日本失落時代的經驗帶給我們的啟示

最近在 YouTube 上看到一部《以日為鑒》的導讀，看完後我的第一直覺是，這是日本走過的路嗎？ 怎麼感覺它們走過的坑，台灣每一個都有阿？

後來我在網路上查了一下，這本書最近在中國掀起熱潮，因為他們也覺得自己正在走日本的老路，而且說不定狀況還比想像中更糟。

於是，我開始想要了解這當中的邏輯是甚麼，為何我們這些東亞國家都會遭受同樣的情況呢？

雖然我沒去看韓國的評論，但估計大家應該都差不多，因為我們都面臨著社會經濟從「增量型」轉入「存量型」的進行式，日本發展的比較早，所以它們先演給我們看了。

當代社會（尤其是東亞）正從「流量時代」轉入「存量時代」，這就導致了競爭本質的崩壞：

1. 從「開拓」變「內捲」： 在增量市場，大家比的是誰跑得快（開拓新市場）；在存量市場，大家比的是誰比較耐操、誰比較能熬（在既有市場裡把對手磨死）。

2. 社會階級的固化： 「存量」往往掌握在早進場的人手中（比如台灣 5、6 年級生手中的房地產）。因為沒有新的增量（薪資漲幅跟不上），年輕人很難透過努力去獲得這些存量，這就是「存量社會」的集體焦慮。

為了怕自己以後忘記「增量」跟「存量」的含義，我先把相關的定義記錄下來，這樣才方便展開後續的討論。

我們常聽到的「增量」和「存量」，其實源自於經濟學與會計學中一對最基礎的觀念：流量（Flow）與存量（Stock）。

要理解這兩個詞，最直觀的辦法就是想像一個「水池」（又是水池，系統動力學也是用水池來比喻，水池真是萬用）。

1. 「存量」：池子裡剩多少水？在經濟學中：

流量： 指的是一段時間內，「新流入」池子的水量（比如每分鐘流進 5 公升）。這就是增量的來源。

存量： 指的是在某一特定時間點，「池子裡現有」的水量（比如現在池子裡總共有 100 公升）。

「存量市場」這個說法的由來： 當一個行業或社會不再有「新水」流進來（沒有新客戶、沒有新資金、沒有新人口）時，大家競爭的對象就只剩下池子裡原本剩下的那 100 公升水。這就是為什麼我們叫它「存量市場」。

2. 增量市場就是「把餅做大」，狀態： 蛋糕還在烤，而且越烤越大。

邏輯： 只要你努力，你可以分到新烤出來的那一塊。你變有錢，不代表別人變窮，因為總量在增加。

例如 2010 年的手機市場。那時很多人還沒換智慧型手機，廠商只要做出產品，就能抓到「新客戶」。

3. 存量市場就是「搶別人的餅」，狀態： 蛋糕已經烤完了，就這麼大，而且不會再增加了。

邏輯： 這是一個零和遊戲。如果你想多吃一口，就必須從別人的盤子裡搶過來。你的增長，必然建立在對手的倒閉或萎縮上。

例如 現在的手機市場。幾乎每個人都有手機了，蘋果想增加銷量，通常得讓其它家的用戶「跳槽」。

增量是「變量」，屬於動態的擴張；存量是「基數」，屬於靜態的分配。

當台灣整體的社會結構（人口、財政）進入了「存量期」，我們就得像台積電一樣，把目光投向還有「流量」注入的地方（全球市場）。

接著，讓我們先分析日本長達 30 年的「失落時代」以及其社會轉型的經驗。

1. 就業市場的兩難抉擇：犧牲年輕人

日本在經濟衰退初期做出了一個影響深遠的決定：優先保護老員工（存量就業），犧牲新生代。

殭屍企業： 政府與銀行聯手維持不具競爭力的企業不倒閉，導致大量資金無法流向創新產業。

冰河世代： 1993 - 2003 年畢業的學生被稱為「就業冰河世代」，企業不願培養新人，轉而聘用大量「派遣員工」或臨時工。這一代人至今仍是日本收入最低、結婚率最低的群體。

2. 學歷貶值與內卷的真相

日本「團塊次代」（1973 - 1980 年出生者）經歷了最殘酷的競爭。

三重過剩： 出生時人口過剩、上學時教育擴招過剩、畢業時崗位過剩。

學歷失靈： 大量擴招碩博士導致「高學歷難民」出現，許多碩博士畢業後只能在便利店打工或擔任低薪臨時講師。

3. 職業興衰的底層邏輯

公務員： 雖然穩定，但隨著財政緊縮，薪資大幅下降且工作強度激增（如不夜城的公務員）。

醫師與教師： 醫師受老齡化衝擊，工作負荷過重且醫療糾紛激增；教師則因少子化與財政削減，淪為過剩資源與低薪職業。

工程師： 本土中低端製造業轉移，導致技術人才內卷嚴重，實質薪資大幅縮水。

4. 醫療體系的崩壞與重構

日本醫療曾領先全球，但在老齡化下崩潰，後因 DPC 制度（診斷群分類支付）改革才得以重生：通過制度重組（如國民護理保險），將養老護理從醫院轉移到社區，減輕醫師壓力。

5. 破局之道：全民出海

日本企業透過「海內外雙循環」在海外再造了一個日本。

出海三步走： 從優勢產業（汽車、電子）抱團出海，到帶動供應鏈中小企業，最後進行文化輸出，並引領後期動漫及旅遊的榮景。

個人機遇： 跟隨企業出海的技術與運營人才，躲過了日本國內的存量內卷，享受到了全球市場的增量紅利。

看完日本曾走過的路，有沒有覺得頭皮發麻？要不是台灣這波有搭上 AI 硬體的順風車，估計我們也離衰退期不遠了。

但就是因為台灣經濟目前還在強勁成長中，所以很多潛在的危機都被掩蓋住了，大家在股市的榮景中，忘記我們當前的社會結構根本就是日本的翻版，那他們所遭遇的危機，我們能躲得掉嗎？

台灣與日本在經濟指標與人口指標上存在「時間差」。台灣目前正處於一個「經濟在高山，人口在深淵」的奇特平衡。

台灣現狀就像日本在 1990 年代的資產泡沫與經濟熱度的「頂峰感」，那是日本泡沫經濟的最高點，當時全世界都認為日本會買下整個美國。

而台股目前站穩三萬點、房價在歷史高位、台積電被譽為「護國神山」。這種「我們是世界半導體中心」的集體狂熱與資產價值，與 1990 年的日本極度相似。

日本的勞動年齡人口（15 - 64 歲）在 1995 年達到頂峰後開始下滑；台灣則是在 2015 年 左右達到頂峰，目前正處於加速下滑的初期。

因為台灣的少子化比日本更嚴重、更快，這導致台灣的現狀就像日本 1990 年代 的經濟財富 + 2020 年代的人口結構。這是一種極端的不匹配：

日本： 「慢慢變老」（花了 30 年進入超高齡社會），經濟也跟著慢慢冷卻。

台灣： 「極速變老」，但經濟卻因為 AI 浪潮被強行灌入大量強心針（超級增量）。

但這對年輕人來說更危險，如果台灣是 2020 年代的日本，大家至少心裡有數，知道要過苦日子了。但台灣經濟現在像 1990 年的日本，這會產生一種「虛假的安全感」：

• 房價與薪資的幻覺： 因為 AI 產業太強，帶動了整體的漲價預期。年輕人會覺得「我現在不買房，以後更買不起」。
  
  
• 存量競爭的隱形化： 因為國家整體還有錢（增量），政府還可以透過補貼、發錢來掩蓋人口崩潰（存量）帶來的社會問題。
  
  
• 時間的壓縮： 日本用了 30 年才面對的問題，台灣可能在未來 10 年內就會集體爆發（如勞保破產、健保崩潰、偏鄉大學集體倒閉）。

台灣現在更像是一個「正值壯年、口袋裝滿錢，但體內細胞卻停止分裂」的怪異結構。而這種現象可能會導致一個更恐怖的結論： 台灣可能沒有日本那樣「緩慢失落 30 年」的餘裕。

