28/11/2025
上週五受邀演講，小編提到 AI 讓本地化產業每單位的翻譯價格下跌，利潤下滑，但整個本地化產業的產值其實是在上升，本地化公司的營收也在增加。這看似反直覺的現象，就是所謂的「傑文斯悖論」。
從客戶端來看，由於每單位翻譯的價格下跌，過去他們沒有預算翻譯的內容，現在反而可以拿出來翻譯了。
我在演講時引用零售業「最後一哩路」的概念，說明當越來越多翻譯可以交由 AI 處理時，人類最後的任務可能不再是翻譯本身，而是完成最後一哩路：為翻譯內容「背書」。畢竟，有一些內容事涉重大，真的出錯需要有人負責，例如醫療、法律等。
就其他產業的經驗來看，擔任最後背書角色的人類，其人數雖然大減，但這些人將得到超額報酬。以放射師的例子來看，讀片子的工作交給 AI 做，但最後還是要由人類放射師「審核＋簽名」。
由於需求增加，供給下跌（許多人擔心被取代而不願意當放射師），導致負責背書的放射科醫生，他們的價值和薪資大幅提升。
但是，這種情況只是短暫的，當 AI 的能力達到 100%，不再需要人類監督時，需要由人類來完成最後一哩路的價值，也會斷崖式下跌。這是負責背書的人類要把握的最後時間窗口。
所以，人類該怎麼辦？
上週五演講結束後，一位大三的學生問我：「我是不是不該投入翻譯產業？」小編的回答是：「如果翻譯是你目前唯一可以馬上帶來收入的專業，那你不應該放棄它，而是應該想辦法提升你的翻譯效率。然後，把剩下的時間用來多方面接觸。」
自從上週 Gemini 3 pro 推出後，我看到許多完全不會寫程式的人分享自己設計的軟體，包括包藥、眼動儀、桌遊、財務規劃等等，大家的創意簡直飛上天。
對軟體工程師來說，他們也許正在擔心大家不再需要花錢請他們寫程式，或者把 AI 寫出來有 90% 以上完成度的程式碼交給他們改良，並藉此壓低他們的費率。但對一般人來說，寫程式的門檻被大幅剷平後，我們的創意和想像力於是得到解放。
至於解放後可以為我們帶來什麼，則非常靠個人的發揮。過去的經驗當然有幫助，但幫助越來越有限，現在更需要的是不斷嘗試、小成本試錯以及拓展觸角。
幾年前，還有人在討論是不是要從Ａ行業跳到Ｂ行業，但現在我們看到軟體工程師的職缺數比許多職業更雪崩時，已經要改變消極的「跳船」思維。畢竟，在這樣的環境裡，沒有一個職業是安全的。即使是體力勞動，也不是不會受到 AI 影響，只是時間慢一點而已。
AI 會讓服務業大失業嗎?
歷史告訴我們，總需求反而會大幅增加!
上一篇我們談到，
AI 正在打破鮑莫爾效應，
服務業的生產力將會明顯提升，並普遍降低服務業價格。
但服務業生產力提升後，會因此帶來失業潮嗎?
直覺告訴我們：會，因為可以用更少人完成同樣工作。
歷史告訴我們：不會，市場需求會因此大幅增加。
這就是傑文斯悖論，
一個 160 年前工業革命時代的經濟學定律，
正在人工智慧時代重演。
━━
＃160年前的發現
1865 年，
英國經濟學家 William Stanley Jevons 發現一個奇怪的現象:
瓦特改良後的蒸汽機問世後
→ 煤炭使用效率提升
→ 煤炭總消費量應該減少，因為可以用更少煤炭完成同樣的工作
→ 但煤炭總消費量反而大幅增加
這違反直覺。
照理說，效率提升應該讓我們「用更少煤炭做更多事」，
總消費量應該下降才對？
但 Jevons 發現邏輯是這樣的:
當煤炭燃燒效率提升到某個臨界點，
意味著可以用更低成本享受這項服務:
• 原本用不起的人開始用(市場擴大)
• 原本沒想到的應用場景出現(工廠、火車、家庭暖氣)
• 總需求遠遠超過效率提升帶來的節省
這就是傑文斯悖論:當某個東西變便宜，
我們不會少用，而是會用更多。
160 年後，這個定律正在 AI 時代重演。
━━━━━━━━━━━━━━━━━━
＃歷史一再重演
傑文斯悖論不是特例，而是規律。
從 56K 撥接到 5G 吃到飽，頻寬傳輸效率大幅提升，頻寬成本因此下降了 90% 以上。
