潁川學探索AI「強者越強」的趨勢
作者 陳銀欉（教育工作者）
前言
從2026看向2030 ，AI不是單純取代工作，而是在重新分配人類的能力、財富與權力。
AI影響力越來越大，人類來不及因應，強者越強，已經不只是抽象憂慮，而正在逐步變成可以從企業投資、人才市場、教育落差與國際競爭觀察到的結構性現象。
AI並沒有單純造成「所有強者都更強、所有弱者都更弱」；真正發生的是「具有互補資源的人，取得AI紅利的速度遠高於其他人」。
換句話說，決定2030年勝負的，可能不是「有沒有AI」，因為AI會愈來愈普及，而是：
誰擁有算力、資料、人才、資本、組織能力、教育能力，以及把AI轉變成真正生產力的能力。
一、第一個警訊已經出現：AI普及了，但AI紅利沒有平均分配
OECD最新資料顯示，2025年已有超過三分之一的OECD地區民眾使用生成式AI，但是不同族群之間出現明顯差距。
最驚人的不是男女差異，而是年齡、教育與收入差距。
OECD估計，年齡群之間的AI使用差距達到53.6個百分點；不同教育程度與收入群體的差距，也都約為21個百分點。
16歲以上學生約四分之三已經使用生成式AI，而退休或非勞動人口使用率只有12.5%。
這件事非常值得重視，
過去我們談的是：
Digital Divide——數位落差。
2030年前更大的問題可能變成：
Intelligence Divide——智慧落差。
因為使用網路的人與不使用網路的人，主要差距是資訊取得速度；但使用AI與不會使用AI的人，差距可能直接變成：
學習速度、工作效率、創造能力、決策品質與收入能力的差距。
所以AI的不平等，遠比上一代數位不平等具有「複利效果」。
二、企業「強者越強」已經有非常明確的數據
OECD的企業資料尤其重要。
2023年，OECD有資料可比較的企業中約8.7%使用AI；2024年升至14.2%；到了2025年已經達20.2%。
兩年之內，企業AI採用率超過翻倍。
可是問題就在下一個數字：
大型企業AI使用率52.0%，小型企業只有17.4%。
這幾乎就是「強者越強」最直接的實證。
表面上看，ChatGPT、Copilot等生成式AI降低了使用門檻，小公司也可以使用。
但真正的企業競爭不是：
「能不能打開AI？」
而是：
「能不能把AI嵌入整個公司？」
兩者完全不同。
大型企業有能力購買GPU、建立資料中心、聘請AI工程師、建立專有資料庫、重組工作流程、進行資安管理、建立AI治理制度。
小企業可能只有員工使用免費或訂閱版AI。
因此，表面上兩家公司「都有AI」，實際競爭力可能相差十倍、百倍。
三、資本正在以前所未有的速度向AI集中
截至2026年8月底，這個現象甚至還在加速。
Nvidia最新季度資料顯示，其資料中心營收年增117%，達890億美元；大型科技公司持續投入AI基礎建設，2026年產業相關支出估計可能超過7,300億美元。
阿里巴巴8月23日宣布約102億美元香港配股，資金全部投入AI生態系，包括晶片、基礎設施與模型研發。
SK海力士則正投入龐大資本擴充HBM高頻寬記憶體，並預期AI相關記憶體供應吃緊的狀態可能延續到2030年。
所以AI革命與網路革命有一個重大差異。
網路曾經出現：
一台電腦＋一條網路線＋幾個人，就可能創業。
AI基礎模型革命則重新變成：
資本密集＋能源密集＋算力密集＋人才密集。
這會自然產生集中化。
因此，我們把目前AI經濟概括為一個公式：
AI競爭優勢＝資本 × 算力 × 資料 × 人才 × 平台 × 時間
而且這不是加法，是近似乘法。
其中任何一個變數具有巨大優勢，都可能進一步放大其他變數。
四、AI＝大量裁員目前仍不能下結論
這一點需要保持客觀。
ILO最新全球研究估計，全球大約四分之一工作具有某種程度的生成式AI曝險，但只有約3.3%的全球就業落在最高曝險程度。
ILO目前仍認為，更可能發生的是：
