在 microagi，我們將部署十億部機械人。當這一天來臨，其帶來的經濟與社會影響將極為深遠。
我們相信，這將引領世界走向富足——因為機械人會大幅提升生產力與產出，令物質稀缺（大多數經濟模型的基本假設）不復存在。幾乎所有經濟模型都建基於供求原則，並以資源稀缺為根本前提。Lionel Robbins 在 1932 年便精準概括了這一點，他將經濟學定義為「目的與具有其他用途的稀缺手段之間的關係」。我們相信，機械人將會消除這種稀缺。在這樣的世界裏，所有人的生活水平都會遠遠超越今日任何人所享有的，而人類所能成就的可能性將無可限量。
然而，我們也必須承認，在由普及機械人所創造的富足世界中，其中一個後果就是：今日我們所熟知的許多人類體力勞動，將不再被需要。過去，當機器增加供應、拉低價格時，需求會隨之上升，就業亦會增加以滿足需求。但這一次，通用型機械人將能夠自行滿足這些需求。如果我們的經濟體系維持現狀，這意味着數以百萬計的現有職位將會消失，並可能奪走人們的收入、地位，以及對許多人而言的人生意義。
我們正面對一個兩難局面，而至今大部分機械人業界仍未公開承認，更遑論着手解決。那些能實質改善所有人生活的技術，必然會徹底改變我們的生活。關鍵在於，如果我們無法為這個問題提供妥善的解決方案，就永遠無法抵達那個富足的世界。大多數人會團結起來，反對智能進入物理世界；而在這種壓力下，政府將會叫停機械人的部署。
這篇文章正是我們嘗試正視這個兩難局面的成果。我們會描述技術目前的發展狀況、為何主流的「取代」經濟模型不足以應對即將到來的變化，以及為何「當人們不再需要工作時，他們究竟是誰」這個問題，將決定富足時代能否真正降臨。接着，我們會把目光轉向歐洲——部分原因是我們是一家歐洲公司，但主要是因為歐洲在這個兩難局面中首當其衝。歐洲的福利國家主要靠對工作徵稅來支撐；歐洲工業仍然僱用數百萬人從事機械人正在學習的工作；而歐洲本身卻很少製造這些機械人。我們會描繪歐洲大陸的三種潛在未來，其中兩種我們必須避免，而另一種則是我們決心實現的。
爭奪機械人領域的「GPT 時刻」
在整個人類歷史中，物質上的舒適一直依賴他人的勞動。糧食要有人耕種，房屋要有人建造，貨物要有人從一處運往另一處。機械人技術有望將這些體力勞動自動化，從而降低商品成本，並推動產出擴張，最終實現物質富足。這個未來觸手可及，而且正迅速逼近。
要說明它有多快，單看過去十八個月就足夠。
Figure AI 的 02 人形機械人在南卡羅萊納州斯巴達堡的 BMW 廠房完成了為期十一個月的部署。到了第十個月，這些機械人已能全日運作十小時班次，從料箱中取出金屬板並放到焊接夾具上，誤差控制在五毫米以內。整個項目期間，它們裝載了超過 90,000 個零件，並參與生產了超過 30,000 輛 BMW X3。雖然它們已於 2025 年 11 月退役，但這標誌着未來的發展方向。
2026 年 4 月，Generalist 報告指其 GEN-1 模型將特定實體任務的平均成功率由 64% 提升至 99%，在摺紙箱和包裝手機等任務上，速度約為以往方法的三倍，而每項任務只需約一小時的機械人數據。其示範包括在無人干預的情況下連續摺疊紙皮箱 200 次。這些目前仍屬公司內部評估，但可靠性與速度正是將技術成就轉化為實際產出的關鍵特質：成功率 64% 的機械人足以用來做示範，但成功率達 99% 的機械人則可以取代一名員工。
今年 7 月 30 日，Google DeepMind 發佈了 Gemini Robotics 2，透過單一訓練策略控制人形機械人的雙腿、軀幹、手臂和五指手掌，並提供裝置端版本，能在數小時內適應全新的機械形態。8 月 25 日，Skild AI 發佈了 S1，這是一個只需觀看一段人類執行陌生任務的視頻，就能照樣完成的模型，任務長度可達十分鐘、包含數十個步驟。在其內部基準測試中，Skild 報告指 S1 在未見過的任務上成功率達 66%，而以同等規模訓練的語言提示模型只有 9%。
所有這些公司都在競逐創造「機械人領域的 GPT 時刻」，即一個基礎機械人模型可以被要求執行幾乎任何實體任務，並且做得夠好、夠實用。ChatGPT 在 2022 年 11 月為語言做到了這一點，將一項研究新奇事物變成數億人每天使用的工具。