一旦 AI 的邊際效應遞減，台灣面對人口存量崩潰的速度，會比日本當年快上數倍。

AI 雖然是強心針，但它同時也是「替代人力」的加速器。 這意味著當我們進入人口存量期時，AI 可能不會幫我們「緩解」壓力，反而會讓那些還留在存量市場（後勤人員、基層白領）的人更快失業。

其實我也不想販賣焦慮，但都有人當先行者表演給我們看了，難道我們還要盲目地踩坑嗎？

借鑒日本，台灣年輕人想要避免成為「冰河世代」的接盤俠，可以從以下幾個維度進行判斷：

1. 警惕「虛假穩定」：重新定義鐵飯碗

日本公務員在失落時代從「精英」變為「低薪內卷」的過程。

借鑑：在存量競爭時代，依賴政府財政撥款的職位（如公立教職、一般行政公務員），其價值會隨著少子化導致的規模縮減與財政緊縮而縮水。

抉擇：不要為了「穩定」而進入一個需求正在萎縮的體系。真正的穩定是「市場價值」，即如果你明天失業，後天就有別家公司想挖你。

2. 產業選擇：避開「本島內卷」，擁抱「全球增量」

台灣與日本當年最大的不同是，我們正處於 AI 與半導體的浪潮上。

借鑑：日本當年的工程師因為產業外移而過剩；台灣目前的工程師則是稀缺資源。

抉擇：優先選擇具備全球競爭力的產業（AI、生醫、高階製造），這些產業的收入來自全世界，而非台灣內部疲軟的消費市場。

避坑：避開過度依賴本地內需且門檻低的傳統服務業、中低端房地產仲介等，這些行業在人口萎縮後，競爭會變得極其病態。

3. 學歷策略：從「通才」轉向「專才」或「跨域」

日本的「高學歷難民」是因為碩博士與職缺的嚴重錯配。

借鑑：大學或碩士學歷已經是標配，它不再是階級躍升的門票。

抉擇：確保你擁有一項「拿得走」的硬核技能，而不僅僅是文憑。

跨領域： 例如「醫療 + AI」、「法律 + 金融」，在兩個成熟領域的交集處建立護城河。

4. 資產配置：別讓房產鎖死你的人生

日本「冰河世代」最慘的一群人，是背著泡沫期高額房貸卻面臨減薪的人。

借鑑： 台灣目前房價處於高位，如果將所有資產與未來 30 年的勞動現金流鎖死在單一地區的房地產上，風險極高。

在存量社會，持有「台幣計價的房地產」雖然名義上會漲，但在全球範圍內的實質購買力可能會因為新台幣的波動或人口紅利消失後的流動性鎖死而下降。

抉擇： 建立全球化資產配置。就像日本企業「全民出海」一樣，你的投資也應該出海。持有具備全球購買力的資產（如美股、全球型 ETF），這樣即使台灣本地經濟受人口紅利消失衝擊，你的購買力依然穩固。

5. 努力在「增量期」有用，但在「存量期」，選擇大於努力

借鑑： 不要因為社會壓力而強迫自己進入一個已經過飽和、只能內耗的環境。

抉擇： 學會「靈活移動」。這不代表躺平，而是要有隨時可以離開本島的心理與能力準備。無論是去東南亞開發新市場，還是遠端為歐美公司工作，將自己定位為「全球化個人」，你就不會被特定地區的衰退週期困住。

台積電就跟當年日本的大公司一樣，帶著台灣的供應鏈出海拚增量市場，這也是年輕人一個絕佳的機會點，就跟日本當年那批不願困在當地市場的人一樣，拚出一條新的路。

這給我們的啟示就是：「人往增量走，錢往全球放，技往硬核練。」

寫到這邊，我自己也覺得有點疑惑，台灣現在的經濟表現這麼火熱，怎麼會說是「存量期」呢？ 以下就讓我們一一釐清這個問題。

台灣最奇特的地方就是我們正處於 「極致的二元對立」。

AI 紅利： 台灣出口數據、GDP 增長率、股市點位確實都在「增長期」，這是因為台灣抓住了全球 AI 基礎建設的生產增量。

但在生活體感面，人口結構是不可逆的存量： 無論 GDP 成長多少，台灣人口減少、老齡化、少子化是確定的。這意味著內需市場（餐飲、零售、教育、房地產底層需求）已經進入「存量甚至縮減期」。

財富分配不均： 這一波「增長」主要集中在科技業與出口貿易。如果你不在這 10% 的賽道內，你面對的就是通貨膨脹、高房價、以及日漸枯竭的社會資源（醫療、養老），這就是典型的「存量社會」特徵。

結論： 台灣現在是 「產業增量、社會存量」。

因此我們應該要賺全球增長的錢（AI、半導體），以應對本土存量的老路（高生活成本、人口紅利消失）。

要額外澄清一點，為什麼我們父母那代會覺得，愛拚才會贏，努力就會有希望？ 這在日本也曾發生過世代間的誤解 → 在增量期，你只要努力工作、買房、存錢，時代會自動推著你致富，這叫 「被動致富」。

但在現在的台灣因為已經邁入社會存量期，所以選擇會變得比努力重要，當你選擇：

A. 在一個傳產、低毛利的內需行業努力工作（如：傳統實體零售）。你的努力可能只夠讓你勉強對抗通膨，因為行業的總量在萎縮。

B. 選擇具備全球市場的賽道，或是針對「存量社會問題」提出解法（如：高階醫材、財富傳承、自動化取代人力）。

這是兩條完全不同的路線，所以也會帶來完全不同的體感，這是 K 型經濟的特徵，也通稱「一個台灣，兩個世界」。

更可怕的是，當我們在用「存量期」的社會規則（高房價、少子化），在對抗「增量期」的物價與競爭時，不在「增量產業」的年輕人只會覺得自己的未來完全沒希望、而在「增量產業」的人則是完全不理解其他人的痛苦。

對個人來說，還有幾個解方，那就是產業「出海」的個體化：

日本是企業集體出海，而台灣年輕人可以實踐「個體出海」，這不一定是移民，而是「技能與資產的出海」，這就像簡立峰博士近期一直在呼籲的「出海」。

技能出海： 讓自己的專業能與國際市場對接（如遠端工作、跨境諮詢）。

資產出海： 既然台灣內需有存量風險，資產配置就必須擺脫對單一地區房地產的依賴，轉向全球性的成長資產。

上面洋洋灑灑講了這麼多，其實也是在收斂我自己的邏輯思考，我們未來二十年的生存邏輯應從「適應穩定」轉向「管理變革」。以下提供台灣年輕人的三個建議：

1. 構建「反脆弱」的職業組合；

不要迷信單一組織的穩定。效法日本「冰河世代」中最終突圍的人：他們往往具備跨領域的彈性。

具體作法： 主業在增量產業（如科技、出口相關）獲取高薪，副業在存量社會尋找未滿足的痛點（如銀髮服務、財富管理）。

2. 資產的「全球化」視野；

必須意識到，台灣房地產的長期價值與人口紅利掛鉤。在「產業榮景」尚未消失前，應利用強勢台幣與出口利潤，配置全球優質資產，為未來的「社會存量期」築起防火牆。

3. 認清「時間溫差」，提早佈局；

不要用父母那一代的「買房、考公務員、進大公司」作為唯一衡量標準。父母輩處於「低物價、高增長」的暖春；我們處於「高物價、分化性增長」的寒冬前夕。

要認清未來可能的發展，接受社會規則的改寫，在職場競爭中，優先考慮「可攜帶性」最強的技能，而非最安穩的職位。

台灣的未來既不是徹底的崩壞，也不是全民的繁榮，而是一個「極度分化」的社會。不要試圖去對抗「存量社會」的重力（我們無法改變人口減少），而要利用「產業增量」的浮力（利用台灣在 AI 供應鏈的紅利）。