Job Transformation，而不是 Job Extinction。
也就是「工作改變」大於「工作完全消失」。
所以「AI即將造成所有人失業」目前證據不足。
然而，另一個問題正在浮現：
AI可能先改變「新人怎麼進入職場」。
Stanford 2026 AI Index指出，在高度暴露於AI的工作中，最年輕工作者受到的影響已經比較明顯。例如22至25歲軟體開發人員的就業，相較2024年下降近20%。同時，約三分之一受調查組織預計未來一年AI可能降低其人力需求。
這比全面失業更值得關注。
五、未來最大的職場危機可能叫做「斷梯效應」
傳統人才培養方式是：
助理 → 初階專員 → 中階專業人才 → 高階主管。
人是在低階工作中慢慢學會：
怎麼寫第一份報告、怎麼修改第一份合約、怎麼做第一次市場分析、怎麼寫第一支程式、怎麼整理研究資料。
現在這些工作，剛好是AI最容易協助甚至部分自動化的部分。
於是企業可能會想：
「以前需要10個junior，現在3個資深員工＋AI就夠了。」
企業短期生產力提高。
但是十年後會出現另一個問題：
沒有Junior，未來Senior從哪裡來？
我把它稱為：
「AI職涯斷梯效應」。
這可能成為2030年代企業人才治理最棘手的問題之一。
因為企業各自追求短期效率，最後可能造成整體社會的人才養成鏈斷裂。
六、Meta今年的案例提供了一個非常重要的反證
因此，我也不贊成把「強者越強」簡化成「大企業一定能靠AI裁掉大量員工」。
2026年Meta曾推動大規模AI原生組織改造，希望利用AI Agent縮小團隊、減少管理層，部分構想甚至涉及大幅降低團隊人數。
結果並不順利。
路透8月26日報導，內部遭遇AI可靠性、資安、員工信任與生產力問題，原本更激進的人力重組方案最後被縮減。
這是一個極重要的案例。
它證明：
擁有最先進AI，不等於自動擁有最好的AI組織。
這也是我對「強者越強論」的一項修正。
2030年的贏家不只是「資本最多的人」。
而是：
最懂得重新設計「人＋AI」工作系統的人。
七、教育正在成為整場AI革命最危險的落後部門
Stanford university2026 AI Index顯示，美國超過80%的高中與大學生已經把AI用於學校相關工作。
可是只有大約一半中學建立AI政策。
更值得注意的是：
只有6%的教師認為AI政策足夠清楚。
這是一個非常鮮明的文明落差：
學生已經進入AI時代，學校制度還沒有。
因此，我們會把未來最大的教育風險寫成：
AI能力成長速度 ＞ 教師轉型速度 ＞ 課程改革速度 ＞ 教育法規速度。
如果繼續下去，學校就可能發生一個非常荒謬的現象：
學生放學後使用世界最先進的人工智慧；
第二天回到學校，仍然以二十世紀的方式學習、考試。
八、真正的教育危機不是「學生用AI作弊」
這是我們要特別強調的一點。
如果AI可以在幾秒鐘內完成一篇普通文章、摘要一份資料、解一道標準化題目，而我們仍然把這些工作當作主要考試方式，那麼首先應該被檢討的，不一定只是學生。
而是：
我們是不是仍然在考AI最擅長的東西？
AI教育因此必須從「知識答案教育」轉向「判斷教育」。
未來最重要的五種能力，很可能是：
問題力、判斷力、整合力、創造力、責任力。
因為AI可以給你十個答案。
但它不能替人類完成最後一道文明問題：
「哪一個答案應該被採用？」
九、台灣目前站在一個非常特殊的位置
台灣既可能成為AI「強者越強」最大的受益者之一，也可能成為最大的結構性分化案例之一。
原因是台灣掌握全球AI供應鏈的重要位置。
近期聯電已因AI需求提高2026年資本支出並擴大台灣與新加坡產能；聯發科也正在大規模籌資進攻資料中心AI晶片市場。
台灣擁有：
半導體、先進製造、封裝、伺服器、ICT供應鏈。
這是巨大優勢。
但是台灣真正需要問的不是：
「台灣是不是AI晶片強國？」
而是：
「台灣是不是AI應用強國？」
兩者不一樣。
十、台灣的真正危機是「一座島、兩個AI世界」