但人們的上網時間反而從每月 100 分鐘暴增到 200 小時以上。因為便宜的頻寬讓視訊會議、直播、串流影片變成日常。
所以經濟規律很清楚：便宜化 = 普及化 = 市場爆炸性成長
到了人工智慧時代，這個狀況輪到服務業了。
━━━
＃AI正在讓服務業經歷傑文斯悖論時刻
過去，服務業無法「量產」，但 AI 改變了這個限制。
案例1:法律服務
AI 讓法律諮詢成本可能從 $1500/小時降到 $100/小時。中小企業開始請得起法律顧問,個人也會為租約、勞資糾紛諮詢律師。企業可以用 AI 輔助審核 100 倍的合約量。市場不會萎縮，反而會因為「人人用得起」而爆炸性成長。
案例2:教育
AI 讓教育成本可能大降，除了升學考試可以有更多個人 AI 家教輔導以外，學習也從「學生時代」變成「終身學習」。以前太貴的興趣教育(畫畫、音樂、攝影)現在人人學得起。每年都要學新技能，個性化學習路徑成為常態。
━━
＃但利益不會平均分配
傑文斯悖論告訴我們：總市場會變大。
但這不代表所有人都受益。
讓我們看歷史教訓：
工業革命:
輸家：手工織布工失業
贏家：紡織工廠工人、工廠主、機器維修工
網路革命：
輸家：報紙編輯、旅行社失業
贏家：軟體工程師、平台公司、內容創作者
規律：能掌握新技術的人，拿走大部分利益。
AI 時代也一樣。總市場會變大，但會出現極端分化。
━━
＃放射科醫生的啟示：最後 1% 會變超值錢
Andrej Karpathy(前 Tesla AI 總監)提出一個有趣的觀察:
他用 Waymo 自駕車類比:
• Waymo 剛推出時，車上必須坐一個人監督
• 即使 AI 處理 99% 的駕駛工作
• 那個「監督員」還是必要的
• 因為法規要求、因為責任歸屬、因為極端情況處理
放射科醫生也是這樣:
• AI 可以診斷 X 光片，準確率可能達 95%
• 但法律規定:必須由「人類醫生」簽名確認
• AI 處理 99% 的診斷工作
• 醫生只需要「審核 + 簽名」
最近 Google CEO Sundar Pichai 跟 Nvidia CEO 黃仁勳
也都提到這個放射科醫生案例。
結果是什麼?
需求端(傑文斯悖論):
• AI 讓診斷變便宜 → 診斷需求暴增
• 更多人做健檢、更頻繁追蹤
• 需要更多「人類簽名」
供給端(瓶頸效應):
• 放射科醫生培訓需要多年
• 原本以為會被 AI 取代，所以願意當醫生的人變少
• 結果供不應求
結果：放射科醫生需求大幅增加
這就是 Karpathy 說的:
「如果你是最後的瓶頸，而且不可替代，你的薪資會暴漲。」
但他也提出警告:
「薪資會持續上漲，直到 AI 達到 99%。但當 AI 達到 100%，薪資會斷崖式下跌。」
這是一個時間窗口。
在 AI 還需要人類監督的這段時間，
「最後 1%」會非常值錢，但這個窗口不會永遠存在。
━━━━━━━━━━━━━━━━━━
＃我們正站在歷史的轉折點
160 年前，Jevons 發現煤炭效率提升反而讓消費量暴增。
現在，AI 正在讓服務業經歷同樣的革命。
而且是短時間內、大規模的、全面性的可規模化生產。
可以想見的，服務業價格將會大幅下降。
而歷史告訴我們:當某個東西變便宜，我們不會少用，而是用更多。
總市場會變大，但利益不會平均分配。
就像 Karpathy 說的：
「如果你是最後的瓶頸，而且不可替代，你的薪資會暴漲。」
所以，關鍵不會是「AI 會不會取代你」，
而是「你能不能成為那個不可替代的瓶頸」。
傑文斯悖論告訴我們：服務業的市場會變大，但利益會更集中。
你準備好了嗎?
━━━
延伸閱讀:
William Stanley Jevons， "The Coal Question" (1865)
Dwarkesh Patel 訪談 Andrej Karpathy
Alex Danco， "Why AC is cheap， but AC repair is a luxury" (2025)