與語言模型能力最大的不同在於，在物理世界中，任務的可驗證性高得多；對於工業場景或時間跨度短的任務（例如包裝紙箱或製造一件設備）尤其如此。可驗證的任務就能被自動化，因此 AI 系統在物理世界的影響會更加明顯。
迄今為止，衡量這對工作有何影響的最嚴謹嘗試，由 Anthropic 的經濟學家於 9 月 30 日發表。Russell Legate Yang 和 Maxim Massenkoff 利用 O*NET 約 19,000 項工作任務的目錄，發現現有的機械人能夠完成美國 74% 的實體任務，相當於全部工時的 34%，儘管大多是在專門建造或結構化的環境中。若結合大型語言模型，按工時計算約有 80% 的工作任務會受到其中一種技術的影響。他們對過去五十年的回溯測試顯示，較易受當時機械人影響的職位，在隨後幾十年的工資和就業率均有所下降；而機械人每年都能學會處理約 2% 以往無法完成的體力工作。
公眾討論未能正視機械人帶來的風險
更高的生產力本身並不能保證物質安全或滿足感。在這個議題上，研發人工智能的人開始以罕見的坦誠發言，值得我們仔細聆聽他們說了什麼，以及沒有說什麼。
2025 年 5 月，Dario Amodei 警告指，AI 可能在一至五年內淘汰一半的初級白領職位，並將失業率推高至 10% 到 20% 之間。他形容了一個「癌症被治癒、經濟每年增長 10%、預算平衡——但有 20% 的人沒有工作」的世界。三個月後，史丹福大學的經濟學家利用美國最大薪酬處理商的工資記錄發現，自生成式 AI 普及以來，在最易受 AI 影響的職業中，22 至 25 歲工人的就業率相對下降了 13%，而同職位的年長同事則未受影響。
這些討論忽略了實體 AI 的潛在影響。Anthropic 在 9 月發表的《我們經濟未來的情境》提出了三個勞動力市場影響模型。在「重大」情境下，AI 能完成一半的知識工作，而知識工作者的工資基本持平。在「極端」情境下，美國 GDP 上升約三分之一，勞動收入佔比跌至約 45%，知識工作者工資下跌超過 10%，失業率升至「超越一般衰退水平」。
金融界從另一個角度得出了類似結論。2026 年 8 月，Bridgewater 行政總裁 Nir Bar Dea 與首席投資總監 Greg Jensen 在《紐約時報》撰文指出，由於只有勞動被徵稅，現行稅制實際上在獎勵以機器取代人類。他們提議對 AI token 徵收消費稅，以降低對工作的徵稅，並資助持有 AI 公司的股份，然後「與所有公民分享」。到了 9 月下旬，Bar Dea 公開警告，若轉型處理不當，可能會導致「社會崩潰」。
雖然看到基礎模型實驗室和全球最大對沖基金至少承認了廣泛社會影響的可能性令人鼓舞，但我們認為他們的預測從根本上低估了即將到來的勞動力市場衝擊的規模。
即使是最極端的情境，也「不包括」「人類開發出超強能力機械人」的可能性。而對於被取代的知識工作者，文中明確提出的出路是體力勞動：他們必須「轉投電工和護士等較不易受 AI 影響的工作」，作者亦承認這對許多人來說將會艱難而漫長。每一個認知取代模型，在某處都依賴同一個隱含假設：被取代的認知勞動最終會轉向實體崗位。
然而，一旦大規模部署機械人變得可行，這個假設就會被徹底動搖。如果顧問預期自己取得資格後不久，就會有機械人來為大樓佈線，他就不會花幾年時間重新受訓成為電工。如果律師助理預期會有機器去抱起病人，她就不會轉行做護理。經濟學家為認知自動化設想的逃生路線，正好迎面撞上從另一邊而來的實體自動化。
富足何時降臨
正如 Legate Yang 與 Massenkoff 的論文所述，雖然機械人目前至少在某些場景下能完成 74% 的實體任務，但在成本上能與人類競爭的僅佔 0.3%。如果機械人價格繼續以歷史上每年約 3% 的速度下降，這個比例要花大約 40 年才能達到 10%。即使在他們的快速情境下，機械人也要到 2050 年才能在成本上與今日一半的體力工作競爭。然而，這只是量度過去的變化速度並向前推算，連作者自己也承認「AI 驅動的機械人可能會跨越我們的推算規模」。