台灣未來可能形成兩個完全不同的經濟世界。
一邊是：
半導體、AI伺服器、IC設計、高階工程師、科技業、高薪人才與全球資本。
另一邊則是：
傳統服務業、中小企業、地方產業、高齡人口、非科技工作者。
如果前者高速AI化，而後者轉型很慢，就會形成：
產業K型化＋所得K型化＋人才K型化。
這甚至比單純貧富差距更難處理。
因為它同時涉及：
薪資、產業、教育、地理、世代與數位能力。
十一、目前台灣AI人才資料，也已經顯示轉型壓力
行政院國發會2026年相關產業人才調查顯示，受訪企業中36.9%已具備AI工具人才，而且預計繼續增聘AI人才；另有55.3%已具備相關人才但暫時沒有擴編需求。
更重要的是，研究直接指出AI新興職務正面臨：
人才數量不足、人才素質不足、現職人員技能不符、新興職務快速增加等結構性問題。
行政院今年也進一步推出「AI產業人才認定指引3.0」，把AI人才區分為應用、開發與研究三類，並把「AI治理素養」及「AI協作與開發」納入能力框架。
這個方向是正確的。
因為台灣真正需要的，不可能全部都是AI博士。
真正巨大的需求將是：
「專業人才＋AI」。
法律＋AI。
醫療＋AI。
製造＋AI。
金融＋AI。
教育＋AI。
行銷＋AI。
政府治理＋AI。
這才是全民AI化的真正意義。
十二、「文憑貶值」還會繼續，但不會變成「教育無用」
我們目前的判斷是：
學歷不會消失，學歷的定價方式會改變。
過去：
學歷＝能力的代理證明。
AI時代：
學歷＋技能＋AI協作＋作品＋實際成果＝能力證明。
因此未來真正被削弱的不是「教育」。
而是：
只有文憑、沒有能力的教育。
反過來說，一個真正受到良好教育、具有深厚專業知識，又會運用AI的人，反而會比以前更有競爭力。
這正好再次回到：強者越強。
十三、2030年前我目前的趨勢評估
趨勢 /目前訊號 /2030判斷
1.AI使用全面普及 /★★★★★ /幾乎確定
2.大企業比小企業更快AI化 /★★★★★ /高度可能持續
3.初階白領工作減少 /★★★★☆ /高機率
4.大規模全面失業 /★★☆☆☆ /尚無足夠證據
5.技能取代部分文憑價值 /★★★★☆ /高機率
6.AI人才薪資溢價 /★★★★★ /持續
7.資本與算力集中 /★★★★★ /極高機率
8.AI造成貧富差距擴大 /★★★★☆ /若無政策介入，高機率
9.教育改革落後AI發展 /★★★★★ /已經發生
10.「人＋AI」取代單純人力組織 /★★★★★ /2030前主流化
11.中小企業被大型平台擠壓 /★★★★☆ /重大風險
12.AI能力成為基本公民能力 /★★★★★ /幾乎確定
這張表其實就是我們未來可以持續追蹤的「AI強者越強指標」。
十四、真正可怕的不是「強者越強」，而是「強者開始自我加速」
傳統優勢是線性的。
有錢的人可以聘請更多人。
AI優勢卻可能形成一個閉環：
資本 → 算力 → 更好的AI → 更高生產力 → 更多利潤 → 更多資本 → 更多算力。
企業如此。
國家也是如此。
人才也是如此：
知識 → 更會使用AI → 學得更快 → 能力更高 → 得到更好工作 → 接觸更好資源 → 更會使用AI。
因此AI時代最值得警惕的，不只是「差距」。
而是：
差距開始具有自我複製能力。
這才是真正的「AI馬太效應」。
十五、潁川學提出一個新的「AI強弱循環定律」
我們要把目前觀察進一步整理成：
能力產生AI紅利，AI紅利反過來增強能力；
資本產生AI紅利，AI紅利再累積資本；
知識產生AI紅利，AI紅利又加速知識；
落後同樣會自我循環。
所以：
強者不是因為AI而突然變強。
而是AI把原本10%的優勢，變成20%、50%、100%，再繼續複利。
十六、2030年以前仍然存在一個巨大的「翻盤窗口」
這也是我們不悲觀的原因。
目前AI革命還處在非常早期。