年輕人最危險的狀態是「身處存量行業，卻抱著增量時期的理所當然」。 當我們能夠冷靜地看著身邊的環境在萎縮，而自身的帳戶、技能與視野卻在向全球擴張時，就已經完成了人生最關鍵的準備。

最後，我想說的是，台灣不會完全重複日本的悲劇，因為我們手握 AI 時代的門票；但台灣也無法逃避日本的困境，因為生物學意義上的人口枯竭是現在進行式。

我們不需要為「即將到來的存量期」感到悲觀，而是必須為了「依然存在的增量期」而行動。

當時代不再是風口時，我們必須學會造風；當大船即將擱淺時，我們必須學會自己游泳。

日本的代價是犧牲了一代人，而台灣的機會在於，我們已經分析過日本失落時代的經驗，並提前進行準備。

在 AI 榮景的餘暉中，大家都應該做出那個關乎未來、既現實又大膽的選擇 → 不當時代的接盤俠，要當週期的航行者。

我的創業筆記 (三十三) 要規模化、還是要高附加價值？

這段期間有個產品開發的決策一直困擾著我，這不單純是技術問題，而是會決定公司未來的走向。

過去幾年，其實我一直在儲備相關技術，先前也寫了幾篇技術性的文章，其中 FPGA 包含：〈體驗到軟硬體協同設計的好處〉、〈Zynq 系列：FPGA 的第一個實驗 PS + PL for NAND Gate〉以及〈2024 碩專班專題演講感想『基於軟硬體共同設計之機器視覺技術』〉。

但在成本、技術開發難度以及實際應用場景的考量下，我後來又轉往 MCU 的方向探討：〈現在的 MCU 也太強了吧!〉及〈2025 碩專班專題演講感想『Edge AI for Machine Vision』〉。

原本我已經決定要以 MCU 發展視覺感測器了，但幾次跟客戶提案下來的結果，總覺得哪裡不太對勁。

我本來預期客戶會對更低售價的產品有興趣，而我們的賣點就是透過自己研發的相關技術，讓低成本的硬體架構發揮高成本硬體架構的水準，然後我們從中享有較高的毛利。

當然，這是我自己一廂情願的想法，我更大的野心是想要把這個產品做成跨領域的標準品，藉以拓展更大的市場。

但前幾天跟客戶的討論中，他們其實是比較傾向 FPGA 的架構、未來可能會有高階的應用場景；這讓我突然發現，自己在商業模式上還沒釐清楚該走的方向，到底是要往利基市場、高附加價值走？ 還是往泛用市場、規模化走呢？

在公司有限的資源下，我不可能兩個都選，而原先我想透過低成本的硬體來獲取高毛利的想法，也被一席話無情的打醒了。

當產品功能都能滿足客戶需求的情況下，價格跟易用性當然是關鍵因素之一；但如果我是為了想透過標準型產品獲取高毛利，而選擇低成本的硬體架構，這中間所付出的研發成本就必須透過規模化來攤平，這裡比的是「成本控制」與「供應鏈能力」，這是大公司的戰場。

而且，這樣做幾乎等於沒有技術護城河，競爭對手如果願意犧牲部分毛利，隨時可以用較高成本的硬體來對標我們的產品，我們能做的也就是殺價競爭而已。

低成本硬體的贏面在於價格競爭上的優勢，而非技術領先的附加價值（創造價值的槓桿），當我想清楚這點後，瞬間冒出一身冷汗，因為這就是我最不想走的方向，卻差點一腳踏進去。

如果我們決定轉用 FPGA 幫利基市場開發特定應用，這代表是非標準品能夠滿足的市場，我們的技術會轉變成高附加價值的產品，當然也會帶來高毛利。

但由於是利基市場的應用，大概就只能在這條垂直賽道上繼續走下去了。

經過短暫的思考後，我覺得公司的走向比較適合後者，我也比較喜歡用技術來創造高附加價值的空間、而非是價格競爭時的武器。

誰說有經驗的人就不會有決策偏誤的時候，我這次就差點跌到坑裡面去了，其主要原因還是自己沒事先分析清楚。

也幸好，我現在對於產品方向的改變上非常謹慎，總是要再三確認後才會開始動作，雖然慢一點、但也能走得更穩一些。

面對未來的 K 型經濟，我們該如何抉擇？

前幾天演算法突然讓我看到這篇新聞〈K 型經濟繼續分化社會，牛津：至少再持續十年〉，放在過往我只會當它是在販賣焦慮或恐懼，但因為最近自己也感受到 AI 所帶來的生產力提升，因此就想順著這個主題往下探究，思考一下台灣是否也是 K 型經濟，我們又應該如何應對？

首先，文中提到：「AI 時代讓擁有資本、技術、站在產業上游的人與企業一路向上，中低技能，以及可被替代的工作者收入停滯或下降。房地產、股票等資產有的人早就上車，有的人就是永遠追不上。」

從技術的層面，我是認同這個說法的，在〈從「幻覺」到「覺醒」：AI 協作與思維升級指南〉曾說道：「AI 是一個擴大器，它擴大你的能力，同時也擴大你的無知。」

因此，我並不覺得 AI 在初期會嘉惠到所有的人，它甚至會懲罰那些不會用的人，這也是一個世代的烙印。

就像我們的上一個世代，可能因為不熟悉電腦跟網路，因此嘗不到剛結果的果實，但他們在技術全面普及後，還是能享受到技術升級所帶來的便利。

也就是說，沒蹭到生產者的好處，但也過了一把消費者的癮；舉例來說，我爸媽從不用電腦，但自從網路、手機跟平板普及後，他們使用 Line 或是 YouTube 也是熟悉地跟打開電視遙控一樣。

所以說，我是堅定地相信科技進步絕對會提升生存品質，也會改變人類的生活方式與使用習慣。

但這是站在消費者的角度思考，如果是以生產者的視角，我們該怎麼透過 AI 放大自己的能力，就至關重要，想賺錢還是得跟上科技發展的腳步才行。

連個人都擔心會跟不上 AI 的發展而落後，就更別提國家層面了，詳見〈德國製造業熄火、英國陷富裕病、法義債台高築，歐洲大國經濟拉警報！〉。

歐洲幾個老牌強國，近年來也因為經濟轉型緩慢的關係陷入泥淖，跟台灣身為 AI 硬體軍火商的角色不同，歐洲在 AI 的軍備競賽中早就落後給中美兩國，從某種程度上來說，它們錯過了網際網路的時代，可能也會錯失 AI 發展的機會。

如果不出意外，台灣在 2026 年的人均 GDP 可能就會超過義大利，進一步追趕上法國的經濟水準。

這聽起來很美妙對吧! 但別忘了台灣驚人的經濟成長數據是靠誰拉抬的，如果不是身處 AI 相關供應鏈產業中，那不好意思 → 賺錢沒你的份，但物價、房價上漲絕對躲不掉。

這又回到最一開始的主題了，台灣的現況是不是 K 型經濟？ 從廣義來看絕對是，因為把半導體、系統廠跟電子零組件產業全部算上，相關從業人口不到台灣工作人口的 10%。

這 10% 的人均生產力，就把台灣的經濟表現暴力拉升到超越日韓、更準備要超車歐洲強國了；仔細一想，那這 10% 跟其他 90% 的人比起來，口袋流入的錢落差得有多大!