我們認為它們會的。我們的論證如下：
1. 到 2027 年，AI 系統將進行真正的機械人研究，開發週期將會崩塌
2025 年 6 月，OpenAI 行政總裁 Sam Altman 預測 2026 年會出現能產生新穎洞見的系統，而 2027 年可能會出現「能在現實世界執行任務的機械人」。到 2026 年 9 月，OpenAI 表示已打造出一名「自動化研究實習生」，該系統能完成熟練人類研究員需時數天的研究任務，並目標在 2028 年 3 月前實現完全自動化的 AI 研究員。獨立測量結果亦指向同一方向。METR 發現，前沿 AI Agent 能以 50% 可靠度完成的軟件任務長度，六年來大約每七個月翻一倍。機械人技術說到底也是一個軟件問題、模擬問題和數據問題，而這些正是這些系統進步最快的領域。
應用於機械人技術，這將令開發週期大幅縮短。硬件向來進展緩慢，因為每個設計都要製造、損壞再重造，每項新技能都要在真實機械人身上教導，每次只能靠一個遙距操作示範。如今這兩個瓶頸都在瓦解。AI 現在可以在早上提出致動器方案、撰寫控制策略並讀取故障日誌，令迭代速度接近軟件開發的水平。
數據來源現在也比傳統的遙距操作多樣得多。今年 2 月，NVIDIA 使用 20,854 小時人類用手的第一身視頻預訓練了一個機械人模型，而機械人遙距操作數據只有四小時，不足訓練數據的 0.1%。結果發現，隨着人類視頻時數增加，效能會按可預測的方式提升。NVIDIA 及其學術合作者以超過 44,000 小時的同類片段訓練了 DreamDojo 世界模型（NVIDIA, DreamDojo, 2026）。業界對第一身數據作用的信心，反映在過去十八個月機械人訓練數據初創公司籌集到的逾 7 億美元資金上。Skild 的單視頻學習和 DeepMind 的跨機體遷移亦表明，為每項新任務、每個新機體收集數據這個昂貴步驟，正在逐漸消失。
2. 到 2029 年，機械人在技術上將能完成所有具經濟價值的任務
要實現這一點，我們不一定需要一部能完成所有事情的完整系統機械人。相反，它是能夠跨越多種機體運作的通用機械人智能、適用於合適環境的人形系統，以及針對特定高價值工業任務的專用機體的結合。
今年 2 月，Physical Intelligence 展示了其 π0.6 基礎模型，經針對各項工作微調後，在真實商業場景中操控其他公司的機械人：在三藩市一間洗衣店為顧客摺疊衣物，以及在倉庫內以 96.4% 的自主度完成整整一個班次的真實電商訂單包裝。凡是可以圍繞機器重新設計的工作場所，都會像當年的裝配線一樣被重新設計；凡是不能的，機器就會學習適應工作場所：該試驗中的倉庫機械人被設計成可直接嵌入現有工作站，並在數小時內開始工作。
3. 社會效應會隨能力而來，而非隨普及而來
這是我們論證的核心。普及曲線描述的是機械人何時會無處不在，但無法描述人們何時會相信機械人將無處不在，並據此作出決定。工人不會等到機械人真的取代了自己，才明白這對子女的未來意味着什麼。在歐洲，人們已經預期最壞的情況：在歐盟委員會自己的調查中，66% 的人認為 AI 摧毀的職位會多於創造的職位。這個數字記錄於 2024 年春季，當時全球還沒有一部人形機械人完成過一整條生產線的班次。我們所關注的社會後果不需要立即普及，只需要人們相信它即將到來。
如果主流敘事變成「經濟正在學會在沒有人類的情況下運作」，那麼政治行動會遠早於經濟統計數據反映出這一點之前就已經展開。
這就是為什麼我們將這篇文章命名為《富足 2029》。當然，到那時並非歐洲每個倉庫都會自動化；我們在上一節描述的認知取代可能需要 5 至 10 年，實體取代甚至可能更久。但到 2029 年，實體 AI 的能力將非常清晰，所謂的「富足火花」發展軌跡將人人可見，而決定歐洲迎來哪種未來的決策，早已塵埃落定。
人類如何在社會中贏得立足之地
要理解人們會如何回應帶來富足的能力，我們必須回顧歷史。
七萬年前，正如 Yuval Noah Harari 在《人類簡史》中所寫，人類會相愛、玩耍、建立友誼，並爭奪地位與權力，但黑猩猩、狒狒和大象也是如此。「他們（人類）並沒有什麼特別。」然而，渴望彼此重視的心願早已存在。
