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。