回答一個問題：AI 讓你效率提升五倍，你要減少 80% 成本，還是做五倍的事？

當 AI 把一個團隊的生產力放大五倍，你可以減少八成人力，維持原本產出；也可以維持人數，做五倍的事。這個選擇，正在全球企業的會議室裡同時發生，而且沒有標準答案。

2025 年 7 月，黃仁勳在 CNN 專訪中被問到 AI 是否會造成白領失業時，給出一個極為直接的回應：如果世界沒有新的創意，AI 帶來的生產力提升最終只會轉化為失業。問題不在 AI，而在於決策者是否具備想像力。如果世界沒有新的創意，AI 帶來的生產力提升最終只會轉化為失業。

而歷史早就證明，效率提升從來不會讓需求減少。19 世紀提出的傑文斯悖論指出，當技術提升效率、降低成本，需求不但不會下降，反而會成長。這個規律，在每一次技術革命中都重複出現。

Table of Contents

Toggle

傑文斯悖論：效率提升不會讓需求變少，反而增加需求

直覺上，效率提升會讓需求變少，就像 Google 推出 TurboQuant 演算法，將大型語言模型的記憶體占用壓縮至少 6 倍，同時在不犧牲模型準確率的前提下，將推理運算速度提升最高達 8 倍。市場迅速將這項技術解讀為「需求側破壞」，但歷史從來不是這樣運作。

(Google 新技術嚇壞市場，AI 記憶體需求少六倍！SK 海力士、美光同步下殺)

在 a16z Podcast 中，BOX 共同創辦人 Aaron Levie 指出現在市場最大的誤判，是用舊世界的方式去理解 AI：「現在最大的問題是，所有人都在試圖計算經濟模型，但他們對機會的規模至少低估了一個數量級。」

這種錯誤其實發生過很多次。PC 時代，人們以為運算能力是一個有限市場；雲端時代，人們以為只是把既有伺服器搬到別人的資料中心。但真正發生的是：沒有人想到，人們會使用一千倍的資源。

這就是傑文斯悖論在現代的版本：當成本下降，需求不是減少，而是爆炸。

Excel 的案例：低階執行被壓縮，高階決策被放大

AI 也是一樣。當模型變便宜、變快，市場第一時間會以為需求縮水，但真正發生的是使用場景爆炸。而這種爆炸，會直接改變人類的工作方式。

技術革命從來不會直接取代人，而是把人往更高層的抽象移動。他用試算表的例子說明這個過程：一位剛進銀行工作的 MBA，最初並不會用試算表，因此需要一整群實習生替她操作。但幾年後，她與同儕全部變成能操作試算表的人，原本那一層工作直接消失，整個抽象層往上移了。

AI 正在複製這個過程。低階執行會被壓縮，高階決策與系統整合會被放大。

如果沒有創意，AI 帶來的生產力才會轉化為失業

這種變化已經不再是理論，他提到一個案例：一名 Anthropic 的行銷人員，利用 AI 工具完成了過去需要五到十人團隊才能完成的工作。甚至可以說是一個人，用 Claude Code 自動化了原本五到十個人的工作。

但這個案例的關鍵在於能力。Levie 指出：「你必須是一個系統思考者，才有辦法做到這件事。」AI 並沒有讓每個人變強，而是讓懂得拆解系統的人，獲得極大的槓桿。工作本身沒有消失，而是被重新定義。

這也回扣到去年黃仁勳被問到 AI 是否會造成白領失業時，給出的回應。大家都說 AI 導致失業潮，但工具只是讓生產力翻倍，沒本事拿去增加產出是誰的問題。

如果世界沒有新的創意，AI 帶來的生產力提升最終只會轉化為失業。問題不在 AI，而在於決策者是否具備想像力。

Aaron Levie：未來一間公司的 agent 數可能是員工的千倍

當這種模式擴展到企業層級，組織形態也會隨之改變。

Levie 在 Podcast 中提出一個關鍵預言：未來一間公司的 agent 數量，可能會是員工的 100 到 1000 倍。而如果你的 agent 比人多一百到一千倍，你的軟體就必須為 agent 而建。

這意味著企業競爭力的來源正在轉移，你的企業表現，會取決於你的 agent 能多有效取得資訊並完成任務。」因此，軟體產業的問題也被重新定義。API 是否開放、權限與身份如何管理、資料如何被調用，這些都成為核心能力。在這個架構下，員工不再是唯一的生產單位，agent 變成主要執行者，而人類轉向設計與協調。

從 Levie 的觀點來看，之前報導的 Paperclip 可能是相當前瞻的 AI 工作場景。

如果 OpenClaw 是一名 AI 員工，那 Paperclip 就是整間公司的管理系統。使用者可以設定公司目標、建立組織架構、招募不同類型的 AI agents (像是 OpenClaw、Cursor、Codex)，並讓它們像公司團隊一樣分工協作。人類在這個系統中的角色更接近董事會，只需要設定策略、批准重大決策與監控預算，其餘工作則由 agents 自動完成。