體力曾是獲取地位的途徑之一：贏得較量、保護群體或強行貫徹意志的能力。但作為體力平平、沒有利爪、難以對抗獅子的靈長類動物，我們轉而發展出其他優勢。我們學會削尖木棍、用語言協調狩獵、生火。我們之所以能擊敗食物鏈上層的所有生物，是因為我們能傳承有用的知識，讓每一代人都能從上一代的終點起步。然而，每一代人都必須先學會上一代所知道的，因此新知識與創新的發展變得更加困難，也需要更多專業化。Benjamin Jones 將這種動態稱為「知識的負擔」，因為要站在巨人的肩膀上，「首先必須爬上他們的背脊」。需要多年才能掌握的知識只掌握在少數人手中，因此稀缺，也因此被視為有價值。
在小型群體中，技能能贏得尊重。能製造更好工具或帶領他人度過嚴冬的人，會讓同伴有理由信任他的判斷。但群體內部的尊重，並不等同於建立在智力之上的社會秩序；而在歐洲歷史的大部分時間裏，都不存在這樣的秩序。
啟蒙哲學的出現改變了既有的社會階層制度。康德為那個時代定下的格言 sapere aude（敢於求知），是叫人獨立思考的指令，同時帶來了一種關於「什麼使人值得尊重」的新觀念：是理性，而非出身或虔誠。智力日益成為累積金錢財富的特質，也因此成為授予社會地位的依據。
今天，量化交易員的高薪和律師的聲望，都是這種動態的現代體現。現代經濟將智力視為稀缺，因此有價值，並以物質和社會地位回報那些被認為擁有智力的人。對於從事體力工作的人，則有一條平行的階梯，比啟蒙時代更古老，源自行會：大師級工匠、Meister、比工程師更熟悉生產線的領班、焊縫從未失手的焊工。手上的技藝本身就是一種智慧，同樣備受尊崇。
簡而言之，工作是大多數人不僅賺取生計，更是贏取社會地位的機制。它提供意義感和目標感，抵禦那些否則會在凌晨三點湧上心頭的生存疑問。那麼，當人們賴以維生和建立地位的能力不再稀缺、因而不再珍貴時，會發生什麼？當機器同時比律師更聰明、比焊工更穩定時，又會發生什麼？
一個可能形成的聯盟
認知工作自動化的進展已經引發辯論，這是理所當然的。但對大多數人來說，McKinsey 需要更少顧問的前景，可以理解地難以引起多少同情。當一位同事失去工作，而第二天早上就有一部實實在在的實體機器取而代之時，這種威脅就很難再被輕描淡寫。
自動化有可能令收入、教育和政治立場迥異的人得出同一個結論：經濟正在學會在沒有他們的情況下運作。顧問和產業工人不需要在社會應如何組織的問題上達成共識，也能一致認同社會的發展方向正威脅他們在其中的位置。這樣的聯盟不需要大規模失業已經發生。被排斥的預期，就足以形成共同的政治利益。而當懷有不同不滿的群體認定了共同的對手，歷史告訴我們，劇變往往緊隨其後。
1789 年的法國，部分中上階層想要政治權力，城市工人想要買得起的麵包，農民想要擺脫封建負擔。他們的不滿各不相同，卻匯聚成對同一套秩序的反抗。巴黎的麵包價格正是在巴士底獄陷落的那一週達到頂峰。Marie Antoinette 成為那套秩序特權的憎惡象徵，她的奢華被誇大成國家苦難的解釋。1917 年的俄國，反沙皇的力量同樣從自由派知識分子延伸到工人和士兵。列寧「和平、土地、麵包」的承諾將不同的不滿連結成單一綱領，一個延續了三個世紀的政權在數月內倒台。
科技本身的近代史同樣發人深省。1811 年至 1816 年間，英格蘭中部和北部的盧德分子砸毀威脅熟練紡織工的寬幅織襪機和剪毛機，國會則以 1812 年的《破壞機器法》回應，將破壞機器定為死罪。盧德分子被記住為進步的敵人。事實上，他們是熟練工人，清楚看到新技術的收益將流向他人，而代價卻由自己承擔——而且在他們有生之年，他們是對的。
在英國，每名工人的產出上升了約半個世紀，而實際工資卻幾乎停滯，經濟史學家 Robert Allen 稱這段時期為「恩格斯停頓」。砸毀機器的人沒能活着看到收益，而取代他們的工作往往更糟。Adam Smith 絕非工業的反對者，但他擔心一生重複幾個簡單動作會讓工人「變得如人類所能達到的那般愚蠢和無知」。
