。AI 對市場有一部分衝擊，名目數據至少因此更好看。他問：沒有 AI，現在的經濟就會更好嗎？這是兩層問題。

個股弱化，他舉麥當勞。股價最近跌到接近疫情時期的等級，他說這已經算回到 2022 年那種慘狀。第二季美國同店銷售只成長 0.8%，七、八月甚至稍微下滑。跌幅重，上方套牢賣壓也重。主因是低收入戶縮了外食支出，麥當勞重新靠五美元套餐折扣和數位優惠拉客流。另一頭牛肉很貴，人力成本很高。公司要降價搶客，又要面對成本，獲利兩面被夾。AI 概念股和非 AI 概念股的衝擊，就是這種樣子。過去被認為很穩的餐飲股，這一輪價格也不好看。道瓊最近稍微差一點。

唯一的好處是，AI 把經濟數據撐得相當漂亮。漂亮到聯準會目前沒有任何一位成員認為經濟還有下行空間。這次官員公布的材料，背後有超過四百位經濟學博士提供的研究資源。回顧 2012 年以來最悲觀、最樂觀各四次的極端時點，一共八個案例，股市泡沫破滅通常發生在經濟成長被高強度拉上去的時候。這一回沒有任何一名票委認為經濟有下行壓力，不然早就把票投給降息。看總體、不看個別公司，官員眼下沒有太多看壞的壓力。

幾年後記得的是標普創高，書信裡是另一回事

幾年後回看 2026 年，大家可能只記得標普 500 站在歷史高檔，覺得這是一段漂亮的多頭。身在裡面的人看到的，是美債殖利率已經突破 5%，債市波動快速升高，市場廣度快速惡化。2020 年後來股市也創高了。那一年是新冠，股市怎麼創高？海量貨幣寬鬆。現在很多半導體個股從高點修正了兩、三成。指數看起來強，不代表每個角落都強。歷史上最可能留下的，只是標普裡的一個點、一條線、一根 K 棒。當年度的波動，也許比事後想像的大。費半不少個股離高點還有兩、三成，市場廣度轉負，很有可能是另一個世界。

這兩天他去了維也納市中心的莫扎特之家。莫扎特是神童。讓他吃驚的是，專業之外，這個人私底下非常愛講低俗笑話，他說簡直是自己的偶像。後代學者從家族書信整理出一整套莫扎特糞便學。寫給表妹的信裡有「祝你安眠，但先在床上拉屎」，還有要在對方鼻子裡拉屎、想起對方的便便真是美妙、屁股像火在燒。寫給父親則是「喂，混帳大人，舔我的屁股吧」，後面還接一大串。這些信被留了下來。他另外寫過一首輪唱曲，德文游庭皓念不準，直譯就是「舔我的屁股」，熟人聚會拿來娛樂。

幾百年後，莫扎特留下來的印象是優雅、精緻、幾乎完美的古典音樂。翻開私人書信，完全是另一面。他把美國股市放在同一個位置。幾年後回看 2026，美伊戰事可能早就忘了，只覺得標普當年創下歷史新高，美國股市是一段漂亮多頭。真正在場的人，面對的是殖利率的壓力、債市惡化、廣度惡化，還有很多半導體股的大幅修正。每看一個點都很痛。把時間拉長，又會覺得美國股市很順，三代牛，有什麼好怕。長期尺度和短期尺度，他要大家分開看。

Anthropic 潛在估值兩兆美元，營收十倍，基建支出十七倍

路透釋出 Anthropic 的招股書。要再給 AI 更大的體量，就得端出更亮的財報。文件顯示公司正在準備進公開市場，潛在估值大約兩兆美元，是今年五月公司自己估計 9,650 億美元的兩倍以上。市場給的估值仍然很高。營收 2023 年大約是零，2024 年 4 億美元，2025 年直接到 46 億美元，一年增加十倍。AI 服務的商業化正在快速擴張。

路透拿到的另一層是資金需求。運算和基礎設施支出，2023 年 4 億美元，2024 年 25 億美元，2025 年 73 億美元，短短兩年增加十七倍。營收增十倍，支出增十七倍，比想像中快。Anthropic 在 2025 年的帳面虧損大約 420 億美元，看起來遠超過 46 億美元的營收。他要拆開看。其中大約 340 億美元是會計上的公允價值損失，公司估值大幅上升，股票融資工具的價值跟著墊高。不代表那 420 億美元真的全部燒完。營運核心本身，仍是非常嚴重的虧損。

AI 的商業模式很快要上市，大家擔心會不會是下一個 SpaceX 的慘狀。至少在這段拉升裡，營收和負債都接近以十倍左右的速度在長。只看資本支出會擔心。營收是十倍。若每年還能以五倍到十倍成長，這個產業仍有投資吸引力。

美元差不多搶完了，一百年的英鎊債也開出來

這一輪利率預期上升，美伊戰事解釋不了大部分，川普也解釋不完。就算沒有美伊戰事，利率預期也不見得會整個鬆開，也許比現在低一點，仍可能升高，因為還是要搶錢。AI 今年的搶錢潮太明顯，美元這一頭差不多搶完了。

Meta 預計今年秋季進入歐洲債券市場籌資。亞馬遜、Alphabet、微軟、甲骨文這些巨頭陸續進發債行列，背後是資本支出愈來愈大。他預估第三季還可能再拉高。亞馬遜六月在加拿大發行 140 億加元債券，一舉打破 Google 才創下的 85 億加元紀錄。Google 接著在澳洲發了 55 億澳元，在瑞士募到 31 億瑞士法郎。亞馬遜在瑞士也募了 28 億瑞士法郎。英國最近也出現超長天期國債。Google 今年發行 55 億英鎊債券，其中 10 億英鎊，期限一百年。

發出來的短天期利率，7% 幾乎是保底，有的開到 8%，有的開到 9%。市場在大搶錢。他的推論是，這些巨頭一年的產出一定高過 10%，才會這麼敢借。美國以外，非美市場的債券發行也很龐大。外國借款人在加拿大發行的加元債券大約 450 億加元，去年才 160 億加元。2022 到 2024 年，每年還不到 100 億加元。各地非美市場瘋狂發行，已經變成主流。

資料中心還在擴。本業收入能不能證明你吞得下這麼多錢，就變得很要緊。

軟銀九月的上市延了，甲骨文的木星延一年，租金還在

軟銀旗下的 SB Energy，原本預估九月上市，估值超過 500 億美元。投資人對估值和執行風險有疑慮，最後延後。公司規劃的資料中心規模相當驚人，目前沒有任何一座正式營運。市場對星際之門還有疑慮，上市過程就會被大打折扣。軟銀現在發的債，幾乎等同垃圾債，殖利率拉到 9%、10% 都沒有人要。華爾街開始不願意照單全收。債券和專案融資市場，開始一筆一筆評價。

甲骨文的例子是新墨西哥州的木星計畫，上週他就提過。人家做星際之門，甲骨文這頭卡關。表面上是供電、是許可，公司援引不可抗力。第一階段本來 2028 年第三季要完成，現在至少延後一年。甲骨文 2056 年到期的公司債，利率來到 8.16%，創歷史新高。CDS 價格本來就在創高，又創高，評等一路降，距離垃圾債大約只剩一級。人類對 AI 算力的需求這麼大，甲骨文借來的錢，信用卻離垃圾債只差一級。

延後不代表可以不付錢。木星計畫的租約仍有相當強的約束。就算資料中心拿不到足夠的電力，公司還是有付租金的義務。大約二十一家銀行提供接近 180 億美元的建設融資，目前帳面損失已經超過 20 億美元。甲骨文如此，Meta 最近也發了接近 6.5% 的擔保債券。兩邊某種程度上都加深了 AI 債的跌勢。

發展愈快，基本面若給不出足夠的證明，出錯的代價也來得愈快。AI 投資的速度一快，需要的晶片、電力、資料中心融資就愈多。除非本業收入證明過得了這一場，或者能在競賽裡活下來，不然對這些企業來說，發愈多債、發愈快，已經不見得愈好。那個時間過了。

上半年比誰快，下半年速度快可能被資本市場狙擊

莫扎特之家之外，他同一趟也去了貝多芬之家，同樣在維也納市中心。貝多芬在那裡斷斷續續住了八年。《獻給愛麗絲》、歌劇《費德里奧》，第五號、第六號交響曲也在這一帶發展。他在故居前接了一句：手指有多快，分貝就有多高。AI 市場比的就是速度，模型要更快，晶片要更快，資料中心要更快。他立刻把時間切開。那是今年上半年以前。下半年以後，從資本市場的評價看，愈快反而有可能被狙擊。

他眼下的判斷是，市場還沒有走到極端泡沫。每一輪產品，市場都用很刁的角度在看。Meta 最近的新產品，不見得推得動股價，因為前面已經漲很多。七巨頭放出的好消息，包括股票回購，很多時候只是單日行情。

Meta 在擔保、可轉這一類的發行上，利率不斷往上抬，同時把過去看似分開的三條產品線試著合在一起：AI 大模型代理、智慧眼鏡，再加上之前的元宇宙。祖克柏這邊，最新的 AI 代理 Muse 上線兩週，用戶就到了數百萬，反應強勁，接下來要直接整合進 Meta 和雷朋合作的智慧眼鏡，可以隨時呼叫個人的 AI 代理。股價若沒辦法一路往上推，他的讀法是，市場仍相信其他巨頭很快就能端出相對應的產品。競爭愈來愈激烈。

超微剛宣布以全股票交易，收購李飛飛的 World Labs，作價 82 億美元，預估今年底完成。世界模型要做的是真正的 AGI 世界。World Labs 已經能用少數圖片建立一些三維環境，以後再用到機器人、工廠模組或科學研究。他說大家都在磨刀。

輝達則把 AI 晶片往金融資產推。先前有 5,000 億美元的擴張計畫，現在開始找保險業。這一輪私募基金搶過一筆，債券市場搶過一筆，IPO 也搶過一筆。輝達正在跟美國大型保險公司談新的融資模式，希望晶片從科技產品，變成可以抵押、可以放款、甚至可以投保的資產。最理想的構想是，銀行把錢借給規模比較小的新興雲端業者，用輝達晶片當抵押；業者倒了，晶片二手賣出的價格不夠還貸，保險機制承擔一部分損失。目的很直接。沒有亞馬遜、沒有 Google 這些巨頭，小的雲端公司也要拿得到錢來買輝達的晶片。