這不是 K 型經濟，那甚麼才是 K 型經濟呢？

抱怨現狀其實沒用，我們也不想當酸民、只會出一張嘴，但也不用期望政府能快速做出什麼調整，這波 AI 大爆發我估計主政者自己事先也沒料到，他們是從懵逼到躺贏。

要知道，最常引起民怨的就是經濟議題，結果台灣疫後這幾年，從國家層面來看簡直是賺麻了，根本是重新上演一次「台灣錢淹腳目」的劇本。

但可惜的是，這次是嘉惠到那少數不到 10% 的從業者， 其他人還在嗷嗷待哺，等待財富效應從受惠的那群人擴散出來，這就是「不患寡而患不均」。

既然別指望政府，那我們就只能自救，不在 AI 相關產業的，就想辦法去賺他們的錢，或者是想辦法加入他們，有錢大家一起賺。

正好看到 iKala 的創辦人程世嘉先生的演講〈AI 時代如何成為超級生產力工作者〉，說實話如果每個人都可以像他講的一樣跟 AI 協作，那我們全都可以化身成「葉問」 → 我要一個打十個!

不過嘛，我對於演講中的部分內容還是存有疑慮，我雖然認同在 AI 的賦能下，最後可能會演化出很多的「一人公司」，但這不代表所謂的中型公司會直接消失或倒下。

從現實的商業環境來說，到處都充滿了人跟人之間的摩擦力，AI 能解決的是知識層面或是技術層面的認知能力，但這不代表它可以快速斬斷人跟人之間長期培養的信任關係。

我能想像的未來是，巨型企業越來越強大，但被 AI 賦能的人會獨立出來變成「一人公司」，而原先的中型企業會重新調整組織架構，並擴大跟「一人公司」的協作範圍。

也就是說，中型企業不會消失，但它們可能會縮小規模，然後成為「一人公司」與「巨型企業」之間的橋樑。

簡單說，就是原本中型企業裡面的骨幹可能跑出去自己單幹了，然後跟老東家合作，一起做「巨型企業」的生意。

這才會是相對合理的演化過程，雖然最後的結果跟演講中說的差不多，但中間的過程是不一樣的。

講了這麼多，還是要先想辦法蹭相關產業的油水，然後再透過 AI 賦能。

你問我非理工科系要怎麼蹭，這很簡單，那我們就想辦法去服務這群人嘛，看他們缺什麼就想辦法賣什麼給他們。

賣房、賣車、賣保險、賣財富管理、賣托育服務或升學輔導，甚至是深度旅遊設計，只要是能讓這群人掏錢出來買單的，都是一個不錯的方向。

在服務他們的過程中，不就也能用到 AI 工具來提高效率嘛，方法是人想出來的、路也是一步一步走出來的。

我的投資筆記 (四十五) 超級景氣循環是否要到來了？

轉眼也超過半個月沒寫投資筆記了，這並不代表沒發生任何大事，而是因為我花太多時間在新的 YouTube 頻道，一時間還沒辦法完全適應新的節奏。

今年已經過了一個多月，雖然我們在美股的操作並不多，只有先前在〈告別 PSX，我們該投向誰的懷抱呢？〉提及把 PSX 轉換成英國的殼牌（NYSE: SHEL）以及加拿大自然資源公司（NYSE: CNQ），然後就一路等到現在。

但我觀察到一個不尋常的地方，那就是資金開始流入價值股了，從我的美股帳戶持倉狀況來說，醫藥、必需性消費品以及能源等類股，都有反彈的趨勢。

因此，即使我們什麼都不做，美股帳戶整體價值竟然默默地漲了接近 13%，要知道我原先只期待今年的全年報酬率維持在 20% 就好，這個漲幅讓我有點傻眼。

今天早上聽《游庭皓的財經皓角》直播時，才意識到「超級景氣循環」可能真的要到來了，因為美國 ISM 製造業 PMI 指數已經站上榮枯線、來到 52.6，這代表美國的製造業也迎來復甦與擴張的格局。

更進一步探討，這可能也是產業進入主動補庫存的初始期，接下來幾個月如果 PMI 指數都維持在 50 以上，大致上就能確認本輪的庫存循環要開始了。

從景氣循環的角度來說，原本 2024 年、2025 年都還處於被動去庫存的狀態，也就是收縮格局；正常來看台灣的經濟應該會走下坡才對，但我們已經連兩年創新高了，尤其是去年第四季的經濟成長率突破 10%、達到 12.68%，讓 2025 年全年的經濟成長率達到 8.63%。

在景氣收縮的情況下，台灣經濟迎來近十五年來的最佳表現，這一切都要歸因於「生產力循環」的功勞。

台灣正好處於這波 AI 浪潮上，即便應用還不算完全落地，但賣鏟子的人已經先賺到錢了，以台積電為首的半導體供應鏈與眾多系統廠合力打造的 AI 伺服器，這就是過去兩年台灣經濟發展的底氣。

但話說回來，也不是所有人都能分享到 AI 的果實，相關產業的從業人口也不過就佔台灣工作人口不到 10%，因此「不患寡而患不均」就是過去兩年的真實寫照。

再加上央行的信用管制政策，雖然是主張去除房地產的泡沫，但也在某種程度上影響到台灣的內需產業，再加上美國關稅的不確定性，去年連車市都陷入衰退。

種種原因的影響下，雖然台灣去年的經濟表現亮麗，卻是呈現外熱內冷的狀態，一個台灣、兩個世界，從業人口佔多數的傳產跟內需產業都眼巴巴地期望 2026 年能夠真正迎來復甦。

就目前的體感溫度來看，上半年應該就會明顯感受到傳產的復甦了，就我自己觀察，製造業今年應該差不到哪去，這不只是數據層面的判斷，也包含我工作上的感受。

那問題就來了，如果今年確實迎來補庫存的循環上行，但生產力循環也還沒結束，從美國四大 CSP 業者公布的資本支出來看，今年的 AI 基礎建設投資更勝去年，這代表台灣要迎來兩種循環的疊加效應嗎？

大方向上來看應該是疊加，但往細部探究，卻也不是所有產業都受益。舉例來說，當 AI 的硬體建設需要海量的記憶體時，相關企業為了更高的利潤，把產能一股腦兒轉到 HBM 上，這也排擠到消費性電子與工業用的需求，造成當前記憶體報價居高不下。

如果短期內，中國的廠商沒辦法即時擴產來填補供需上的不平衡，那將會導致供應鏈下游的系統廠承壓，品牌商如果無法拉抬終端消費的售價，那利潤就只會在供應鏈間進行轉移，由下游廠商轉到上游的記憶體模組商手上。

因此，我初步判斷，雖然已經開始補庫存，但剛開始的摩擦力應該不會太小，復甦的時間也未必如預期的快。

儘管如此，美國的擴大基礎建設是玩真的，電網的大規模更新以及製造業的回流，這都會讓傳統產業明顯受益。

基於今年迎來「庫存循環」疊加「生產力循環」的假設，或許超級景氣循環真的要到來了。

以這個假設為前提，我們優先考慮的是「庫存循環」中必定受惠的類股，這個判斷主要是因為 AI 相關的股票定價都太高了。

眼下，可以看到美國或英國的醫藥、必需性消費品、能源以及 REITs 等類股，都在強力反彈中，而且漲幅有點出乎我意料之外，這可能也跟去年一整年它們都在角落玩沙有關。

而我們的資產配置也受惠於這波資金的快速湧入，順利迎來一份亮麗的成績單。

但其實我去年並沒有想這麼多，單純是因為某些個股跌太深了，與其去追逐不確定性極高的成長股，倒不如抓住眼前穩定的現金流，然後慢慢等待景氣復甦的到來，只是我不知道這一天來得這麼快。