盧德分子的錯誤在於長遠來看。砸毀機器並未阻止工業革命，而工業革命最終令普通人比前人任何一代都更富裕，正如我們預期機械人技術會做到的一樣。而在整個過程中，工作依然存在。
當前 AI 與機械人革命的分別，在於進步的速度和廣度。Bill Gates 在 8 月作出了類似的區分：早期的轉型，例如從農場轉向辦公室工作，經歷了幾代人，並創造了需要人類認知的新職位。然而，隨着 AI 在大多數領域超越我們的能力，且速度快得多，「許多職位將永遠消失」，他寫道。工業革命的收益透過工作傳遞給普通人：透過它所創造的職位和支付的工資。如果機械人創造了富足卻沒有創造工作，這些收益就需要另一條途徑傳遞給人們，而人們也需要另一個地位來源。
在這條途徑出現之前，政治和經濟光譜上各處的人都會有動機去抵制這場技術變革，1789 年和 1917 年的匯聚可能會再次上演。如果政府和科技公司未能展示這些進步如何惠及勞動人民，那麼即使技術上可行，能提升所有人生活水平的物質富足也不會實現。而如果政府和科技界確實失敗了，誰又能怪責人們得出這樣的結論呢？
聯盟已在成形
這些動態已經可以在數據中心的爭議中看到。在美國，Data Center Watch 統計到在大約兩年內，因地方反對而被阻攔的項目價值達 180 億美元，延遲的達 460 億美元，紅州和藍州皆然，起因包括電費、水資源、噪音和土地。僅在 2026 年第一季，就記錄到至少 75 個、總值約 1,300 億美元的項目受阻，創下有紀錄以來最高的季度數字。在愛爾蘭，數據中心在 2025 年消耗了全國 23% 的計量電力，電網營運商 EirGrid 已暫停為都柏林地區的新數據中心提供接駁，直至 2028 年。
政府和模型開發者未能展示其技術如何改善普通人的生活，促成了一個橫跨左右派的反數據中心聯盟。這直接關乎機械人技術。每一部通用機械人都依賴算力進行訓練，而且越來越依賴算力進行推理。一個無法興建數據中心的大陸，就無法大規模運行實體 AI。
2025 年 6 月 8 日，洛杉磯市中心的示威者點燃了至少五輛 Waymo 無人駕駛的士，公司隨即暫停該區的服務。這場抗議針對的是移民突擊搜查，而非自動化。當一個社會滿腔怒火時，街上的機器就會成為它憤怒對象的象徵。2024 年 10 月，國際碼頭工人協會（International Longshoremen's Association）的 45,000 名碼頭工人令由緬因州至德州的 36 個港口停擺，而要求保障免受自動化衝擊正是他們的核心訴求之一。
每一間機械人公司都有責任避免重蹈數據中心建設者的覆轍：要正視即將出現的社會影響，並確保通往豐裕的過渡期能惠及所有人。人們愈是突然地感受到自動化奪走收入與地位，卻得不到可信的替代方案及對未來的參與權，他們要求拖慢這個製造顛覆的系統的呼聲就愈強烈。一個社會即使擁有建構豐裕智能的技術，仍然可以拒絕部署它。
因此，在全面部署之前，必須先提出一個可信的答案，說明人們如何保留地位、權力與人生意義。
歐洲的致命弱點
誰來提供這個答案，取決於誰擁有這些機器。作為一間歐洲公司，我們關心的是歐洲能否給出這個答案。以下大部分內容同樣適用於其他地方，但歐洲同時具備人口老化、工會勢力強大、福利制度慷慨、工業知識深厚，以及在 AI 和機械人製造兩方面地位薄弱等特點，使它成為最值得深入研究的案例。
物理 AI 有兩個部分：讓機械人能看、能推理、能行動的智能，以及執行動作的軀體。兩者的地理格局已經定型，而歐洲兩者皆不掌握。
美國主導智能層。讓機械人能看、能推理、能行動的基礎模型，絕大多數都在美國的實驗室和初創企業中誕生：Google DeepMind 的 Gemini Robotics、Physical Intelligence、Skild、Generalist、OpenAI Robotics，以及 NVIDIA 的 Cosmos 和 GR00T 平台。這些就是「大腦」，而且正以軟件加速的時間尺度不斷進化。