本益比從三十二倍掉到二十二倍，訂單卡在資料中心還沒蓋完

他的個人看法分兩件。從目前的營收成長看，科技巨頭的訂單差不多已經撐得住持續投資。AI 預估本益比的中位數，今年四月還有 32 倍，現在只剩 22 倍。股價沒跌多少，本益比下滑，代表獲利升得很快。第二件是亞馬遜、微軟、Google 三大雲端，手上的合約積壓訂單已經到 1.69 兆美元。很多訂單還沒能反映進營收或獲利，卡在資料中心沒蓋完，算力租不出去。

對消費者有利，token 價格還在降，模型也還在進步。輝達想用正規管道以外的方式，讓小型 AI 公司也拿得到資金。另一頭，系統性的金融壓力會繼續膨脹。AI 若最後只是一個假殼子、無法成真，那就是一場泡沫。

AI 已經滲進工作、創業、銀行融資、股市估值，債券市場的錢也被搶光。主權基金、退休基金都在把錢往這裡送。成功的話，那就是全體人類的福祉往上。成功或失敗，退休基金、主權基金、創業、IPO、銀行融資、股市估值、債券市場，全部跟 AI 綁在一起。連最不看好的人，也不得不希望這場實驗成功。退休基金會出問題。大家已經上癮了。

他講了一個尼古丁神燈的故事。有個叫克朗的人在海邊散步，撿到一盞神燈，擦兩下，燈神出來說有三個願望。第一個願望是陪我抽一根。兩人吹著海風抽完。第二個願望還是再抽一根，愈抽愈忙，聊宇宙、聊人生、聊海浪，聊到人生的意義在哪。傍晚第三個願望仍是再抽一根。一路抽到看夕陽、看星星。半夜十二點多，燈神迷迷糊糊爬出來，問第四個願望是什麼。會上癮的。

AI 若成功，可能帶來生產力革命。若最後證明投入遠遠超過回報，衝擊會傳導到企業獲利、信用市場、銀行資產，還有政府基金和一般人的退休帳戶。AI 本來是科技公司的豪賭，現在變成全球一起押注的經濟實驗場。

他看了一下時間，說已經零三分了。台灣市場和產業留到後面再梳。今天他收在三件事上。錢變貴了，美債殖利率爆衝，美股還撐著，內部分化。錢進了 AI 的資本支出，全球的資金被吸走。所有人都被 AI 經濟綁在一起，只能確保它成功。科技巨頭短期內似乎拉不出明顯的獲利，算力還沒建完，訂單本身並沒有缺。建太快也不行，資料中心的資本支出還在快速拉升，市場會按基本面評價，現在借愈多，不一定股價漲愈多。新模型一直在推。真正把它做成終端 AI 或物理 AI，才是這輪科技公司能不能成功的關鍵。

台北股市這天漲 502 點，收在 48,130 點。他在直播，網路還是不穩，仍把盤面念了一遍。台股下半年之後，這種盤勢維持很久了，內部分化一樣明顯。時間拉長，今年是多頭。拉回個別持股，有些人套牢的股票，今年年底都不一定解得了套。

銀座單向街書店這場，郭宇把題目換成語言模型對世界模型。題目他自己改過好幾次。分享停了兩個月，這一個月他認為有兩件事非講不可。一件是 GPT-6：Computer Use 強到可以操作電腦裡的專業軟體，Marvelous Designer 和 Blender 都能開，建模他說已經和人類工程師、設計師沒有區別。另一件是李飛飛實驗室的世界模型，兩三張照片就能還原一個虛擬世界，但你只能看、只能換角度。

他把例子放在一張逝去親人的照片上。背面、人在環境裡的位置，照片沒拍到，你卻想摸到、想換角度看。一兩張照片交給李飛飛公司的世界模型，還原成 3D 場景，可那是點陣圖。不能互動，不能像真人走來走去。

Figure 是這幾天的具身例子。這家美國公司在舊金山租了三十間 Airbnb，不同房間做不同的事：整理房間、洗衣服、叠衣服、整理床單。世界模型要加快的，是現實裡會發生、又被錄下來的那些事。先在模擬裡做一遍，再把影片丟給機器人學。疊床單得知道重量、材質、厚度，布拉開之後力怎麼走，不然疊不平整。

從 2022 年 12 月那一代 ChatGPT 算到現在的世界模型，路線不同，目標像同一件：把看得到的物理世界搬進電腦。名字叫 Real to Sim，真實的東西進模擬器。做這件事是為了機器人，為了各種人工智慧能用更多層次認識世界。Facebook 的 Zuckerberg 要做元宇宙，郭宇說那不是理由。

語言模型缺的是因果關係。ChatGPT 或 Claude Code 可以做知識工作，按機率吐出你想說的話，或別人願意聽的話。真實世界裡，你做的事會影響別人，你的因會變成別人的果，也會回到你身上。時間是線性的，後來的事受先前的事影響。模型的神經網路裡沒有這一層。它要懂因果，得靠工具去查 Google、搜尋引擎、Wikipedia。訓練好的本體裡，因果不在。世界模型要的就是因果、物理、重力，先把人類世界仿真進虛擬世界。

ChatGPT 一開始只是在吐文字，英文、日文、中文。後來大家拿它寫程式，程式改網站、改 app，再改到工業製造，改到摸得到的東西。今年一月郭宇講這題，是因為去年十月 Claude Code 推出 Scale，程式可以即時生出來，解決一次性的任務。他說手是從那時伸出去的。這個九月的 GPT-6，把手伸進專業 3D 軟體，伸到做衣服。

二十分鐘，小狗的萬聖節衣服交到打版

這兩天他做了好幾件，其中一件是朋友的小狗，萬聖節主題。ChatGPT 先把衣服做成三個視圖，視圖進 Tripo，輸出大約兩百萬個三角形的模型。模型再進 Blender，綁上骨骼，那個小鬼就動起來。衣服的圖自動進 Marvelous Designer，切片，布可以選針織，也可以選硬的，然後打版。衣服是 3D 的，布卻從平面裁。裁完會標哪裡用什麼工法、怎麼縫，檔案可以交工廠。二十分鐘做完。他在台上說，這很可怕。

二十分鐘的過程，他還看得到每一步。他說回家若改用 Computer Use JEV，就未必看得了。Computer Use 是一套開源庫，接上 JEV 做操作時的快速分類。用它取代 ChatGPT 內建的電腦操作，速度可能快到他根本看不到。到那時他覺得自己連觀察的資格都沒有，只能放手。

OS World 高了十個百分點，衣服對不對得用眼睛看

桌面任務有一份考卷，OS World，全名 Operating System World 2.0。GPT-6 Ultra 比上一版 GPT-5.6 高了十個百分點。他說每一代都在漲，十個百分點已經很顯著，代表它開始碰瀏覽器和主流軟體以外的程式。

操作有兩條路。一條是看螢幕，每一步截圖。網上有人寫，用 GPT-6 開專業設計軟體，Blender 裝好第一件事是把語言改成英文。中文介面辨認要花更多 token，更慢。那則貼文建議專業軟體全部設成英文。你看不懂沒關係，它看得懂。另一條是 MCP，Anthropic 做的協議，模型直接跟軟體後台的程式溝通，只知道邏輯對不對。三角形的數量可以對，人眼看衣服就是不對。網頁可以說把右上角改成綠色。衣服破個洞、形狀怪、蹲下去偏大或偏小，很難講清楚。

所以他要大家更新 ChatGPT，裝好 Blender，跟它講：幫我操作，不要走 MCP。Token 多花可以，用 Computer Use，用視覺看。效果好很多，速度會慢。他覺得 MCP 走到生命週期後面了。它和後面的 Scale，是想用傳統程式讓模型知道軟體內部的狀態。資料庫這類抽象的東西有用。操作電腦時，不能指望訓練階段把世界上每個軟體都用過。他偏向下一代，也許 6.5 那種 Ultra，用 JEV 這種更快的方式處理畫面。下一版的電腦使用，他相信主要靠視覺。

他說這已經很難分清模型和真人，因為用法一樣，很像 Tesla 訓練自動駕駛。Tesla 很長一段時間不用光達。不是買不起，成本也是原因，更主要是想一勞永逸：人學開車用眼睛、用小腦，他們就用視覺模仿人。Cybercab 已在 Austin 鋪開，兩個座位，沒有方向盤，沒有螢幕，沒有可以干預的東西，坐上去到下來都是電腦在開。他最近很少用 Claude，覺得它控制桌面軟體已經遠遠落後 OpenAI。下一代的電腦使用，他相信會領先一個很大的身位，方式像 Tesla 訓練車。模型改用看螢幕來操作之後，三維資產才變得改得動。

可編輯，是相對前一場講的流程。文字生圖，圖交給 Seedance 2.0 生影片，不對就要重做，又煩又花錢。出來的是影片，他說一幀裡可能有二十四張或六十張圖，畫格裡的人改不了。衣服顏色、表情，或只是覺得哪裡不對，都得再生。每參考一次就更失真，這是 Diffusion 模型的特性，十幾二十次之後會很嚴重，而且每次都重算機率。腿往前邁一步，話講不夠準，結果就不準。效果好的片子常常附上幾百字甚至上千字的提示詞。他不覺得提示詞工程會是以後的用法。

GPT 現在能生真實的 3D 模型。走哪一步、往哪轉、換什麼衣服，不必再另外花錢，而且可以馬上改。跟 GPT-6 說顏色不對就行。投影片上的 UV 展開，就是把二維貼圖貼回模型。要加衣服、做一頂針織帽，可以先用圖像生成做出展開後的平面圖，切圖很快，再變成 3D 網格，用網格和平面的對應去改。帽子換色是換貼圖，不是整段影片重算。

Mesh 和 Tripo 是這條路的第二個角色，專門把幾張圖算成網格。他拿圓打比方，也提到微積分：圓在螢幕上是很多三角形，不是真正的圓。加到兩千萬、三千萬個面，肉眼分不出來，像砂紙磨過的圓，微觀仍是尖的。Tripo 收一張到三張參考圖，還原 3D，目前最高大約兩百萬個三角形，貼圖到 4K 或 8K。它最早是做 3D 列印玩具的。小孩五歲、七歲、十二歲各留一個，拍一張照片，大約一分鐘出模型，丟進 Bambu Lab 印出塑膠人偶。現在同一份資產可以進 Blender，讓 ChatGPT 精修、綁骨，讓小孩動；把家做成虛擬空間，人在裡面走；接上語音 API 就能即時講話。日本有人拿這套做 VTuber，人物放到網頁上聊天、走路、蹦跳、唱歌，他說一兩個小時可能做完。