Stanford university資料雖然顯示企業廣泛採用AI，但真正部署AI Agent到各項企業功能的比例，目前大多仍只有個位數。
換言之：
革命已開始，但制度還沒有定型。
這代表2026—2030其實正是最重要的四年。
一個企業如果現在開始轉型，還來得及。
一個學校如果現在改革AI教育，也還來得及。
一個50歲、60歲甚至70歲的人，如果現在學會AI，也還來得及。
一個國家如果現在開始建立全民AI能力，也還來得及。
真正危險的是：
以為還有很多時間。
十七、潁川學對2030年的三種文明情境
我們認為現在可以先建立三個面向，不把未來只想成一條路。
第一種是「AI寡頭社會」。
少數平台掌握算力、模型與資料，企業高度集中，中產階級縮小，AI紅利主要歸資本所有。
這就是最典型的「強者越強」。
第二種是「全民AI增能社會」。
政府把AI素養變成像識字教育一樣的公共能力，學校、企業與職業訓練全面重構，AI提高整體勞動生產力。
這是最理想的方向。
第三種是「雙軌AI社會」。
少數科技產業世界領先，但大量傳統產業與人口沒有真正轉型。
我們認為：
台灣最大的風險其實是第三種，而不是第一種。
因為台灣很可能同時擁有世界最先進的AI硬體產業，卻留下大量尚未AI化的服務業、中小企業與教育體系。
十八、台灣真正需要的是「AI基本國民教育」
AI不應只是一門資訊課，
它應該變成新的基本能力。
過去教育普及的是：
讀、寫、算。
二十一世紀中葉可能必須加入：
AI、資料、判斷。
也就是：
讀＋寫＋算＋AI＋資料＋判斷。
如果一個人不能理解AI如何產生答案、不能判斷AI幻覺、不能善用AI提升自己的工作能力，那麼他的處境很可能就像今天一個完全不會使用網路的人。
這已經不是資訊技術問題，
而是新的公民能力。
十九、潁川學最後要追問的仍然是「人」
如果AI最終把智力工作大量商品化，那麼人類剩下什麼？
我們認為答案反而會愈來愈清楚。
AI最容易商品化的是：
標準答案。
因此最有價值的人類能力會逐漸變成：
提出值得回答的問題。
AI最容易商品化的是：
資訊。
因此最珍貴的能力變成：
判斷。
AI可以模擬語言。
所以：
誠信變得更珍貴。
AI可以大量創造內容。
所以：
真正的思想變得更珍貴。
AI可以提供建議。
所以：
承擔責任的人更重要。
這也是為什麼科技發展到最後，仍然會回到哲學。
二十、潁川學的結論：從「強者越強」走向「人人能強」
我們認為到了2026年8月，我們已經可以提出一個比較明確的判斷：
「AI強者越強」不是危言聳聽，而是一個正在形成的經濟結構。
企業規模的AI採用落差已經存在；教育與收入的AI使用落差已經存在；全球算力與模型能力高度集中也已經存在。
但歷史還沒有寫完。
真正決定2030世界的，將不是「AI有多強」。
而是：
AI所創造的新能力，最後究竟掌握在多少人手中。
如果AI只掌握在少數資本、平台與科技菁英手裡：
強者越強，弱者越弱。
如果教育可以把AI變成全民能力：
弱者亦可變強，後進可以超越先進。
所以我們會把這一期《潁川學AI強者越強追蹤報告》的核心思想凝結成三句話：
1.AI之強，不可怕；可怕的是人類能力分配不均。
2.科技之快，不可怕；可怕的是教育與制度來不及。
3.強者越強，不應被成為宿命；讓人人都有變強的機會，才是AI文明真正的進步。
因此，潁川學未來真正值得建立的，不只是「AI發展研究」，而是一套「AI文明公平論」：
科技提升生產力，教育分配能力，制度維護公平，人性決定方向。
到了2030年，我們最終評價AI革命成功與否的標準，不應只是全球多了多少兆美元GDP，也不是模型智商究竟超過多少人，而應該問：
「AI究竟讓少數人擁有更大的力量，還是讓更多普通人第一次擁有改變自己命運的力量？
這，才是「AI強者越強」之後真正需要探索的文明命題。」
資訊來源
https://money.udn.com/money/story/5599/9716766?from=ednappsharing