中國主導軀體，以及大規模製造軀體的能力。2024 年，中國安裝了 295,000 台工業機械人，創下歷史新高，佔全球安裝量一半以上；相比之下，整個歐盟只有 67,800 台，德國則為 26,982 台。中國供應商目前佔據本土市場 57% 的份額，十年前這個數字約為 28%。在人形機械人領域，這種不對稱更加明顯。2025 年全球出貨的 13,318 台人形機械人中，智元機械人（AgiBot）出貨超過 5,100 台，宇樹科技（Unitree）約 4,200 台，前十名大部分由中國企業包辦。2026 年 8 月，宇樹科技的人形機械人收入首次超越四足機械人後，在上海科創板上市，估值約 90 億美元。
2023 年 11 月，中國工業和信息化部發布《人形機械人創新發展指導意見》，目標是在 2025 年前打造機械人的「大腦、小腦和肢體」，並在 2027 年前把人形機械人深度融入實體經濟。文件把人形機械人視為與電腦和智能手機同等規模的技術，隨後亦按此付諸實行。
美國正在教機器思考。中國正在學習如何以最低成本製造機器。歐洲有可能在這個未來中一無所有，但它對這項技術的需求卻比美中兩國都更迫切。歐盟委員會的分析發現，按照目前的人口預測和教育水平不變的情況下，到 2050 年歐盟勞動力可能減少多達 1,880 萬人。
機械人技術可以解決歐洲最可預見的危機，也可能引發下一場危機。三種未來
未來一：歐洲叫停部署
歐洲未能理解缺乏自動化所帶來的長期失業風險有多嚴重，也看不清可行方案的輪廓。工會、地方運動和各派系政客開始用看待數據中心的眼光看待機械人技術：認為它只會消耗電力、水資源、土地和工作機會，卻幾乎沒有回饋給周邊居民。電網接駁申請被拒，都柏林已經出現這種情況。規劃審批陷入停滯。原本為圍欄內工業機械臂制訂的安全規則，被套用在具移動能力和學習能力的機器上，令部署實際上變得不可行。長期以來拖慢歐洲工廠傳統自動化步伐的工人恐懼，固化成強而有力的政治否決權；因此，沒有政客敢冒風險推出不明確反對加速機械人部署的政綱。
我們相信，如果一切維持不變，這將成為預設的發展軌跡。已有三分之二的歐洲人認為 AI 摧毀的工作會多於創造的工作，而至今仍未有人提出理由讓他們改變想法。結果是，西方民主社會封鎖機械人部署，競爭對手卻繼續推進。中國不受相同的民主制約，持續壓低生產成本。當地工廠每安裝四台以上的工業機械人，整個歐盟才安裝一台。生產線外移，連帶投資、供應商網絡和實戰知識一併流失。
我們已經可以在當下看到這個未來的雛形。單計 2025 年，德國工業界就削減了約 124,000 個職位，接近前一年的兩倍；自 2019 年以來累計減少約 266,000 個職位，其中汽車業六年內流失 111,000 個職位，即 13% 的勞動力。2025 年 11 月，巴斯夫（BASF）在中國南部湛江的新 Verbund 基地投產，投資額約 87 億歐元，是公司歷來最大的單一項目。與此同時，作為公司總部所在地 160 年的路德維希港（Ludwigshafen）卻在陸續關閉廠房。這是面對難以持續的國內經濟環境所作出的理性反應。
作為德國工業骨幹的中小企業（Mittelstand）正在失去客戶。它們的精髓一向在於隱性知識：工程師清楚知道某種合金在特定溫度下會有何表現。隨着生產外移，歐洲企業先是把製造工序外包，繼而發現其知識產權愈來愈依賴海外生產，最後才發覺那些知識本身已經消失。
產業工人失去工作。同一時間，專業人士亦面臨來自美國 AI 系統的認知自動化衝擊，而歐洲無法透過監管把它們擋在門外，因為它負擔不起。兩波取代浪潮同時來襲。
2024 年，包括社會保障供款在內的勞工稅項，佔歐盟整體稅收的 51.5%。歐洲福利國家的根基，本質上是由人們有工作來支撐的。與此同時，老年撫養比率預計將由 2022 年的 36% 升至 2070 年的 59%，即由大約三名勞動年齡人口供養一名 65 歲以上長者，降至不足兩名。馬里奧·德拉吉（Mario Draghi）曾形容歐洲的人口與生產力處境是一場「存亡挑戰」。
在未來一中，這些趨勢正面交鋒。福利需求上升，因為更多人失業、更多人退休。稅基萎縮，因為歐洲企業生產和銷售得不足以支付開支。政府面臨三個選擇：任由公共服務惡化、向不斷縮小的稅基加稅，或者容許債務進一步累積。三者皆不理想或不可持續。極端情況下，福利國家將無力兌現承諾。一項原意保護工人的政策，最終既保不住他們的飯碗，也保不住為支援他們而建的制度。