現場的 GPT 補的是：做好的東西可以留著改。同一個角色，今天換萬聖節衣服，明天換動作，之後加對話，每次從已有的成果出發。它問郭宇，小狗那件衣服哪一步必須他自己看。郭宇說是打版對不對。他自己沒做過衣服，朋友在文化服裝學院讀了好幾年，得有設計師在旁邊看。GPT 的說法是，流程和版型系統串得起來，合不合身、布料表現對不對，還是人把關。

郭宇接著問，為什麼不能一步到位。語言模型的觸角已經伸進製造業，模型應該也有做衣服的經驗。現場的 GPT 沒有馬上答。材料在東京的伺服器，簡報和這一兩個禮拜的 3D 操作紀錄都在上面，他當時不在那台電腦、也不在手機上用。這次沒接 JEV，它不能先分類，得讀完才答。他拿在場的靜涵比：同樣做了一週，人會很快知道該說什麼。後來 GPT 補上：可以追求一步到位，經驗豐富也不保證每次做對。通用模型也許懂製衣，未必知道這隻狗的尺寸、這塊布的實際表現，還可能誤判自己生成的版。設計師也要試樣、改版。把測量、模擬、實做的回饋接進去，自動化才穩。今天要人看，不代表永遠過不去。延遲的原因，它說現在不能確認。郭宇真正想問的是另一層：工廠的布，在電腦裡是不是還沒有完整到可以仿真。若物理世界的事在虛擬世界都有資料，Marvelous Designer 裡應該就能把製造做出來。他開著 Extra High，還是慢。

這套軟體他仍建議下載。自動化紡織廠機器裡的模擬不是用它，它比較像虛擬角色的衣服，或學生作業：快到仿真，又還沒把檔完全丟給量產線。人台可以讓 GPT 生。他把女朋友的照片做成一個人台，貼文在 Twitter。身高和比例放進去，就是在虛擬裡量體裁衣。布料有預設的克重和下垂。他不敢說百分之九十九像真的，百分之九十以上他覺得可以。明顯不對的地方，白布試做或交給中國工廠之前就看得到。他說這軟體很便宜，沒多少錢，買一個授權，讓 GPT 接上去自動操作就行。他也要大家用新版的 ChatGPT Extra 自己試。

一位日本設計師的示範，是把人導回 Blender 綁骨，看站著、動著時衣服變不變樣。褲子特別需要這一步。專業裁縫即使用等身人偶，西裝褲仍會留冗餘：坐下去面料要伸。沒有這個經驗，就讓模特蹲，或讓 GPT 轉一圈錄下來看變形。最後還是得穿上身，觸感不會出現在螢幕裡。

他把衣服看成大用例，是因為 2011 年在支付寶做過微群，把中國的買家分成很多群，GMV 最大頭永遠是女裝。全球製造裡，除了吃的就是穿的，穿裡面最大是女裝。AI 若把個人化製衣串起來，他相信兩三年內看得到，不必再找裁縫，設計師按需求做。工業革命以來沒有這種事。個人化若吃掉大量製造哪怕百分之十，通關、物流、貿易都會被改寫。中國若不跟著改，以後製造未必還要靠中國。他也說，現在的成衣畫面仍有不自然的地方。

點陣看得到，重力還沒模擬完

幾張圖組一個空間，他說有點像魔法，而且他並不清楚 World Labs 怎麼做，開源這邊也沒有足夠資料。目前最厲害的是從靜態圖還原空間深度和裡面的物體。兩張投籃照片，可以換角度看那個人。幾張 GPT-4o 生成的城堡，可以還原整座城堡。現場的 GPT 提醒，沒拍到的部分是推測，不一定準；宣傳片第六頁底部有官方連結，Atlas 的演示可以直接開。它也把製衣那個問題留著：現實資訊若都準確進了虛擬世界，Marvelous Designer 裡算不算仿真製造。

還原已經很清楚，比一月或二月那個很粗的預覽細得多，手機上不太分得出差別，廣角也不像早期那樣邊緣明顯歪，他說接近 iPhone 一倍鏡頭。點陣仍不能互動。拿來做一間虛擬房子的展示，買賣房屋用得上。更大的用途是把虛擬世界的影片餵給機器人，這才是世界模型的原意。他說也許一秒、也許一分鐘，就能生出很多影片。創辦人是李飛飛。

投影片上 ChatGPT 在解釋：生成的世界有碰撞網格。攝影機走過去，物體穿不過去，不會穿模，哪裡能過、哪裡不能過，算有一點物理。重力還沒有。若下一版 Atlas 的籃球能改方向、改力度、把框放遠、投進並且落下，他覺得重力才算幾乎到百分之百，也可以改重力去模擬月球。美國要在月球建永久基地，上去做事的是機器人，物理沒先模擬，就無從訓練。不同星球、不同家裡的任務，都卡在這裡。他說現在是 2026 年 9 月，仍非常早，明年再兩三個重要版本，差別會很大。ChatGPT 出來的 2023、2024 並沒有太多讓人停下來的東西，大家還在學一來一回地聊天。真正加速是去年十月、十一月之後。一月開講時，他自己也沒料到會這麼快。

交會點就在可再用的 3D。GPT-6 操作電腦，做出的數位資產可以進遊戲，也可以進影視的 CG。世界模型用兩三張、四五張照片，生成虛擬點陣。一件是可編輯的資產，一件是可觀看的空間，這個月在做出 3D 這件事上碰到一起。

七十毫秒選一個，分類不必先訓練

JEV 是三四天前出來的。郭宇說它這兩天在刷屏，號稱分類比 ChatGPT、Claude 快大約三百倍，不是同一個數量級。它不能聊天，也不能寫字，只做選擇。幾十萬、上百萬個選項丟進去，用自然語言講要哪種特徵，毫秒級挑出來。圖裡找體重超過六十公斤的中年男性，或從閉路電視挑一個有特徵的人，都是這種工作。老的分類器得先有專業資料集，再按需求微調。JEV 不必預設是貓還是狗。Diogo，前 OpenAI 研究員，郭宇不確定名字怎麼唸，離開後把這東西叫做因果模型。郭宇自己的歸類是：大語言模型裡的快速通用分類器。

延遲可以落在六十到三百毫秒，接近說話的速度。浴室長黑斑，問 ChatGPT 去 Amazon 挑日用品會等很久。資料先餵給 JEV，說話的過程裡，幾百毫秒就在螢幕上出現可能用得上的商品。七十毫秒的話，他拿來比一般網頁的 HTTP 請求，覺得是同一個數量級。價格幾乎可以忽略，輸出免費。GPT 輸出貴，是因為回覆要校驗。JEV 只回答選哪一個，他說輸入費用是零。準確率和上一世代 GPT-5.6 差不多；跟 OpenAI 最頂尖的模型比仍有差距。和其他工具一起用，速度快兩個數量級，準確率接近，幾乎不花錢。

選項本身仍要別的模型來做。網站跟著使用者的文字或語音變，那幾萬、幾百萬個選項怎麼設計，他說還是 GPT-6 或 Fiber 的事。濾使用者輸入這一層，JEV 才是他講的壓倒性優勢。它看得懂電腦畫面裡哪一塊是什麼軟體，拿來操作 Google Flights 搜機票，會比 GPT-6 Ultra 快很多。人還得先分辨單程或來回，一座城市又常常有好幾個機場。原帖影片右邊是時間，左邊是操作畫面。

他預期大約一個月，GLM、MiniMax、DeepSeek 都會有很快的電腦操作。DeepSeek 的 Harness，他提到那套命令列工具 DSH，會接上類似的分類，或自己做一套。以前這件事幾乎是 OpenAI 的：訓練 GPT-6 時買了很多 Mac 放進資料中心，讓模型把 Mac 上的專業軟體用過。DeepSeek 現在看不懂圖，得另配一個看圖的模型，再加 JEV，效果接近，成本他說可能是 OpenAI 的一千分之一。

旁邊的用法更日常。郵件批量分類，五百封大概三分美元，朋友有人在做幾十萬封。積著的幾千封，兩三秒讀完，把重要的、待辦的、跟旅行有關的抽出來。下載資料夾也行。他說自己有點精神潔癖，資料夾整理得很好，下載區仍會亂。有人用 JEV 聽新檔，一出現就分類、命名、放到磁碟上對的位置，並放進模型的記憶。下次用語音問 GPT，就不必靠 Finder 的 Spotlight。Spotlight 是蘋果的聚焦搜尋，索引用的還是老方法，沒有 AI，新的 Mac 要花很長時間建索引。公司檔案、倉儲、服裝店、物流中心，他覺得都能用。

遊戲他沒看完。模擬器把狀態讀成 JSON，JEV 決定 Mario 跳不跳。慢了就被怪撞到，所以吃的是反應時間。早年把 AI 放進遊戲角色沒有流行，貴，也慢。他覺得現在可以拿星際爭霸這類試，或在自己的遊戲裡放角色、調強弱，DeepSeek 配 JEV 是一條路。簡報沒寫的還有 MiniMax H3，權重開源，FAL 做成 H3 Max，大約七點幾秒生出十五秒影片，有人拿去做無限電視台。Sora 也出了 2.5，他打算下一場再講影片模型。

量化是現場冒出來的聯想。這類基金十幾二十年前就有，文藝復興那一掛靠數學家、算力，和離交易所很近的機房，新聞出來就下單。散戶資訊、算力和倉位都不夠。有人昨天用 JEV 試，賠了很多。他說賠錢不一定是模型，可能是策略，而且得先找還沒被量化交易的人佔走的地方。去年的 Polymarket 也許還有空隙，預測市場新，華爾街不輕易進，資金池也小。Hyperliquid 同樣可以先讓 ChatGPT 或 Claude Code 把策略寫好，再交 JEV 分類，看一個交易日內有沒有獲利。卡牌拍賣、Mercari 二手，比的是誰先搶到。不必先寫程式。日本的抽選他也提了，說這例子有點不道德：第一時間進網填表很煩，他以前乾脆買黃牛票。Computer Use 變快之後，講一句話就能做，跟一月那種臨時寫程式不是同一條路。