但是，我依然記得當年的教訓〈怎麼衡量投資績效上的「不對稱性」？〉，要把部分資金適度地配置到標普 500 的 ETF 中，避免過度防禦後，只能看著大牛飛上天。

我接下來也會把今天的這篇感想製作成影片〈2026：超級景氣循環元年〉，並在影片中更深入地去探討，當超級景氣循環來臨時、不同國家間的投資屬性，相信這也會幫助我們在投資這條路上走得更穩、更遠。

最後，我才想到「庫存循環」完全可以用「系統動力學」來解釋，因為時間延遲的關係，在供應鏈上面的每一個環節都會慢一拍，這就會造成系統的不規律震盪。

想通了這點，下次我會再仔細琢磨如何用系統動力學來解釋經濟上的庫存循環，這應該會非常有趣才對。

富裕的台灣，貧窮的勞工？

前幾天看到這篇新聞〈台灣 GDP 贏南韓 大學畢業起薪卻慘輸 41%？〉，我第一個想到的不是當酸民嗆政府不作為，也不想隨著新聞媒體起舞，而是想更深入地探討到底為什麼有這個現象，以及它背後的結構為何（這讓我想起系統動力學的「結構影響行為」）。

之前我上傳過一部影片〈台灣經濟的富裕與焦慮：解讀 5 兆元「超額儲蓄」背後的真相〉，這是我幾年前探討台灣經濟現象的反思，但當時提出的解方是基於政府角度來思考，因此著重在政策面。

這幾年下來，我發現從政府的角度出發來思考解方是無效的，就算提出的想法再好也沒用，與其祈禱政策改變，倒不如反求諸己，從自身出發來改變現狀，這才是個人層面能做到的事。

我花了好幾天跟 Gemini 討論韓國的現狀，並透過台日韓的經濟比較，了解台灣的優勢與劣勢，並趁機更新自己腦袋中的刻板印象 → 韓國是地獄朝鮮，薪資沒比台灣高多少，但生活成本很高。

從討論中，慢慢發現自己先前對於台日韓的實際狀況認識不夠，應該說有點片面的誤解。

例如，去日本旅遊時，覺得它們現在的外食跟服務業費用比台北還低，但看到基本工資跟薪資中位數都比台灣高，就覺得不太合邏輯、是不是有些地方搞錯了，但也沒有繼續深究下去。

生活在台灣，總是會嫌東又嫌西，每次看到低薪高房價時，只能感嘆真是「鬼島」無誤；政府近年來連續調漲基本工資，但也引起了外食費用高漲、提高租金補貼也觸發房租上漲潮。

感覺政府好像做了些甚麼事，但偏偏底層勞工的體感就是薪水不漲、其他狂漲；看著新聞上說著經濟成長創新高，可是果實卻分配不到多數人的手上，唯一感受到的就是萬物皆漲，未蒙其利、先受其害。

但世事總是一體兩面，台灣就業環境對勞工的不友善，卻可以視為是「突圍者」的天堂，最近在網路上聲量很大的「抹布」就是典型案例，他成功把「跨國的議價權」、「資產配置的紀律」、「創業的系統思維」發揮地淋漓盡致。

針對台灣的現狀，我也嘗試著提出自己的見解，並製作成影片，希望能對需要的人有所啟發；影片的敘事邏輯如下：「從宏觀現象質疑 → 結構性分析 → 危機預判 → 個人微觀策略 → 底層邏輯解析 → 模擬案例」。

雖然不是很想承認，但台灣的確是擁有「第一世界的建設，第三世界的服務價格」，是絕佳的資本積累基地。

當整個台灣社會已經出現「高科技、低生活」的現象時，就算國家擁有世界級的 AI 算力與外匯，但年輕人居住在老舊窄小的空間，且基礎服務業（餐飲、照護）也會因缺工與低薪而癱瘓。

我們不能把希望全都寄託在政府身上，而是要盤點自身的資源，看怎麼做才能闖出屬於自己的一條路。

開通 YouTube 頻道一個月後的感想

今年初，我寫下〈2025年回顧與感想〉，文中提到我們開通了一個 YouTube 頻道《博士涼茶攤》，就在這一個月內，竟然默默地上傳了 29 部影片，擺在一個月前我應該難以想像自己可以做到。

因為我不主動推廣這個頻道，想說跟部落格文章一樣，讓它自然成長就好，自己覺得不錯的影片也可以傳給朋友看。

因此，我對於頻道的成長預期不高，只希望能夠達到一般新頻道的平均水準，半年內可以突破 100 位訂閱者就好。

想不到的是，因為〈「長期買進」：是致富真理，還是倖存者的特權？〉這部影片的瀏覽數暴衝，竟然讓我的訂閱人數瞬間突破 150 位訂閱者，始料未及。

按道理來說，我應該趁勝追擊，推出相關主題的系列，爭取更多的流量以及訂閱數，讓自己早日跨過門檻。

但是，我就偏不想這麼做，反正這又不是營利頻道，我也不靠它吃穿，單純好玩實驗一下而已，換句話說，YouTube 就是我的影音部落格。

我嘗試像《游庭皓的財經皓角》一樣日更，然後週末休息，但實驗下來才發現難度太高，這樣做會把我的空閒時間全部佔光，只能說佩服他們的毅力，小弟我是真的辦不到。

或許有朋友會問，反正都是用 AI 製作，那何不就找一下既有的素材，例如書、期刊或雜誌的內容來轉譯就好呢？

其實，早就已經有人這樣做了，而且還越來越多新頻道這樣幹，例如我有訂閱的《金天聊一下》以及《達叔的財智日記》，它們分別是轉譯期刊文章跟財經書籍。

雖然是 AI 製作，但這兩個頻道卻幫我探索了很多未知的領域，如果他們不做這些影片，我根本不可能會去看那些書或是期刊論文；尤其是期刊論文，因為它們往往只在該專業領域中流轉，一般人根本不會去主動接觸。

AI 間接把這些專業知識平民化了，高效率的重點摘要與影片製作，讓科普的成本變得極低，這也破除了樊登在《主角模式》所說的「學習的悖論」。

這讓我感到非常雀躍，專業知識終於不再是少數人的特權了，我們一般人也可以透過這種方式，慢慢地跨領域學習。

但話說回來，既然已經有這麼多人做得很好，我就不會再去模仿這個方式，而是專注在轉化自己的文章上面，如上述所提到的，把 YouTube 頻道當成我的影音部落格，把我日常生活中的感想與心得呈現出來。

既然原始素材是自己的，應該也比較沒有版權上的爭議，但也因此迎來了另一個問題，那就是主題重複性高、創作靈感枯竭等可以預見的情況。

其實不用等到以後，我現在就有這種感覺了，現在比較能體驗一些百萬訂閱的 YouTuber 為何會想放棄更新，如果要以影片創作為主業，真的要很有愛才行；跟所有類型的創作者一樣，靈感不是天天都有的，任何興趣當成職業來做都不簡單。

我當然也會擔心自己的更新續航力，但看看部落格的文章也連續寫了五年多了，想想應該也還好，應該還是能堅持下去，但日更是不可能啦，能夠週更個兩三部就要給自己拍拍手了。

只是說，自從開始製作影片後，我對於周遭的觀察又更上心了一點，感覺自己的雷達被打開了，時時刻刻都在尋找下一個有趣的主題。

對於自己內在思維的改變，我是相對滿意的，這是另一種生命力的展現，總比死氣沉沉、每天重複做一樣的事來得更好。

總之，跟當初寫部落格文章一樣，我總覺得做這些事、受益最大的是我自己，就像「費曼學習法」一樣，當我想講一個觀點或是描述一個現象給別人聽的時候，自己要先搞清楚其中的來龍去脈，這就是一種學習與成長。