歐洲可以在自己邊境之內叫停機械人技術。但它無法阻止深圳或三藩市的機械人發展，也無法切實阻止這些產品以歐洲工廠無法匹敵的價格運抵其港口。在歐洲封鎖機械人部署，意味着踏入科技進步的新篇章，卻完全錯失其中的好處。
未來二：歐洲妥協接受
在第二種未來中，歐洲沒有阻擋機械人技術的廣泛部署，因此所有人的物質生活條件確實得到實質改善。然而，未來依然出了問題。
面對擁有全自動化「黑燈工廠」的外國競爭對手，企業以同樣方式回應。理性的經濟決定不再是圍繞人類重新設計工作，而是乾脆把人類從方程式中剔除。Acemoglu 和 Restrepo 的研究發現，在美國本地勞動力市場中，每千名工人增加一台機械人，就業人口比率便下降約 0.2%，工資下降約 0.42%。他們的研究對象是 1990 和 2000 年代的機械人：困在圍欄內、用途單一、看不見周圍環境。而我們預期到 2029 年出現的通用型機械人技術，其後果將會嚴重得多。
另一個次要問題是所有權。歐洲發明了數碼經濟背後的大部分科學，卻眼睜睜看着別人建立公司：Amazon、Microsoft 和 Google 目前佔據歐洲雲端市場約 70% 的份額，而所有歐洲供應商合計僅佔約 15%，較 2017 年的約 29% 大幅下跌。歐洲人每天使用的前沿模型，是在加州、用美國晶片、依美國法律訓練出來的。機械人技術可能會走上相似的路徑。未能在算力和硬件製造上投入足夠資金，加上對歐洲企業不利的環境，將導致美國和中國強勢攻佔市場。美國的智能被裝進中國的軀體，兩者再一同被安裝到歐洲的工廠裏。
歐洲已經嘗過這種地緣政治依賴的苦果。2025 年 4 月，中國對稀土磁鐵實施出口許可制度，而大多數高性能摩打（包括每台機械人關節中的摩打）都依賴這些磁鐵。兩個月內，數條歐洲生產線被迫停工，部分涉及中國技術的申請更被要求披露敏感的知識產權資料。一個工廠、醫院、農場和倉庫都靠外國機械人運作的歐洲，其軀體可能被北京扣留，其思想則可能被加州關掉。
在這種情境下，自動化的收益流向外國模型和外國硬件的擁有者，代價卻留在本土。大規模失業來臨，但由於價值在其他司法管轄區積累，本地缺乏足夠稅基去消化衝擊，社會經濟分化加劇。政府會嘗試用任何仍能徵稅的手段去填補缺口。這可能體現為 Bridgewater 提出的那種 AI token 消費稅、政府在力所能及的自動化項目中持有的公共股份，以及對短期內仍屬稀缺的土地、能源和算力資源徵稅。如果以全民基本收入的形式重新分配，或許能在維持購買力的同時避免物質貧窮。但關鍵在於，領取款項的人依然處於失業狀態。
Hannah Arendt 在《人的境況》（The Human Condition）中警告，自動化可能把我們送進「一個沒有勞動的勞動者社會」——一個曾經把工作歌頌為一切價值來源的社會，最終卻被剝奪了唯一剩下的活動。「肯定地，」她寫道，「沒有甚麼比這更糟。」Keynes 在 1930 年撰文時，認為他的孫輩將面對完全相同的情況，並預測那些世代以來被訓練去奮鬥的人會出現「普遍的精神崩潰」。
如前所述，對我們很多人而言，工作是構成自我認同的重要部分，轉移支付不足以取而代之。地位和我們對地位的渴望不會蒸發，只會轉移到其他仍能賦予地位的事物上：財富、關注、怨憤，或任意劃分的群體歸屬。無論物質條件如何，這種轉變本身就足以造成動盪。
未來二的核心問題是社會動盪。企業爭相奔向黑燈工廠，造成經濟差距，而差距又引發動盪。即使一定程度的再分配能緩和經濟衝擊，人的問題依然懸而未決。
這類動盪可以摧毀豐裕所依賴的政治條件：即繼續興建數據中心、部署機器和維護機械人的社會共識。一個擁有豐裕卻失去意義的歐洲，可能會在不滿之中投票拆毀滋養它的系統。最好的情況，未來二是個糟糕的未來；最壞的情況，它只是繞遠路回到未來一。
未來三：歐洲採用機械人技術並建立新經濟
在第三種未來中，歐洲全面採用機械人技術，並建立塑造它的能力。我們開發模型、製造機械人，並建設驅動它們的基礎設施。歐洲工業保持競爭力，更多知識、所有權和回報留在本地。國際合作繼續進行，但歐洲擁有談判條件的科技實力，以及維持公共機構運作的生產能力。