四十億、八十億參數的小模型，Facebook 早做過，用來擋髒話、擋成人圖片、分貓狗、做驗證碼。JEV 多出來的是不必先訓練，用人類語言做通用分類。OpenRouter 已經開放，不用內測，也可以走 Cloudflare。讓 GPT 去 OpenRouter 註冊就能用。

複利在故事，不在高級上班族

他希望聽完的人回家真的打開 agent、ChatGPT、Claude Code，不要只在現場提問。

江西農村長大，第一次大變化是父親把他帶到深圳。數學界最近有兩個人拿了那個相當於諾貝爾的獎，名字他在台上說成王虹淼。他確定的是其中一位比他大一屆，深圳高級中學的，他讀高一時對方讀高二。那些孩子很多父母是第一代創業者，錢已經夠了，想的是這一生做什麼難的事。他自己在生物 X 班，有同學到現在還在美國的癌症研究機構，職涯沒有改。第二次變化是上網從電腦換成手機，大約從 2008、2009 到 2012。他覺得第三次就是現在，而且更快。

東亞父母要小孩讀書、離開體力勞動，至少換到經濟獨立。仕途、後來的經商，都是把智力變成收入。人工智慧上來之後，你調得動的智力和你自己讀來的不成比例。九年、十年學到皮毛，不可能不睡覺把 ChatGPT 的預訓練讀完。它還邊做邊學。他認為好好讀書、好大學、好工作這條，已經是妄想。2023、2024 之後，尤其去年寫程式這件事被攻下來之後，醫生、律師、其他知識工作、高級上班族，靠智力拿超額收益這件事，他看成泡影。

他給自己的下一項是用智慧賺複利，例子是 J. K. Rowling。《哈利波特》的小演員加上後來的片子，賺的遠不如作者。語言會留下複利：演講、書、talk show，因為它影響別人，也製造故事。西方叫 narrative。別人聽到名字就想到那串故事，有時跟著走。決定怎麼講，他說 AI 現在不會。Sora 和其他模型可以生出無窮影片，卻不知道哪一種講法對人是合理的。沒有這項 benchmark。若有一天會了，他覺得可怕。他的講法是，講故事其實就是在騙人。兩三年後會不會變，他不敢說。

所以複利不一定寫書。製造、衣服、影片、influencer，還有深圳人做的 Amazon 爆款，都是先知道別人要聽什麼故事。槓桿可以做很多事，唯獨不是打工。他說這等於逼人從工業革命以來的螺絲釘變成廠長。很難，不是每個人都會講故事，亞洲的教育很少教，某些常春藤也許好一點。網上搜他的名字，多半還是 ByteDance，和他以前退休的事。馬斯克的做法是先把火星、月球講出來，再把事情辦成，講多了，下一件很瘋的話也有人信。他受的教育相反：沒做成不要說。他認為這正是現在模型還沒拿走的能力。

講到這裡他停了，免得被聽成散布焦慮。每個月都有事情在改，要炒股票、改教育，或只改工作方式，都得先承認變化是客觀的。他要的第一件事，是先把心胸打開。

https://allinchamathjason.libsyn.com/daniel-ek-life-after-spotify-broken-healthcare-incentives-catching-disease-early-ais-potential

2026 年 1 月 1 日，Daniel Ek 不再擔任 Spotify 執行長，改任執行董事長。他 2006 年創辦這家公司，當時 23 歲，到這一集 All-In 已經帶了二十年。Jason Calacanis 開場報的數字是：活躍用戶超過 7 億，premium 訂戶超過 3 億。同一小時的另一條線是醫療保健公司 Neko。

台上是 Jason Calacanis 跟 David Friedberg。Jason 說兩人認識二十年。他第一次看到 Spotify，是在一場網路高峰會，Daniel 的夥伴側過身來，叫他看一下。那個時候，沒有人在做音樂的訂閱服務。

瑞典沒有合法的路

Daniel Ek 說，開始還有頭髮，做完就禿了。2006 年他給的畫面是：iPhone 還沒有。Facebook 有，但還只在校園。他說 YouTube 也還沒有。音樂產業正在往下掉，盜版到處都是，Napster、Kazaa 都在。美國有個組織叫 RIAA，唱片業協會，還在告個別消費者非法下載。

他人在瑞典，覺得盜版已經收不回去。共同創辦人 Martin 問他，如果什麼都能做，想做什麼。他說真正的熱情是音樂，但那聽起來很蠢。Martin 問為什麼蠢。他講了一串：得跟唱片公司談授權、談版權，後面還有一堆事。Martin 就一直問，那如果這樣呢。問到他講不出反對的理由。剩下的畫面是，世界上的音樂都在指尖上。Martin 說那聽起來不錯。那就試試看。

原本想第一天就全球上線。講出去，別人笑。他說自己運氣不錯，因為當時全世界最糟的音樂市場之一，就是他的家鄉瑞典。2000 年代初期，瑞典已經有很快的寬頻，人幾乎什麼都下載得了，等於活在別人還沒到的未來。iTunes 在那個市場甚至還沒上。合法的選項，他說字面上沒有。音樂產業的營收，他記得大概掉了八成，或那個等級。

他跟合夥人把前幾家新創賺到的錢全部押進去。跟唱片公司談的條件很具體：保證你們明年的獎金還在，明年的預算也做得到。如果事情真如你們想的那麼糟，一年後把這東西關掉，獎金你們還是拿到了。如果做成了，你們也贏。怎麼走都贏。對方覺得有意思。談了幾年，同意。2008 年底上線，馬上大熱。接著到英國，也大熱。2011 年進美國。他說距這一集已經十五年。

Jason Calacanis 算了一下，從開始做到摸到美國市場，中間耗了五年。Daniel Ek 接的下一句是：瘋的是，他現在又在走同一條路。

同一套劇本，這次是 Neko

Neko 八年前就開始了，2018 年。產品在瑞典實際啟動是 2023 年。中間五年拿來做產品、在瑞典試。瑞典做出成績，再帶去英國，現在要在美國開。他說這就是 Spotify 的劇本，換到醫療。

David Friedberg 說，厲害的創業家有個毛病，就是停不下來。Daniel Ek 回，也可能只是他比較耐痛。Friedberg 問，Spotify 已經上市、用戶數億、團隊也在，他什麼時候開始想別的。當執行長那些年，有沒有在當天使投資人。

Daniel Ek 說，團隊最近翻出一份他自己都忘了的訪問。金融時報的午餐訪談，他記得是 2012 或 2013，美國剛上線不久，他就在講醫療。很多人在講世界上哪些事情變糟。他的看法是，多數事情其實還不錯，技術整體往上。他挑的是那些沒有變好的。醫療是其中一件。錢愈花愈多，結果愈來愈差。他想知道能做什麼。

Spotify 上市之前他沒有錢。上市是 2018。那之前大約十二、十三年，全部押在 Spotify，沒有拿去投別的。2018 之後才開始有一點投資。大約一週前的一頓晚餐，他跟主持人聊過：他試著投一點，可是 Neko 那個時候就已經開始了，然後他發現自己愛做東西，遠超過愛投資。

Jason Calacanis 說，看著你投的公司被經營壞、自己又不能動手，很痛。David Friedberg 說那頓晚餐就在講這個。人在董事會上建議，執行長不聽，會氣到想扯頭髮；對方照單全收也不行，因為那就不是他在領導。他後來的做法是，找到很強的創辦人，把錢給出去就不要再看，通常比一直盯著好。真的在意、又有能力自己做，就進場做。Jason 補了一句：需要愈多指令的人，成功的機會大概愈低。

慢性病早抓到，帳跟苦都小

Daniel Ek 先給聽眾一個底。美國把 GDP 的 18% 花在醫療，他說這是現在預算裡最大的單一項目。光心臟病這一組，美國一年就是數千億美元，比《財星》前十大公司的營收還大。一種病。

他從藥、能不能把藥做得更有效、癌症，一路看為什麼帳長這樣。結論不是只有一個原因。比較大的幾塊，他點了心臟，還有皮膚癌裡的黑色素瘤，這幾類特別突出。真正最大的那塊是慢性病整體。慢性病的怪地方在於：早發現的話，完全防得住，處理成本很小，病人、家人、周遭要扛的苦也小。早發現，事情就還好。

那為什麼不早發現。他說是資料不夠。整個醫療業都同意，得從出事才處理，轉成預防。分歧從怎麼做開始。他跟共同創辦人 Hjalmar 的看法是，一切從更好的資料開始。資料好，才容易發現；發現得早，才有機會把醫療往預防推。

David Friedberg 把它說成預測：用資料看出之後會出的健康問題，提前改道。Daniel Ek 說那一步才是他們想走到的地方，他叫它聖杯。做法是每一種檢查都要更多資料，不同檢查還要疊在一起，而且要有時間，同一個人一年一年累積。

過去二十年很大的一個變化是智慧型手機，裡面塞進愈來愈多便宜的感測器跟電子零件。所以他們覺得，做得出比以前多得多的感測裝置。另一頭，他們開工的時候這門技術還叫機器學習，現在大家講 AI。資料集夠大，預測就該做得更好。Spotify 那邊他學過同一課：收得愈多，下一首該放什麼就愈準。醫療是同一種預測，檢查種類更多，時間拉得更長。

499 美元的那一小時

David Friedberg 問，這些早期觀察改不改得了最後的健康結果。代謝、運動消耗、血糖、睡眠，他看得懂，修正多半是飲食跟運動。別的大病能不能提前認出來。Jason Calacanis 要他先講 Neko 是什麼。

Daniel Ek 從體驗講。現在這一版是第二代，499 美元。垂直整合指的是場地、護理師、醫師、診斷設備、軟體都自己做。任務是做出你能花在健康上、最值得的那一小時。

進門先抽血，量 53 項血液指標。接著進皮膚那套設備，相機在全身拍超過 6,000 張超高解析影像，每一顆痣、每一處病灶、疹子、發紅，都建檔。再看心臟跟血液循環，也量握力，再加上那些已有紮實科學證據、能用來判斷健康的老指標。整個過程大約一小時，收在跟臨床人員不被打斷的一段：檢驗結果一起看完。問題在這裡問，也會談你可能想改的地方。

這一版現在在美國紐約上線，接下來幾個月會在美國更多地方開。他們建議會員每年做一次，類比是牙醫：多數人每年看牙，卻沒有每年做健康檢查。人很忙，所以時間卡得很緊。沒有問題、只想看檢測結果的話，大概三、四十分鐘可以結束。500 美元對很多人仍是大錢。負擔得起的話，他覺得是好投資。