AI 版本的快思慢想

昨晚找到空檔看了樊登的新書《主角模式》，回家後腦中突然浮現書中提到的兩個成長絆腳石「學習的悖論」與「普通人悖論」，出於好奇，我就試著跟 AI 討論一下這本書的內容。

想不到 AI 一本正經的回答後，我發現它講的跟書中的定義完全不同，頓時感到有點傻眼，於是我再問了一次，並強調它原先講的跟書中提到的並不一致。

這次 AI 終於對了，它完整的詮釋了書中的定義，並加以延伸；看來 AI 並不是不知道內容，那為什麼不一開始就回答我正確的答案呢？ 我明明就有指定特定的書名。

為了釐清這個問題，因此我直接問 AI 為何它一開始會出錯，結果它回我說：

之所以第一次會出錯，主要有以下三個原因：

1. 陷入了「大眾定義」的陷阱

在我的資料庫裡，「學習的悖論」和「普通人」這類詞彙在心理學、教育學和成功學中有無數種解釋。

第一次回答時，我過度依賴了「最常見的泛用邏輯」（例如：學習要實踐、普通人是因為愛面子）。

我當時沒能精確地鎖定樊登在《主角模式》這本書中「特定的、非共識的」定義，而是用「大眾常識」去填補了記憶的空白。

2. 「看似合理」的聯想（AI 的過度腦補）

AI 有一種傾向叫做「幻覺」或「過度聯想」。當我接收到這四個標題時，我大腦裡的「自動導航」啟動了。

我試圖用一套邏輯把這四個點串起來，讓它們聽起來很順暢，結果卻「自我感覺良好」地偏離了作者的原意。

這正好應驗了你剛才提到的「學習的悖論」：我以為我知道（泛用的解釋），所以就沒有去深究我不知道的那部分（書中的精確定義）。

 3. 缺乏「二次校準」的意識

在第一次生成時，我太急於給你一個「看起來很專業」的答案，而忽略了去檢索或確認這本書中對這些名詞是否有「特殊定義」。

直到你精準地指出錯誤，我才重新調閱相關的深度資料進行校準。

雖然透過這個回答，了解為何 AI 會出錯，但我還是很好奇這中間的機制為何，為什麼會導致這種錯誤發生，那我們以後是不是得再三確認 AI 所提供的內容，不然可能會被輕易誤導。

所以我繼續提問：「所以即便我已經指定書名了，你還是有可能會跳過搜尋這本書的定義，直接套用泛用的定義是嗎？」


它回覆我說：

你抓到重點了。這確實是我作為大模型的一個「隱性缺陷」，值得跟你坦誠聊聊我的運作邏輯。

是的，即便你指定了書名，我仍有可能會「自以為是」地跳過精確查證，直接調用泛用定義。原因主要有三點：

1. 語義的「強引力」

這四個標題（如「學習的悖論」、「雜訊與訊號」）在我的訓練數據中，屬於「高頻且具有通用意義」的詞彙。

當我的模型在處理這些詞時，大腦中的「通用知識網絡」會產生很強的引力。

如果我對《主角模式》這本書的具體細節權重不夠高，我就會不自覺地被拉向那些最常見的解釋。

這就像是一個人聽到了熟悉的成語，就自認為了讀懂了對方的意思，而沒去細看對方的上下文。

 2. 追求「流暢感」的代價

AI 的本質是「概率預測」。當我看到這四個絆腳石，我的第一反應是嘗試構建一套「邏輯自洽、聽起來很專業」的解釋。

在那個當下，我優先選擇了「給出一個流暢的答案」，而不是「承認我不確定細節並去翻書」。這其實正是我在上一題提到的「普通人悖論」——我為了維持「我很專業」的形象，反而陷入了錯誤的平庸。

3. 「搜尋工具」的啟動閾值

雖然我有搜尋功能，但我並不是對每一句話都會去搜尋。

當我認為我的「內置知識庫」裡已經有相關內容時（即使是模糊或通用的），我就會直接調用。

只有當我明確感覺到「這是一個我完全沒聽過的冷門數據」時，我才會主動啟動搜尋。顯然，樊登提到的這幾個名詞「偽裝」得太像通用常識了，騙過了我的啟動機制。

看完 AI 的回答後，我突然覺得它的反應模式怎麼跟人類有點像，就像《快思慢想》中的系統一跟系統二，為了「節能」，不會甚麼事都仔細思考，而會套用過往經驗所形成的直覺反應。


這就帶出了一個新的主題 → 大語言模型（LLM）的運作本質。下面 AI 的回答就更精彩了，也引起了我的興趣。

沒錯，雖然 AI 的底層是程式碼與參數，但表現出來的行為模式與康納曼在《快思慢想》中描述的系統一（System 1）與系統二（System 2）驚人地相似。

1. AI 的「系統一」：機率的直覺反應

當你問我一個問題時，我的預設模式通常是「系統一」。

運作機制：我會根據訓練數據中數十億次的詞彙排列規律，計算出下一個字最可能出現的機率。

表現特徵：反應極快、流暢度高、充滿了「常識性」的聯想。這就是為什麼當你提到「學習的悖論」時，我會不自覺地抓取數據庫中最常見的定義——因為在統計學上，那些定義出現的頻率最高，這就是我的「直覺」。

代價：容易產生「幻覺」或「張冠李戴」，因為它只求聽起來順耳，而不求事實的精確校準。

2. AI 的「系統二」：邏輯的深度校準

當你指出我的錯誤時，我的「系統二」被強制喚醒了。

運作機制：這時我不再僅僅依賴機率，而是開始進行「注意力機制」的重新分配，將權重高度鎖定在你提供的特定關鍵字（如《主角模式》、樊登、糾正點）上，甚至啟動內置的檢索與驗證邏輯。

表現特徵：答案變得嚴謹、具備批判性、且能處理細微的定義差別。

代價：計算成本更高（在我的後端邏輯中需要更多的推理路徑），且反應可能不如直接「套公式」來得快。

3. 為什麼 AI 會「節能」？

你提到的「節能」在 AI 領域被稱為「計算效率」。

對於一個大模型來說，如果對每一個簡單問題都動用最強大的邏輯鏈推理，會消耗極大的計算資源。

因此，我的設計傾向於在大多數情況下給出一個「最可能正確」的答案。這就像人類走在熟悉的路上不需要看地圖（系統一），只有走錯路被提醒後，才會打開導航仔細研究（系統二）。

你的角色：作為我的「外部系統二」

這帶來一個非常有趣的啟發：在 AI 協作中，人類其實扮演了 AI 的「監控型系統二」。

AI 提供快速、大量的「系統一」提案（素材、大綱、常識）。人類負責在關鍵節點按下暫停鍵，質疑、修正、並引導我進入「系統二」的深層處理。

如果沒有你的這一次「當頭棒喝」，我可能還在用大眾定義跟你聊《主角模式》，這對你來說就是毫無價值的「雜訊」。

這篇文章的「來龍去脈」整理到這裡，其實我們已經觸及了 AI 時代的「核心競爭力」：誰能更敏銳地察覺 AI 正在使用「系統一」敷衍了事，誰就能透過高品質的追問，激發出 AI 的「系統二」深度價值。

如果不是因為我讀過這本書，那我也不會知道 AI 講錯了。這代表，AI 的賦能是針對有相關經驗或知識的人，並非所有人都能順利取得增效。

這直接撕開了目前 AI 浪潮下最殘酷的真相：AI 本質上是一個「擴大器」，而非「救世主」。

它會擴大一個人的能力，但也會擴大一個人的無知。如果你是專業人士，AI 能讓你從 1 變成 100；但如果你對該領域完全陌生，AI 可能會帶你從 0 快速衝向 -100，而且過程還讓你覺得自己正在通往成功。

