事件
2026 年 4 月底,鴻海與 NVIDIA 宣布共同開發製造工廠虛擬模擬環境,用以訓練 AI 智慧製造系統。鴻海智慧製造平台處長郭錦斌強調,AI 的目標不是取代人類,而是「把人力拿去做更有效的使用」。
三大場景背景
新聞列舉三個實際場景說明:
1. 製造業:深圳廠原本需 80 多位操作員的產線,計畫透過機器人取代 8-9 成人力,但保留 1-2 成監督、決策與異常處理的工作。
2. 醫療護理:全球護理人力缺 590 萬人,現有護理人員 40% 精力耗在搬運、清潔等重複作業,若用自動化釋放這部分,可轉向高價值的臨床判斷與情感互動。
3. 精密組裝:手機組裝從純人工轉向「人機協作」,人負責品質檢驗與創新工序改進,機器負責標準化重複動作。
永恆原則
這三個案例指向一個更深層的經濟選擇邏輯:
增強 vs. 替代的差異決定了企業與社會的長期軌跡。
- **替代思路**:機器成本 X、人力成本 Y,當 X < Y 時全面自動化,短期成本下降、利潤提升。但失去了人的適應性、創新性與例外處理能力,企業陷入「可優化但不可創新」的陷阱。
- **增強思路**:機器做 80% 標準化工作、人做 20% 非標準化工作。前期投資更高(需訓練人員、設計協作流程),但保留了人對突發事件的判斷力、對市場變化的敏銳性,以及組織學習能力。
為何現在浮出水面
1. 生產力悖論解開了:過去 AI 只能做分類、識別,無法做決策。Physical AI(具身智能)與強化學習的進展,讓機器可以處理 70-85% 的製造工序,但剩下的 15-30%(機器故障診斷、設計改進、客戶異常需求)仍需人類判斷。
2. 缺工成為常態:全球老齡化使重複勞動力短缺,企業面臨選擇:要麼全自動化(資本密集、風險高),要麼優化現有人力結構(彈性高、可持續)。
3. 成本結構逆轉:在發達國家,人力訓練成本 < 完全自動化成本。鴻海選擇虛擬工廠訓練,本質上是在降低「人力升級」的邊際成本,而非逃避人力問題。
隱含的賽局
企業選擇增強而非替代,實際上是在下一盤 30 年的棋:
- **穩定性**:保留人力,降低激烈工人失業潮帶來的社會風險與政策干預。
- **創新能力**:人可以提出「為什麼要這樣做」的根本問題,機器只能優化「怎麼做得更快」。
- **組織靈活性**:市場變化時,人員快速轉崗比重買新機器快;機器故障時,人可以應急。
這不是道德選擇,而是在不確定性下的理性投資。