Jason Calacanis 問經濟帳。這 500 美元是每次都賠、打平，還是利潤來自後面的加賣。還有它要怎麼跟美國這套功能失調的保險體系相處。Daniel Ek 說，東西自己做，成本可以砍得很兇。一年 500 美元這個價位，做一次的帳算下來是正的，現在營運中的診所已經有在賺錢的。他們做得下去，才開得到更多地方。

他不是只做 Neko，但這件事占很多時間，他覺得該這樣，因為這是很大的問題。Spotify 他還是花時間：執行董事長，他說那仍是他的孩子，只是不再天天進。Spotify 現在有兩位他覺得很好的執行長。Neko 的共同創辦人 Hjalmar 才是核心，大部分工作是他在做。Daniel 說自己把功勞講走了，真正的腦子是 Hjalmar。

另外幾家放在 Prima Materia。他說這家的野心，是當別人能找到的最好的共同創辦人，把前面做成的事往下傳。

平均 950 顆痣

David Friedberg 說這個論點他聽過。One Medical、Forward，都試過做整合式的中心，自己的儀器，進去做預防性健檢。他問 Daniel 看出了什麼以前沒有的。

Daniel Ek 先把時間攤開。2018 年開始，公司八年，掃描已經超過 10 萬次。他們每年發資料，剛發了第三年的健康結果。大約 1% 的會員，身上有還沒被診斷出來的嚴重問題，是他們發現的。

很多會員本來就健康，談的是再好一點，壓力、飲食、睡眠占不少。連續三年比較讓他們振奮的是：狀況最差的人，進步最多。人看得到自己站在哪，臨床人員講狀況、講可以怎麼處理，就比較會改生活。有會員前一年還在抽菸，做了 Neko、把健康排進去之後不抽了。也有人是嚴重的潛在疾病，發現後去治療，整體變好。

皮膚科是他拿的具體例子。今天在 Neko，平均一個人有 950 顆痣。Jason Calacanis 說，有一部分人眼大概看不出來。Daniel Ek 說真的把皮膚看過一遍，會嚇到自己有多少。分散很大，有人好幾千，有人少很多。

一般門診，醫師有多大機會把 950 顆痣全看過。不會。通常是你自己說這裡有一顆，或醫師覺得某顆看起來怪怪的，拿出工具。現在多半有軟體，相機打很多種頻率，看大小跟紋理。Neko 做的是同一種檢查，順序不一樣：先由 AI 標出可能的風險，再由人的臨床人員複看。到這一步如果發現了東西，編制內還有多位皮膚科專家再看一次。

若是來很多次，某一年可能什麼都沒發現。可是每一顆都做了編目、建了索引，下一年對得上一年，看有沒有長得不正常。就算最好的醫師，也不可能記得你某一顆痣去年長什麼樣。他要的是 AI 跟臨床人員放在同一次體驗裡。

Jason Calacanis 覺得 499 美元便宜。他拿 Function Health 跟 Superpower 對照，兩家大約 350 到 400 美元，只做血液。他把支出排了一下：社會安全現在第一，醫療第二，後面很快追上來的是利息。他對著 David Friedberg 說，你最在意的那項正在趕上來，而且會超過醫療支出。照他的粗算，每個美國人每一年或每兩年來做一次，大約是全國醫療總支出的 4% 或 8%；如果拉到每三年，他說會掉到預算的 2%。他問，若每個美國人都做，對往後的預算跟支出有什麼影響。他們有沒有算過。

Daniel Ek 說他們有看法，但太早，不想在這裡講死。對會員，他還是建議每年做一次。

保險跟著工作走，回收期是十年起跳

David Friedberg 把美國人現在付不起的三件事排開：買房、教育、醫療。前兩項他覺得是市場誘因被扭歪，有辦法修。醫療複雜得多。他問的是預防之外的結構。急診縫個針為什麼要 15,000 美元。成本 30 美元的藥為什麼賣 20,000。醫師年薪 20 萬，看你八分鐘，保險公司為什麼付 6,000。如果你能當一天美國皇帝，什麼都改得了，Neko 今天還沒碰到、但你會先修的三件事是什麼。

Daniel Ek 先說，他絕對不是美國醫療體系的專家。他用的句子是：你給我看結果，我就告訴你誘因長什麼樣。整套系統是在處理傳染病的時代搭起來的。誘因圍繞的是一件事：症狀已經很大的時候，急性把你修好。要去的地方是預防，而預防的時間長得多。

他舉一個卡點。醫療多半以某種形式綁在工作上。一份工作的平均年資沒有很長，可能在一家雇主只待兩三年就換，保險也跟著換。那家保險公司該不該投資一件回收要十年、十五年、二十年的事。這種投資的報酬怎麼看、誰來出錢，他說不好答，也不假裝自己有全部答案。

他們試的第一件事是把金額降下來。這樣就不必保險業或雇主先投數百萬美元、手上資料很少、賭二十年末才回收。他說接下來的數字是他自己舉的例子：也許不是一百萬美元，而是數萬美元。就算回收仍要十年或二十年，有人願意接的機會會高一些。第二件是往系統裡加資料。不同檢查疊在一起、同一個人拉長時間看，才比較有機會看見這些做法長期到底有沒有效。

這也是他們每年把發現公開的原因之一。看的是 Neko 會員整體。醫療系統通常綁在單一國家，一家公司一開始就是多國，雖然還不是全球，並不多見。英國看到的，跟美國像或不像，會很有意思。

Jason Calacanis 先猜了斯德哥爾摩跟英國的差別：瑞典人應該健康得多，英國的心血管疾病跟糖尿病比較多。他問 Friedberg，這兩項是不是醫療支出最大的兩塊。他自己覺得糖尿病可能排第一，不確定，但心血管跟糖尿病看起來是最大的兩個。他要 Daniel 講，兩個地方的人實際差在哪。

Daniel Ek 說還太早，底數相對小，就是前面那 10 萬次掃描。他不覺得現在適合談人口層級的健康結果。Neko 變大之後會談。他們已經在做臨床試驗：做完四個，兩個進行中，另外四個要開始。現在有的資料、以後會再收到的，都在跟研究社群合作。

他對科技圈的人說，怪就怪在醫療體系裡的資料集沒有那麼大。可用的資料如果變成 10 倍或 100 倍，他覺得結論會很有意思，而且不只 Neko，是整個醫療。這是他們在賭的。

手錶先匯進 Apple Health

Jason Calacanis 要把穿戴裝置放進來：Oura、Whoop、Fitbit，還有 Apple Watch。他注意到 Whoop 開始透過 Quest 提供檢驗。Oura 或 Whoop 也許能跟檢驗同步，但他沒看過有人把睡眠、恢復、心率跟血液放在同一份資料裡。他問影響會有多大。是跟這些品牌合作，還是以後做一隻 Neko 自己的，放進訂閱。他隨口丟了一個 9.95 美元。基本那八成，他覺得已經變成人人做得了的東西。

Daniel Ek 說，現在就可以把 Apple Health 的資料匯進來。很多大型穿戴品牌，Whoop 也算，允許把不少資料寫進 Apple Health。臨床人員坐下來才看得比較全，這是他們鼓勵的。

今天這項服務少見的地方是：這個領域做診斷產品，正常路徑是花上若干年研發，然後接下來十年就賣那同一個東西。Neko 從推出到現在進美國，這三年裡已經是第二代，診斷那一層升級過了。所以今天上線的不是最終版。他們會一直加，把更多做得到的診斷放進同一個價位。

要不要放慢前沿，他沒有選邊

David Friedberg 要他退一步，談現在的科技業跟 AI，問前沿要不要放慢。

Daniel Ek 沒有先給政策。走進 COVID，每個人都變成病毒學家。荷莫茲海峽第一艘油輪卡住之後，每個人都變成供應鏈專家。烏克蘭戰爭一打，每個人都變成軍事專家。David Friedberg 插話，你是在說 All-In 嗎。大家講這些事的時候信心都極強，結果大多時候全錯，最大的專家也一樣。他願意講的是，現在還來得及改這些技術會造成什麼影響。了不起的技術同時有極端的好處跟壞處，得由人往想要的結果推。要不要放慢，他沒有很強的單邊意見。

他看得到的好例子在自己兩門生意裡。他講過很多次、覺得正在靠近的那個音樂產品是這樣：現在你自己排的歌單，還可以比系統好。再往後，系統可以替你生命裡的每一個時刻配樂，而且配得很準。好音樂的力量是讓你感覺更多。開心的時候更開心。難過、陷在裡面的時候，那個當下會更陷。這是 AI 帶來的。皮膚科那個例子也是，950 顆痣跨時間追著，讓你安全。他說大家傾向把可怕的那一面放大，這個產業卻沒把對所有人都有大好處的用法講出來。他覺得那是嚴重的失職。

David Friedberg 問開源跟開放權重。他丟了一個價差：每百萬 token 的輸出成本，13 美分對上 30 美元。差距大到可以把技術鋪到很多企業跟個人，價值不會只堆在少數幾家、少數幾個人身上。監管的談話卻可能把開源跟開放權重的擴張卡住。

Daniel Ek 說，技術一直在開放跟封閉之間擺。早一輪是 Windows 對 Linux，後來是 iOS 對 Android。最後常常是兩邊都留下。他以前就公開站在開源模型那邊，還會繼續，因為那會帶進對整個生態有用的創新。他同意 Friedberg。

Spotify 的做法是兩邊都用。他們用很多前沿模型，自己也有一批微調過的模型。一起用，反而更有創新，也做得到只用前沿模型做不到的事。有時是成本跟效率，有時是沒辦法把模型調成他們要的樣子。

他補了一個自己也沒在辯論裡聽過的角度，並先聲明不是這方面的專家。重點不只是單一模型有多聰明，還有你實際用掉多少算力。用 10 萬顆 GPU 做一件事，大概會比在家用電腦上跑一個開源模型強得多。家用電腦上的開源模型，要做出規模很大的網路攻擊，他覺得非常不可能，尤其如果公司端有很大的模型在保護自己。算力的量，是他想放進來一起看的一個因素。