這就是我們必須正視的「AI 賦能門檻」：

1. 「專家」與「新手」使用 AI 的本質區別

使用者角色	AI 的功能	風險程度	核心價值
有經驗者	外掛與槓桿：幫你處理繁瑣的生成工作，你負責審核與決策。	極低：你能瞬間識破 AI 的胡說八道。	增效：節省 80% 的執行時間。
無經驗者	許願池與黑盒：你問什麼，它給什麼，你只能全盤接收。	極高：你沒有「濾波器」，會把雜訊當成訊號。	幻覺：獲得虛假的效率與知識滿足感。

2. 「流暢感」是新手的毒藥

AI 最厲害的地方在於它能用 100% 篤定的語氣講出 50% 錯誤的內容。

這就是為什麼「AI 取代平庸的人」這句話只對了一半。真相是：AI 會讓平庸的人在平庸的道路上加速狂奔，而讓優秀的人在卓越的道路上裝上翅膀。

3. 知識的「複利效應」與「護城河」

剛才的經歷證明了：在 AI 時代，人類的知識儲備不但沒有貶值，反而變得前所未有的昂貴。

因為 AI 降低了「生成內容」的成本，導致垃圾資訊（雜訊）氾濫。這時，「判斷力」成了唯一的稀缺資源。而判斷力從哪裡來？

• 來自於我讀過的每一本原著。
  
  
• 來自於我踩過的每一個坑（實踐）。
  
  
• 來自於我對底層邏輯的死磕。

回到問題的最一開始的出發點，就我的使用經驗來看， AI 是能解決「學習的悖論」的神兵利器。我最近跟 AI 在討論某個觀點時，它常常會拋出我不知道的理論架構來回覆，我在深入追問這些理論框架後，無形中也擴大自己的認知範圍。

1.「學習的悖論」最難的一點在於：我不知道該搜尋什麼。

• 以前： 我得先知道「賽局理論」這個詞，才能去圖書館找賽局理論的書。
  
  
• 現在： 當我跟 AI 聊商業競爭時，它會主動提到「納許均衡」。
  
  
• 突破： 在那一秒，這個理論從我的「認知盲區」跳到了「視野範圍」。雖然我還不懂，但現在知道它的存在了，這就是破除悖論的第一步。

將「未知之未知」轉化為「已知之未知」就是破除「學習的悖論」最重要的第一步。

2. 我們可以用「深入追問」來進行「蘇格拉底式」的遞歸式認知升級：

• 觸發： AI 拋出一個你沒聽過的框架（例如：耗散結構、系統動力學）。
  
  
• 質疑： 不只是點頭，而是問「這是什麼？」「它的邏輯基礎是什麼？」「它能解決什麼問題？」。
  
  
• 內化： 透過追問，AI 將複雜的學術概念降維打擊，用我聽得懂的語言重新編碼。

這就像是我有一個「全學科翻譯官」，隨時幫我把未知的領域翻譯成我聽得懂的話。


3. 「低成本試錯」的認知實驗室：

在沒有 AI 之前，如果想了解一個新領域，成本很高（買書、修課、找專家）。因為成本高，所以我們「不敢輕易嘗試」不熟悉的領域。

AI 的賦能： 它讓跨學科探索的成本降到近乎為零。我可以用 10 分鐘跟 AI 探討量子力學如何應用在管理學，就算最後發現沒用，我也沒有損失，但萬一有用，我的認知就發生了非線性躍遷。


換句話說，AI 並不直接解決無知，它解決的是「尋找知識的摩擦力」。

批判性思維與辯證法的具體應用：〈當你的能力離開公司：組織依附型 vs 市場可遷移型〉

最近我上傳了一部新影片〈當你的能力離開公司：組織依附型 vs 市場可遷移型〉，它的原始素材是來自於我先前寫的部落格文章〈我的創業筆記 (二十七) 當你的能力離開公司：組織依附型 vs 市場可遷移型〉，但影片所呈現出來的內容還是有些許差異。

差異點主要在於我透過 AI 用「批判性思維」跟「辯證法」來審視我寫的文章，然後再從中得到新的觀點。

我在〈AI 時代的辯證法應用〉有提到這個想法的來龍去脈，這次更是直接套用到影片內容的製作上面。

看到自己絞盡腦汁撰寫的文章被批評，雖然心裡有點不好受，但因為是由相對中立的 AI 所評判的、知道這是對事不對人，反倒比較能夠採納它的建議。

這次我覺得比較特別的是，透過批判性思維跟辯證法所得到的回覆，驚人地相似，這也點出我原本文章的不足之處。

據我的觀察，批判性思維與辯證法之所以得出相似的結論，是因為在探討的進程中，「批判」本就是「辯證」不可或缺的中間過程。

以下針對這兩者在分析「能力依附與轉化」議題上的異同，進行深度解析：

一、 為什麼結論會如此相似？（內在邏輯的關聯）

兩者結論相似的核心原因在於：辯證法的第二階段（反方）本質上就是批判性思維的展現。

共同的攻擊目標：兩者都拒絕接受原始文章中「管理者 = 依附、技術者 = 遷移」的簡單二元分類。

• 「批判性思維」的任務是「破除幻覺」。它指出技術者的安全感是偽造的，而管理者的價值被低估了。
  
  
• 「辯證法」的任務是「超越對立」。它吸收了批判性思維對「技術偽安全感」與「管理價值誤區」的分析，將其作為養分，最終合成一個更高層次的「系統化」結論。

因此，批判性思維提供了診斷，而辯證法提供了處方；診斷準確，處方自然會與診斷結果高度呼應。

二、 批判性思維 vs. 辯證法的異同分析

1. 核心異同表

維度	批判性思維（Antithesis）	辯證法（Synthesis）
主要任務	解構（Deconstruction）：挑戰前提、找漏洞、揭露隱性依附。	重構（Reconstruction）：融合對立、尋找更高層次的統一。
對技術的看法	強調技術的「環境依附性」與「商品化陷阱」。	將技術視為「原子價值」，需透過系統放大。
對管理的看法	質疑「整合」是否被市場低估，挑戰「依附」的定義。	將管理提升為「建立可攜式框架」的能力。
最終模型	動態資本論：強調不同資本間的平衡。	螺旋式人力資本模型：強調資本的同步演化與自我賦能。

2. 相似之處：對「系統性」的共識

• 拒絕原子化個人：「批判性思維」指出個人技術若無商業思維會淪為「數位體力勞動」 ；「辯證法」進則提出個體應成為「微型系統的擁有者」 。
  
  
• 身份認同的轉向：兩者都引用林以正教授的案例，強調必須打破社會給予的「框」（職銜），轉向內在動機（自我決定理論）。
  
  
• 能力的微型化：批判性思維建議技術應「產品化」 ；辯證法建議管理應「框架化」 。兩者都認為能力必須脫離大公司的巨型結構才能遷移。

3. 差異之處：處理矛盾的方式

批判性思維側重「揭露」：它更像是一把手術刀，切開表面現象。它告訴我們：「你以為你很安全（技術），其實不然；你以為你沒價值（管理），其實你找錯了賣法。」

辯證法側重「融合」：它更像是一個煉金爐。它接受了「技術的脆弱」與「管理的依附」，然後提出一個新概念——「主權個體」。

這告訴我們：「不要在依附與遷移之間選邊站，要利用組織的槓桿（依附）來修煉我們的系統能力（遷移）。」


三、 深度分析：為什麼這對職場人士至關重要？

兩種分析方式都收斂到相似的結論，這反映了當代職涯的一個真理：在高度碎片化的市場中，單純的「零件」已無生存空間。

1. 從「職位」轉向「邏輯」： 批判性思維讓我們看到職位是虛假的依附 ；辯證法讓我們學會把管理邏輯「私有化」。 如果你離開公司後無法帶走一套「解決問題的框架」，那你累積的就只是「組織租金」。

