事件背景
2026 年初至中期，AI 產業經歷大規模人員調整。一方面，新創與大型科技公司宣佈裁員數千人；另一方面，握有 AI 公司股票與期權的內部人士（創辦人、早期員工、投資者）因公司估值攀升而身家暴增。這形成了一個視覺上極具對比的現象：財富與失業的雙軌進行。
表面現象 vs 深層結構
裁員本身並不新鮮——科技產業向來有週期性調整。但這波不同之處在於速度與規模：AI 能力從「實驗室概念」到「替代性職位」的轉變只用了 18-24 個月。傳統產業技術轉型往往歷時 10-20 年、給勞動力遷移的時間窗口；AI 則以近乎垂直的角度砲製。
與此同時，掌握 AI 技術的少數人（創辦人、核心工程師、早期投資者）在公司估值上升的過程中獲得了不對稱的報酬。一名 2023 年加入 OpenAI 的工程師、通過期權在公司估值從 290 億到 1500 億美元的過程中、帳面資產可能漲了 10-50 倍；而一名因 AI 自動化被裁掉的客服、則直接失去月薪。
經濟學背景
David Ricardo 在 1817 年觀察英國圈地運動時、就注意到了類似現象：新農業技術提升了地主財富、但小農和農工卻被驅趕出土地。Karl Marx 將其發展成「剩餘勞動價值被資本家攫取」的論述。
Schumpeter 則用「創造性破壞」來描述這個過程——破壞舊結構的同時創造新結構、但受益人與受害人往往完全不同。問題不在破壞本身、而在於：系統沒有設計好在誰獲益、誰蒙損的之間做出再分配。
為什麼這會變成「火藥桶」
TechCrunch 的標題用了「powder keg」，指的是社會不滿的累積。經濟學文獻指出，當同一時期內貧富差距擴大速度 > 人均收入增長速度時，政治不穩定性會上升。
具體來說：
1. 相對剝奪感（Relative Deprivation）：失業者看到的不是「我失業了」，而是「我失業、而他們身家翻倍」。心理上的衝擊遠大於絕對財務損失。
2. 流動性陷阱：被裁掉的多數是「中層技能」工作者——不夠資深做管理、但又過時無法轉型。教育與再訓練的時間成本高、成功率低。
3. 權力失衡：少數 AI 精英對政策的影響力不成比例地大（通過募資、遊說、媒體話語權），而失業者的政治聲音被邊緣化。
4. 路徑依賴：早期進入 AI 的人獲得了「進入壁壘優勢」——他們的資本、人脈、資訊優勢讓他們更容易在下一輪融資、併購、新創中持續獲利。失業者則面臨逆向螺旋：沒有工作 → 沒有財務安全網 → 無法承受學習成本 → 更難找到高技能工作。
歷史對照
1. 第一次工業革命（1760-1840）：紡織機械化導致英國手工織工大規模失業。他們砸毀機器（Luddite 運動）。最終是通過《工廠法案》、最低工資制、工會權利才解決——用了近 80 年。
2. 1980 年代 日本汽車進口對美國製造業的衝擊：美國汽車工人失業率飆升，同時日本汽車高管與投資者大賺。最終政府通過關稅保護、工會談判、職業培訓計劃才緩解矛盾。
3. 2008 金融危機：華爾街銀行家因衍生品交易獲得天價獎金，同時美國中產階級失去房屋與工作。這直接引發了 2011 年「佔領華爾街」運動和隨後的政治分化。
制度設計的關鍵
問題的根源不在「技術進步本身」——沒有人會反對 AI 提升生產力。問題在於：收益與風險的分擔機制。
可能的設計方向包括：
- **利潤分享制**：AI 公司在獲得高估值時、將部分股權或現金分配給受影響的員工與社區
- **轉型基金**：政府與科技公司共同出資、為被淘汰工作者提供高品質再訓練
- **累進稅制調整**：對高速增長資本利得課稅、用於失業保險與職業轉型
- **工會與利益相關者議價**：給勞動力在公司決策中更多發言權