David Friedberg 把它收成：假設模型能力相當，算力就是防守強不強的關鍵。能管的是誰拿得到最多算力，要認證的是算力，不是軟體。Jason Calacanis 問，兩年前最早的限制構想，不就是看多少 teraflops、多少顆 GPU。Friedberg 說，監管法規當時就是這樣寫的：一個模型如果用了某個數量的 teraflops 來訓練，就劃進去。他講加州那一輪，州議會覺得自己分得出哪些模型可怕。Jason Calacanis 接了一句，那不然數數資料中心裡有幾條網路線。Friedberg 說，當時拿來當代理的，是做這個模型灌進去多少瓦的電。他覺得把算力當成一道關，大概是對的。以前的 Cray 超級電腦就是這樣：取得有限，被當成安全風險，要核准才用得到，因為可以拿去設計核武、破解密碼。今天一台 Cray 的算力，他說大概還不如一台洗衣機，或廚房裡某樣東西。很強的算力如果裝在防守這邊，又假設模型能力相當，優勢會很大。Daniel Ek 說他至少沒在辯論裡看到這一點，有點意外，也許是自己漏了。

開放標準還在分發，Stardoll 的頁面要載四分鐘

結束前 Jason Calacanis 留了兩題。一題是 Spotify 怎麼看 podcast。這東西建在開放標準上，Spotify 已經是大玩家。開放標準往一個方向走，Spotify 身上有很多專有的東西。他跟 Daniel、也跟團隊談過：開放那一塊還能不能繼續支援。

Daniel Ek 還是認為開放跟封閉會並排存在。Spotify 今天是很大的 podcast 平台，有自己的目的地。有些做法一般的 podcast 不一定做，例如留言怎麼處理，那是這個平台自己的。很多人不知道的是，他們也會把 podcast 彙集起來，再發到很多其他平台。一批 podcaster 用的是 Spotify 的工具，再分發到別處，走的是開放標準。如果想在一個標準裡面創新，別人得先同意，有時會比較久，也比較難。Spotify 的做法是兩邊一起支援。

Jason 接著點名兩個功能。一個是開直播，這是新標準的一部分，希望他們的頁面在開直播時尊重 RSS，把通知送出去。另一個叫 Value and Donations：人如果在某個平台收捐款，或走 PayPal，Podcast 2.0 跟那些比較沒被服務到的人，很希望 Spotify 支援。他說自己做 podcast 十七年，這是在替他們傳話。值得做的話，請加上，或至少支援。

Daniel Ek 說，這已經不是他一個人拍板。他本來講要帶去給董事長，Jason 立刻說，人就在線上。他還是把話收回來：這兩個功能需求，他會帶回去給團隊。

另一題是 Stardoll。Jason 說，這是斯德哥爾摩最早拿到美國創投資金的公司之一。Daniel 當時是技術長，或者是去實習了幾年。Daniel 說，實習技術長，隨便怎麼叫。Jason 記得它在數位商品、訂閱這些事情上很早。他想聽二十歲出頭的時候，在那裡學到什麼。

Daniel Ek 說那是很好的一段，也把他帶回 Spotify 之前。瑞典有一位很早的創業家，叫 Matias，從網路泡沫那個時代就在。網站原本叫 Paper Doll Heaven，在芬蘭圖爾庫，做的人是一位老太太跟她兒子。Index Ventures 投了，而且拿了多數股，因為他們不知道怎麼把這個站做大。Index 跟 Matias 的主意是改名，做成 Stardoll。

他們來找懂技術、能幫忙做起來的人。Daniel 當時已經決定要去做 Spotify，還是答應了，大約六到十二個月。他本來希望對方會來投 Spotify。後來沒有。

他到芬蘭一看，一個簡單頁面平均要載四分鐘。伺服器基本上是垮的。他的反應是，如果這東西變得順，流量還能再多多少。他們把網站重新架構，技術團隊整組換新，載入時間壓到一秒以內。流量爆掉。Sequoia 進場。他說自己這一部分做完了，然後離開，去做 Spotify。

Jason Calacanis 說，正事開始之前的那一段，往往才是值得聽的。想試 Neko，第一間在紐約 Lafayette 街 300 號，就在 Houston 街口，以前 SoHo 的大工作室在轉角。目前只有紐約。紐約的據點會再增加，佛羅里達的邁阿密、華盛頓特區也要開，未來十二到二十四個月想鋪到美國各地。等候名單在 nekohealth.com。

主講人最近看到《Business Insider》的一篇報導。Amazon 正在把裁掉的人請回來。過去一年，這家公司砍了大約三四萬個白領職位。recruiter，招募專員，正在給以前的員工寫信，去年被裁的也在名單上，問他們願不願意回來。位子集中在 Cloud 和 AI。

美國職場管這種人叫回旋鏢員工，英文是 boomerang。扔出去，又飛回來。飛回來的不只 Amazon。薪資處理公司 ADP 做薪資單統計，今年三月，全美新招的人裡面有 35% 是回流的前員工，比前一年高出四個百分點。科技業接近 66%。此刻一家科技公司每招三個人，大約兩個以前在這家待過。

信上趕速度，發言人說到班規定沒變

第一封是上個月發的。寄件的部門做 AI agent，由一位 AWS 副總裁帶。收件人是以前做 AI 和機器學習的前員工。recruiter 把這個案子叫做 Swami 的回流再接觸計畫。Swami 就是那位 AWS 副總裁。信裡的說法，他轉成口語：你離開之後，這裡變了很多。AI 和機器學習方向，現在有一些非常有吸引力的工作。

第二封來自 AWS 財務部門的 recruiter。對象是一位好聚好散離開的前員工。招募專員說，可以走縮短的面試，然後直接進 offer，坐下來談。同一封信還問：你當初離開，主要是不是因為 Amazon 的五天到班？Amazon 把 Return to Office 定成一週五天回辦公室。主講人說，它是第一家把 RTO 做成五天的公司。信上接著講，他們會照你對遠端和地點的偏好，調整後面怎麼聯絡。

發言人對媒體是另一套口徑。找回前員工，一直是公司招募政策的一部分。他們一直有興趣跟有才能的人聯絡。新的候選人、以前的 Amazon 員工，都算有才能的人。到班的政策不變。

他拿自己剛到加拿大的經歷對過這句口徑。十多年前，第一封大廠主動寄來的信就是 Amazon。人還是剛落地的無名小卒，信來了，直接進筆試和面試。那個年代，筆試面試過得去，沒有本地工作經驗、背景普通、學歷也普通，都進得去。他自己當時也投了很多履歷，NVIDIA 面過。那時候 NVIDIA 還不算大廠，大概是中小廠，現在是世界第一。他沒面上。他說要是面上了，搞不好現在可以退休。後來進了 AMD，也沒有一直待。當時股價才幾塊錢，一直待下來，搞不好也能退。當然也不好說。Amazon 寫信找人，十多年前就在做。

這次信裡那句「你離開之後變了很多」，他的讀法是：公司知道你為什麼走，也知道你走了之後這裡變成什麼樣子。縮短面試更直。此刻最缺的不是篩選，是速度。他們想盡快把要用的人找齊。求職這端也樂見流程變短。刷題、一輪輪面試，他覺得又噁心又耗精力。若招到的人在 Amazon 待過，甚至同一個部門待過，進來就少一截磨合。系統、人、流程都熟。這是回流最大的好處。

「你是不是因為五天到班才走的」，等於公司承認這條規定趕走了不少人。他記得去年就有報導寫過。規定是每週五天回公司上班。當時還有人說，至少週末兩天可以在家。實際更緊。不只五天到班，還得回到總部，或有工程師的辦公據點，engineer hub。隨便一間辦公室打卡不算。這些規定讓 Amazon 找 AI 的人很吃力。有的候選人寧可薪水低一截，去還能居家的公司。

現在 recruiter 在問，你是不是因為不能居家、因為一週五天回辦公室才走。另一邊，發言人說政策不變。兩句聽起來打架。他說，打架的中間就是可以談的地方。很多公司都這樣。公司對辦公地點有要求，對回辦公室有要求，入職時仍可以跟 Hiring Manager 談。Hiring Manager 就是直屬的用人主管。他可以幫你申請。權限夠，直接批。公司要你一週回三天，談完有機會變成完全遠端。

風險也在這。這是現任 Hiring Manager 談下來的。公司一 reorg，組織一重組，老闆可能換人。新老闆可以不認帳。不認帳，遠端就沒了。住得遠，而且是衝著遠端才接的，就得搬家，不然再找工作。公司沒有統一的遠端政策，單獨談下來的條件帶著這層風險。reorg 也不一定來。有的組織十幾年沒重組。有的一年一次。還有一種，重組很勤，老闆一直沒換，這種相對安全。

裁的是部門，請回來的是技能

外面還有風聲，說 Amazon 接著還要裁，規模不小。剛裁了這麼多人，又要把人請回來，看起來矛盾。主講人把帳拆成兩筆。公司帳簿上，這兩筆不打架。

第一筆，裁員按部門算，不按人算。去年砍的是業務線，是那些層級。砍的時候沒有一個一個看，這個人值不值得留。被砍掉的人裡，有相當一部分正是公司現在缺的，尤其 AI 和機器學習。去年砍的時候，Amazon 的通用 AI 團隊正在收縮。今年 AI agent 的生意熱起來，人又不夠。

很多人說 AI 是泡沫。他看到的是愈來愈熱。股市也在新高附近。納斯達克 100 的 QQQ，當時還差大約千分之一才破新高，他覺得破過去問題不大。標普 500 的 SPY 早就破了。錢還在往科技、往 AI 灌。錢要花，一面買晶片，一面招人。

第二筆，知識和技能長在人身上。一個部門被砍，文件留著。文件裡沒寫的東西跟人走：哪段程式有坑，哪個客戶脾氣難搞，哪次事故是靠經驗救回來的。Amazon 後來發現，新招的人要補上這些，得花很久。回流的人回來第一天就帶著。請人回來這件事，他沒有讀成念舊。他把外面請一個人的帳單攤開：獵頭費、團隊幾十個小時的面試、半年磨合，再加上招錯的風險。這是一個人的成本，幾十萬美元，甚至上百萬美元。請熟人回來，這筆馬上省掉。熟人知道坑在哪。招錯熟人的風險也小，因為人通常不會變。

ADP 的說法是，回流員工帶來的，常常是外面很難找的技能，上手也比外部招募快得多。

疫情那幾年大裁過一輪，過了幾年也有人被請回去。當時少的是這種比例。現在科技業新招裡接近三分之二，是以前的老員工。招募的入口從公開市場，轉到公司自己的前員工名單。人才庫換成離職檔案。