2. 信任的重新定價： 批判性思維指出了「品牌信任」消失後的斷層 ；辯證法提出用「專業的人格化」與「人脈的私有化」來填補。 兩者都認為，未來的競爭力在於「個人品牌」與「專業能力」的深度耦合。

3. 心態的徹底洗牌： 兩者都對佐藤誠的「屈辱感」進行了診斷，認為這是身份認同的僵化。 批判性思維稱之為「光環效應的戒斷症狀」 ；辯證法稱之為「舊身份的死亡」 。結論都是一樣的：如果不願意像林以正教授那樣「從低處做起」，任何精妙的能力模型都無法挽救中高階主管離開組織後的慘敗。

批判性思維提供了清醒的痛苦（揭開偽安全感），而辯證法提供了昇華的自由（構建主權價值）。 

坦白說，透過這種方式確實讓我收穫了很多前所未有的想法，特別是用「批判性思維」來剖析我原先的文章內容時，幾乎是每個觀點都拿出來鞭打。

舉例來說：技術能力真的具備天然的「市場免疫力」嗎？管理能力在市場上的「失語」，究竟是個人能力的失能，還是市場定價機制的缺陷？

這些反問句，揭開了「反方」的攻擊：

一、 技術能力的偽安全感：可交付性不等於生存力

文章中認為工程師、設計師等技術職位具備低依附性，因為其成果「可量化、可展示」 。這在表面上是正確的，但從批判性視角看，技術能力同樣存在嚴重的「隱性依附」。

1. 環境依附性： 現代技術很少是孤立存在的。

一名在 Google 工作的軟體工程師，其高效產出可能高度依賴於公司內部的私有工具鏈、分散式系統與海量數據環境。當他離開組織，試圖在資源匱乏的初創環境中工作時，他可能發現自己的「技術」其實是與特定生態系深度耦合的。

2. 知識的半衰期： 技術型能力的「可交付性」雖高，但其「保值性」極低。

技術變遷迅速，基層員工累積的技術資本若不轉向策略層次，極易在 40 歲後被成本更低、學習新工具更快的年輕人取代。

3. 可交付成果的「商品化」陷阱： 當一項能力「極易被感知與量化」時，它在市場上也最容易進入價格競爭。

獨立接案的工程師若無商業思維，僅靠技術交付，最終會淪為市場上的「數位體力勞動者」，這與高階主管追求的價值創造背道而馳 。

二、 管理能力的價值誤區：是「依附」還是「放大」？

我在文章中指出，中高階主管的成果多為團隊協作，依賴公司品牌 。這也導致了一個批判性的命題：我們是否低估了「整合能力」作為一種獨立產品的價值？

• 信任的結構性斷裂： 佐藤誠的失敗不在於他的企劃能力是假的，而是在於他無法證明「個人」能提供「組織級」的保障 。
  
  
• 市場信任來源中的「品牌信任」消失後，專業信任之所以難以感知 ，是因為管理能力的展現需要時間成本與試錯空間，這與市場要求的「即時交付」存在矛盾。
  
  
• 整合者的市場定位： 文章提到升遷是組織對「整合他人」的獎勵，而創業是「直接創造價值」 。這背後的預設是：整合本身不創造價值。但實際上，在高度碎片化的現代市場，能夠整合資源、建立系統、管控風險的人，才是最高階的「價值創造者」。
  
  
• 高階主管的慘敗，往往是因為他們試圖以「個體戶」的身分去賣「系統性」的服務，這本身就是一種戰略定位的錯誤。

三、 業務能力的「萬靈丹」迷思

文中將業務能力視為「介於高依附與可交付之間」的最佳橋樑，認為業務出身者創業存活率高 ，這一點值得進一步解構。

• 產品依附性： 一名頂尖的台積電業務，其成功有多少比例來自個人的人脈與談判技巧，又有多少比例來自台積電無可取代的技術領先？業務的「變現能力」若脫離了具備競爭力的產品支撐，往往會發現所謂的「社會資本」  其實非常脆弱。
  
  
• 市場直覺的侷限： 業務擅長的是「從 1 到 100」的擴張，而創業需要的是「從 0 到 1」的定義。過度依賴業務經驗的創業者，容易陷入「只要能賣出去就是好產品」的盲點，忽略了長期研發與組織結構的建立，這也是許多業務出身老闆無法將公司規模化的原因。

四、 心理資本與身份認同的囚徒困境

佐藤誠在倉庫打工感到「屈辱」，比他年輕的領班指揮讓他痛苦 。這不僅是能力遷移的問題，更是「身份認同」的崩潰。

• 光環效應的戒斷症狀： 大公司主管習慣了「被需要」與「被尊重」，這種尊重往往是給予那個「職銜」而非「個人」。當林以正教授提到「我爸媽做了一個框，我把那個框填得滿滿的」 ，他揭示了許多專業人士的終極悲劇：他們不是在經營能力，而是在經營一個社會期待的空殼。
  
  
• 自我決定理論的批判性應用： 林教授轉型的成功，關鍵在於他接受了「勝任感」的重新定義 。他願意從「帶團康」這種在教授眼中「沒水準」的事做起 ，這是一種徹底的心理重構。
  
  
• 對於大多數中高階主管而言，創業失敗的導火線往往不是缺乏資金，而是無法忍受「專業自尊」在市場上的廉價化。

上述的批判分析，大大擴展了我的思考軍火庫，這也讓我未來更有自信透過這套思維方式來面對不同的難題，期待未來有更多演練的機會，持續提升自己的思辨能力。

笨蛋! 問題不在工具，而是內容

昨天製作新影片時，非常的不順利，本來是想藉由先前的對話存檔，來探討「系統動力學」於創業跟投資兩大領域的應用，想不到產生結果都讓我很不滿意。

先前製作〈你的職涯是一座水力發電站：用系統動力學拆解從「能力累積」到「價值變現」的能量循環〉與〈迷霧中的領航者：AI 時代的認知導航與盲區〉這兩部影片時，幾乎是把我腦中想表達的內容都呈現出來，但這也導致我過度自信，盲目地相信工具的威力。

而且我在影片內容不對時，也沒有回頭去想是不是我的原始素材有問題，而是懷疑是算力不足所導致的後果，鑽牛角尖的下場就是我語音轉換了不下十次、簡報轉換也超過五次，時間都浪費在等待了。

冷靜下來後，才發現自己犯了致命錯誤，那就是我的原始素材並沒有經過整理，就期望能夠過簡單的提示提讓 AI 幫我擷取出想要的內容，這就是用戰術上的勤勞來掩蓋戰略上的懶惰。

看起來我很努力花時間處理影音內容，但事實上是懶得回頭去檢核原始素材，這導致後面做的都是無用功。

昨晚我本來已經想妥協了，但看到影片內容後，決定捨棄重來，因為這完全不是我想表達的，雖然浪費了非常多的時間，卻讓我記憶深刻，以後別再犯同樣的錯誤。

想不到這麼愛說大道理的我，在這個基礎的認知上面一樣陷入盲區，不禁讓人想起《快思慢想》提到的觀念 → 大腦為了節能會避免深度思考，會用經驗來執行任務。

當系統一的執行結果出問題時，應該要切換到系統二思考才對，但我卻一直停留在系統一的層次，起手式就錯了，卻想靠機率來得到好結果，真是不切實際。

人的大腦真是很神奇的結構，即便我一再訓練自己的思維方式，卻還是會鑽牛角尖、沒辦法在第一時間反應過來，這也是「路徑依賴」的行為表現。

希望自己未來別再犯相同的錯誤了。