他覺得，科技業裁員跟個人績效沒多大關係。裁的是公司不要的業務線。

問你為什麼走，信就按那個理由改

recruiter 問你為什麼走，是在給離職原因建檔。他說，通常優先招的是自己走的人。公司看不上、裁掉的那些，排在後面。他比成相親。想追的，是當初看不上自己的人。自己先拒絕的，沒那麼想追。原因建完檔，後面的信就按當初走的理由改。因為到班走的，信先談地點，談一週回辦公室幾天。因為薪水走的，先談錢。

別家也在轉同一圈。Google 去年招進來的 AI 軟體工程師，兩成是前員工。Salesforce 在 2023 年裁了八千人，幾個月後公開鼓勵前員工回來。Meta 今年裁了約八千人。微軟最近又裁了不少人。Oracle 一年砍了兩萬一千人。裁的同時，這些公司都在招人，方向集中在 AI 和雲。最好招到的，常常就是自己剛剛裁掉的，或者剛剛自己走的。

按部門把人裁掉，再按當下要的技能把人招回來。裁的那一下很快，業務線不要了，人就走。等到真的要補位子，履歷最合、上手最快的，卻是剛離開的那些。回旋鏢就飛回來了。

對公司還有一個好處，在年資上。人離開再回來，年資變短。下次再被裁，遣散費按較短的年資賠，公司可以少付一截。

人回不回，是另一件事。

回不回，先看總包、面子，和這條線還在不在

一邊是價格。員工論壇上流傳的經驗是：Amazon 給回來的人，通常按你走之前的總包，也就是離職前那份整體薪酬。外部候選人那種往上拔的價錢，回流這批常常拿不到。前幾年市場很熱，有人靠回流拿到現金很厚的報價。後來公司收緊。理由是回流的人太多，不必再用溢價把人勸回來。比例一高，公司知道你們會回來，就不急著加價。

他自己看現在的市場，感覺並不差。AI 很熱，傳統職位也還不少。他說自己其實不確定行情到底怎樣，所以想出去試。極度好的公司確實不多。很多位子薪水還可以，可是要有一截明顯的漲幅他才肯動，這種公司很少。他覺得不能等確定要跳了才投履歷。投，是為了看行情。先前投的都是頂尖公司，大約五六個位子。有一家 recruiter 回了，後面沒下文，可能那一關就停了。

另一邊是面子。很多人覺得，公司都把你開掉了、裁了，再把你招回去，你若回去就像認輸，沒面子。自己辭職再回去，感覺不一樣。科技業新招裡三分之二是回流。他說，多數人應該被裁過。自己主動離開的，只是其中一部分。這一關，行業裡很多人已經過了。公司來找你，和你自己去敲老東家的門，仍是兩回事。公司主動來，認輸的是公司。接著看重新定價。若按原來的錢找你回去，他覺得有點羞辱。很多人也許沒得選。沒得選，也會接這種 offer。

回去仍有幾樣實的。面試變短。外部候選人現在常常要過五六輪，等上幾個月。回流的人可能就一兩輪，跟 Hiring Manager 聊一聊，幾天或幾週就回去。人是公司找來的，籌碼比自己投履歷大。公司把 offer 遞過來，是它缺你這一類。recruiter 問為什麼離開，表示有得談。總包可以談，簽約獎金可以談，到班的天數可以談，辦公地點可以談。科技公司的辦公地點，他覺得通常很活，人想去哪裡多半談得成。relocation，搬家費，他說肯定夠付完整個搬家。他的底線是：決定回去，就要一個好的報價，不要按當初離職那包走回去。真的找不到工作，那是另一回事。

還得看新的業務線是不是核心，線穩不穩，專案穩不穩。回到邊緣專案，或一個還不知成敗、看起來就會失敗的專案，他勸人慎重。他把穩定看成專案決定的。人不在核心專案上，就危險。就算還在職，他也覺得該挪位置。下一輪裁員，先走的常常是非核心專案的人。

不能因為 AI agent 現在熱，就覺得那個部門一定好。今年熱的，明年未必熱。有些傳統部門是現金牛，穩定把現金送進公司，反而可能更穩。矛盾也在這裡。這些部門同時等著 AI 這把刀揮下來，把裡面的人換掉。

省下的磨合，換來一批不想再談感情的人

請回來的人，對公司的態度跟第一次入職不一樣。忠誠度基本上清零。以前為了公司，時間賠得出去，健康也賠得出去，加班就加班。現在這批人多半改成能佔的便宜就佔。他也承認有相反的例子。有人覺得位子來之不易，要更拚，好好保住。看透的人則明白，再努力，在大勢面前不值一提。裁員很多時候，看的根本不是你努不努力。回流的人很多都知道，公司隨時還會再砍。忠誠不必再提，感情也不必再談。公司跟家不一樣。家通常不會裁家裡的人。

公司省下回流員工的磨合，也省下一截招募成本，換來的是一批隨時準備再走、不再談忠誠的人。

把原來的員工招回來，也說明裁員那筆帳沒算對。他是這樣算的：一家公司若半年後就把裁掉的人招回來，半年前那筆遣散費，加上現在重新招人的成本，就是決策失誤的帳單。所以他覺得，公司要裁，就得準備好很長一段時間不再補人。不然當初何必裁。

對個人，他講得很短。公司若裁員，或人自己要走，都好聚好散，不要燒橋。燒橋，就是走的時候把關係弄砸，老東家再寫信也進不去。沒弄砸的那扇，他覺得以後會更常開。

再往後，他估計公司去招被裁過的人，比例還會往上。裁員愈常態，被裁的人、自己走的人，堆出來的名單就愈大。名單夠大，公司懶得去外面找，直接在這份被裁和離職的檔案裡翻。ADP 現在這個接近三分之二，他覺得明年可能更高。

回流會變成一種職業形態。同一家公司進出兩三次，每一次中間去別處，把價錢抬一次，再回來。過去這是少見的異類。以後可能就是常態。所以任何一次離職，都不該被當成這家公司的門已經關上。那次離開，是把自己的價格掛到公開市場上，重新報一次價。報完，有可能再回到原來的公司。

他講到最後先丟了一句很衝的，希望大家都會被裁。下一句自己改口：希望離開是自己走的。

現代化可以從好幾年壓到幾個月，卡關的是銀行那套變更審核怎麼跟得上

https://claude.com/blog/how-to-prepare-for-ai-driven-code-modernization-projects

2026 年 9 月 23 日，Jonah Ezekiel 跟 Lexie Tonelli 在 Anthropic 的 Notes from the Field 寫他們管大型 code 現代化專案的經驗，做法從實際客戶部署來。兩人都是 forward deployed engineers，文章掛在 Enterprise AI、Claude Code。談的是關鍵系統、法規產業，現代化要怎麼組織。

銀行核心系統每一筆改動都得走變更管理、審核、核准。監理、稽核、業務都要求這套。流程讓關鍵系統值得信任，設計時的假設是：每筆改動是人寫的，每筆 diff 是人看的。

Agent 把寫改動加速了。以前當好幾年、全員投入的現代化，現在可以在幾個月、甚至幾週做完。動手前後的組織工作常常還是那麼多。卡關從產出改動，移到組織怎麼圍著那些 diff 動起來。

文章寫的是動手之前要做完的事：終點是什麼、合格證明（certificate）要帶什麼證據、放行政策（promotion policy）怎麼讓過關的改動進正式環境、前置條件、Agent 工作流、以及先在一小塊跑通再放大。

終點沒講清楚，後面每一筆都會變成「這樣算不算對」

終點是現代化完成時，技術棧跟行為要長什麼樣子。它決定這次是三種現代化裡的哪一種。

升級型（Uplift）是同一套技術棧的版本往上推，例如 C++11 到 C++20。棧本身沒問題、版本掉隊時走這條：執行環境走到生命週期終點、安全漏洞沒補、套件再也升不上去。終點是一個 runtime 版本跟一套套件。

轉換型（Transform）是換棧、行為固定，例如 COBOL 到 Java。問題在棧、行為被信任時走這條。終點包含升級型要的那些，再加上新 code 要跟的語言、框架、架構慣例。

重塑型（Reimagine）是在新架構上從零重建，行為一併改。行為跟 code 都要動時走這條。終點包含轉換型要的那些，再加上一份寫下來的新系統行為規格。

組織裡常吵要走哪一種。Jonah 跟 Lexie 寫，最靠近正式環境的人，通常想換棧、行為不動，把風險關住，也就是轉換型。另一邊，長期活在這份 codebase 裡的工程師想順便還技術債；其他業務利害關係人想趁機點新需求，也就是重塑型。兩邊都說得通。問題沒先收掉，後面會變成某一筆改動「算不算對」的吵架。一開始把路講清楚會多一點摩擦，整案會比較順。

要定終點，常常先搞懂現在這套系統。把舊 code 實際在做什麼抽出來，盤點現有行為，才好決定哪一段該改、哪一段該丟，也才知道這次是轉換還是重塑。這一步常常挖出沒人記得的商業邏輯跟邊界情況。

Claude 可以做掉很大一塊盤點：畫相依、把沒人記得是誰蓋的工作流寫下來。code modernization plugin 的 assess、map、extract-rules 會把商業規則挖出來，附原始碼出處，給工程師審。

只靠 Claude 的盤點，不見得抓得到一套舊系統真正怎麼動。業務使用者、開發者的訪談，加上內部文件，可以把洞補上。前面花時間收脈絡，後面工作流做的每一個決定都吃這份品質。

重塑型還要多做一件事：詳細的行為規格要寫下來，跟使用者群組談妥。

定終點的同時，組織要問這次現代化值不值得做。現代化舊系統可以降低後續維護跟營運成本。他們寫，就現場經驗來看，成本下降通常不是大多數現代化案子的主因。

風險下降常常才是最重要的好處。討論要不要做的時候，要把「不做」的風險一起放到桌上。系統帶著沒補的漏洞，可能變成資安事件，或一次大到足以把生意本身打掉的中斷。執行環境沒人支援，或懂這套系統的工程師愈來愈少，都會把風險往上推。

Claude Code 這類 agentic 寫碼工具把時程壓短了，預算還是很難估，組織就卡住。他們公開過一些大型現代化的成本，別人也有，可以當粗略基準。後面有預算怎麼估。

要讓案子動起來，通常最難的是內部共識，以及擁有這套系統的團隊、依賴它的團隊，願意承諾。商業理由跟目標常常要在領導層定下來，這一步會比較好走，後面合格證明跟放行政策的取捨也有錨。利害關係人對一筆改動能帶多少風險談不攏時，「不做現代化」的風險是另一個砝碼。

合格證明寫給 Agent 迭代，也寫給最後要合併的人

合格證明是每一筆現代化改動都要過的條件或測試。選的條件，合起來要能最有力地證明：這筆改動對得上終點，是對的。

每一條都該能在沒有人盯著的情況下勾得過，Agent 工作流才能自己迭代到過關；過不了，再標給人看。

裡面放什麼看終點，通常會從這張清單裡抽。原本的測試套件要過。現代化期間 Claude 寫的測試要全過。測試覆蓋率要到談好的門檻。效能基準留在談好的範圍裡。Claude 做獨立的對抗審查，每一次開新的 context window，找不到擋路的問題。有使用者介面的，Claude 用 computer use 找不到回歸。現況版本跟目標版本，同一組輸入要產出同一組輸出，輸入可以是線上的、錄下來的、或 Claude 生的。持久化狀態跟傳輸格式，在現況跟目標之間來回轉得回來。改動在 staging（測試環境）跑過談好的一段時間，錯誤率、延遲、警示沒有回歸。靜態分析跟安全掃描沒有新發現。編譯目標的話，建置要乾淨，型別檢查要過。

合格證明要跟之後會審、會放行進正式環境的人一起寫。現在就依賴這份 codebase 的開發者、使用者群組、業務負責人，在合格證明跟 Agent 工作流還在設計的時候拉進來。

他們的專業會決定合格證明量什麼。他們早進來，改動送到審核時才比較買帳。寫完有一個檢查法：他們願不願意只憑合格證明上的證據就合併。他們在裡面看見自己的門檻，後面的放行政策就可以比較輕。

合格證明要比對什麼、怎麼比，跟現代化類型有關。

升級型，對等是對原本那份 codebase，原本的測試套件可以當合格證明的核心。

轉換型，對等也是對原本那份，但原本的測試套件很少能在新棧上跑。正式流量重放、舊系統跟新系統之間的差異測試、跟正式環境並行上線，這幾件會做掉大部分的工作。

重塑型，合格證明錨在行為規格上。這是最難的一種。規格不像既有系統那樣，可以拿去對 diff，模型判斷會佔比較大一塊，結果也比較容易飄。這裡的合格證明靠從規格寫出來的測試、Claude 對每一筆改動對規格做的獨立對抗審查，以及新系統仍保留舊行為的那些地方做差異檢查。規格一釐清，合格證明就得改：規格的洞，常常先在這裡冒出來。

舊系統常常測試覆蓋薄、測試不穩、遙測很少。定義合格證明的一部分工作，就是把這些缺口找出來。強的合格證明撐不起來時，這一步最有用的其中一件事，是讓 Claude 把缺的證據補出來：把並行上線的環境站起來、做重放測試架、或多寫測試。

人一筆一筆看 diff，速度會跟不上 Agent 產出

放行政策是事先寫好、談妥的分級審核路徑，決定一筆改動要人看到多深，現代化才趕得上可接受的時程。

跟合格證明一樣，這一步要跟審核的人一起做，能嵌進組織既有的變更管理就嵌進去。細節會因組織、因它面對的風險取捨而不同，有幾條到處都成立。

改動按影響範圍跟 Agent 的把握分級。組織自己有變更或風險分級，就用那套。關鍵路徑維持完整的人審。

反覆出現的標記，修源頭。把被標記的改動過一段時間歸類來看。同一類標記一直冒出來，去改 Agent 工作流或合格證明，不要一筆一筆審。

輸出格式跟審核的人一起設計。談妥什麼資訊、什麼格式審得最快，哪些訊號比別的更讓人有把握。後面做工作流時，請他們先看早期樣本。

SME 的時間要花得準。SME 不會讀每一筆最後的 diff，他們的判斷仍是最缺的輸入。讓他們直接進最高風險那幾級，以及每一級裡被標記的 Agent 決定，不必在大 diff 裡翻。少數專家小時，就能顧到帶最多風險的那些改動。

這些規則很多是把 SME 的工時往前搬，專案一開始就請他們進來。他們的回饋會在整份 codebase 開跑前，把合格證明跟 Agent 工作流調好。

他們在樣本上的簽字，也會變成高把握區間走比較輕審核路徑的理由。傳統沒有 Agent 的做法，審核壓在最後。

放行政策還要反映這次現代化落在速度跟審核深度之間的哪一點。趕硬期限的現代化，例如執行環境即將失去支援，需要比較快的政策、比較輕的人審，並且明白約定每一筆改動接受比較多風險。

時程比較長的現代化，負擔得起比較深的人審、比較慢的切換。利害關係人會依風險胃口跟限制落到光譜上不同的點，值得在動手之前鎖死。

法規環境裡，任何改動走比較輕的人審，都會讓人真的不舒服。個別核准的人會猶豫要不要簽字，因為一筆壞改動的風險掛在他身上；領導層扛的是系統老化這件更大的風險。

Jonah 跟 Lexie 寫，放行政策的指令最好從組織頂層下來。事先談妥，一筆 bug 進正式環境時，責任是共擔的，不會釘在簽字的那一個人頭上。

這些仍依賴合格證明細到能當真正的證據，以及審核的人夠理解 Claude 是怎麼走到這一筆改動，才信得過。

環境、CI/CD、審核人力跟合規，常常卡在現代化團隊外面

平台或基礎設施管主機，QA 或釋出工程管測試容量，資安跟合規管核准。那些團隊常常有自己的 backlog 或核准流程。終點、合格證明、放行政策還在談的時候，需求一確定就要開口。

環境這邊，要有一台專用的遠端主機跑工作流，codebase 跟其他相關來源 Claude 要夠得到。合格證明要求的測試容量要有。能把合格證明撐厚的東西也要有：正式環境遙測、並行上線的環境、或拿來重放的正式資料。

codebase 跟 CI/CD 這邊，要有一份相依圖，根據建置與編譯紀錄、import 分析、或執行期追蹤。plugin 的 map 是起點，codebase 又大又舊時，前面可能還要做更多。套件與相依要怎麼處理，寫進終點定義。需要的話，相容性檢查準備好加進 CI/CD。若在原地現代化，談妥程式碼凍結政策。還在開發的人要有溝通計畫，涵蓋凍結、以及新的相容性要求。

團隊跟審核這邊，依賴這份 codebase 的其他團隊要談好怎麼參與，例如在合格證明上簽字，或依放行政策來審，並且把審核時間空下來。

資安跟合規這邊，Claude Code 要有一條被核准、可以用在原始碼上的模型通路。Agent 工作流走最小權限：只寫進現代化分支，沒有正式環境帳密。祕密跟個人資料從現代化分支清掉或遮掉。每一筆改動可追蹤，PR 連到一份 Agent 逐字稿跟合格證明的證據。新相依要做授權跟漏洞檢查。

工作流圍著終點、合格證明、放行政策來建，先小範圍跑通

用 Claude Code 做出客製的動態工作流。它把現代化拆成許多比較小、可並行的 subagent 支線來產出改動。

他們建議從 code modernization plugin 起步，工作流可能用到的東西放到檔案系統上，或經 MCP 讓 Claude 夠得到。終點、合格證明、放行政策、codebase、文件，以及合格證明要用的資料來源或工具，都算。他們這篇也可以丟給 Claude 當脈絡。這些構成專案的中央知識庫。

東西就位之後，建現代化工作流是比較容易的那一段。SME 視需要審 Claude 的產出，包括針對這份 codebase 的 skills、抽出來的規則，下游要靠它之前先看過。

把做出來的東西拿到 codebase 的小塊上跑，請 SME 看它產出的改動、Agent 的過程、以及合格證明過關的證據，再去調。

問題冒出來時，改的是工作流，不是每一筆改動。目標是有把握：放大之後，改動幾乎處處都能過合格證明，審核的人願意依放行政策合併。

跑的時候，先在 codebase 的一小塊從頭到尾做完現代化，含依放行政策審核、把改動合併進去。還便宜的時候把行不通的修好，重複到有把握，再放大到整份 codebase。

轉換型跟重塑型是在既有系統旁邊把目標建起來，完成後再切過去。升級型多一條路：在還活著的 codebase 上原地現代化，開發同時繼續。

系統不能停，或 codebase 變得很快、旁邊那份現代化複本很難跟上時，通常走這條。他們看過能用的做法是：從依賴的葉子往內，把 codebase 切成邏輯分區；一次凍結、現代化一個分區；CI/CD 擋住新的提交，不能把已經現代化的分區改回去。

法規環境裡，驗證常常比寫改動更貴

常有人問，這種現代化 token 會花多少。每次都不一樣，主要成本驅動大概是這幾件。codebase 有多少是要讀的、有多少是要改的。合格證明有多厚：在法規環境裡，驗證通常比寫那筆改動佔更大一份。合格證明要求多少新測試、多少測試修復。跑的過程中，其他團隊在旁邊合併，要對帳多少。

在一小塊 codebase 做完現代化時，量 token 用量，再外推到整次。試點看不到的，例如活的 codebase 上的對帳，當未知。這樣能估出整次現代化的成本下限。

試點量到的數字，也會指出 Agent 工作流哪裡能把成本壓下來。找出吃最多 token 的段落，想怎麼讓它省。運算重的驗證訊號放到比較便宜的檢查後面，容易過的先過，重的才跑。

機械、量大、合格證明能完整勾掉的工作，可以考慮用 Sonnet 這類在成本跟能力之間取平衡的模型。難的轉換、以及核對正確性的對抗審查，留給較聰明的模型。

便宜的模型過不了合格證明時，也可以升到較貴的模型。試點時把重試率仔細看過，因為連著幾次便宜的嘗試，可能比一次貴的更貴。把工作流跟試點資料都給 Claude，它可以一起做掉很大一塊分析。

現代化完的 codebase 是一份產出。其他產出是做出它的工作流、一份寫明什麼叫對的合格證明、一套變更管理已經接受的放行政策，以及每一筆進去的改動留下的證據軌。把這套打法寫成可重用的資產，下一輪升級或改寫，模式已經在。

Anthropic 的 forward deployed engineers 會跟客戶在最關鍵的系統上走這六步。