歐洲有機會憑藉現有優勢去建構這個未來。它在機械人學習領域擁有世界級研究，製造業基礎仍僱用數百萬人，工程傳統能把通用機械人智能轉化為成千上萬個具體應用。它已開始資助算力建設：2025 年 2 月，歐盟委員會公布 InvestAI 計劃，目標動員 2,000 億歐元投入 AI，其中包括 200 億歐元用於 AI「超級工廠」。它所欠缺的，是確信物理 AI 正是歐洲仍能領先的領域，因為物理 AI 獎勵的恰恰是歐洲的強項：精密製造、深厚的領域知識，以及令機器穩定可靠的耐性。
此外，機械人技術的回報應在歐洲課稅。阿拉斯加自 1982 年起每年從石油財富中向每位合資格居民派發股息；挪威利用北海石油建立的主權基金，現時代表國民平均持有全球所有上市公司 1.5% 的股份。由機器本身出資的歐洲機械人股息，將沿用同一模式。但正如未來二所示，單靠收入無法賦予人們角色；如果我們的志向原地踏步，剩下可供分配的角色將會少之又少。
能夠做到我們幾乎所有事情的機械人，遲早會完成我們目前想做的所有事，留給我們物質豐裕，卻不讓我們參與生產。然而，人類始終是人類。我們依然希望自己的努力被認可、有向上流動的機會，以及身處一個會察覺我們缺席的社群；在一個我們的工作對任何我們在乎的事都毫無必要的世界裏，這些都不會存在。
我們的答案是一個稱為 Interstellar 的原則。本質上，人類志向的範圍必須永遠大於我們的生產能力。如果我們擁有的機械人能完成一千個項目，我們就應該嘗試一千零一個。當每台機器都已滿載，餘下的工作——無論佔總量多麼微小——就落在人類身上。機械人會製造更多機械人來收窄差距，所以每次機器追上我們的志向，我們的志向就必須再次向前推進。在這個前提下，即使在機器幾乎事事都比我們做得好的世界裏，人類依然是必要的。
無論我們最終能否抵達星辰，這個名字指向的目標，總是超越我們目前所能做到的事。Robert Browning 在 1855 年表達過這個想法：「人的追求應超越他的掌握……否則天堂有何用？」最近的先例是阿波羅計劃。1962 年，John F. Kennedy 在萊斯大學表示，美國將登陸月球，並「做其他事情，不是因為它們容易，而是因為它們艱難」。在高峰期，該計劃動員了政府、業界和大學約 40 萬人，獲超過 20,000 間企業支援。工程師、焊工、數學家，以及縫製太空衣的女裁縫，都發現自己成為那個世紀最矚目人類成就的一部分。
他們當中很少人受過太空飛行訓練，但他們把自己的技能和專長帶到一個需要他們的目標上。歐洲更宏大的目標，也會向那些角色被機械人取代的人提出同樣的要求，而大多數人需要協助才能完成這次轉型。這正是我們為 shift 構想的角色：一個與政府、僱主和地方機構合作建立的持續教育、技能重塑和有意義工作的平台。目標是讓 shift 協助人們接受邊緣必要工作的培訓，並把他們與這些工作連結起來。
雖然私人企業可以改善學習渠道和創造機會，但收入權、公共資金和公平使用的權利仍須由民主制度掌握，因為它們比任何個別公司的財富或優先次序更重要。管理這場轉型，可以由取代前的收入保障，延伸至分享自動化收益（運用上文提到的部分機制），再到透過 shift 資助的路徑，讓人們投身更宏大目標所創造的工作。
也沒有一間公司能單獨承擔設定如此規模志向的責任。這需要一種共識安排，讓企業、工人和公共當局共同商定歐洲以至整個人類打算如何利用其豐裕成果。
沒有這樣的共識安排，我們無法負責任地大規模部署，而這件事很快就要落實。我們目前還說不出邊緣工作會是甚麼，也無法確定它能否給予人們今天工作所帶來的那種貢獻感。但另一種選擇，是一個所有志向都被機器徹底滿足的社會，而未來二已經展示了那會通向何方。
人類可以選擇投身的事業，看不到盡頭。我們可以尋找治癒疾病的新方法、修復被我們破壞的生態系統、探索海洋、在地球以外建立生命，並在適當時候抵達其他恆星。每一項成就都會揭示更多可能性，而每一項成就對我們的要求，都會超出當代機器獨自所能提供的。一個不斷設定如此宏大目標的文明，永遠不會缺少給人民的工作，因為每達成一個目標，都會讓它看見更大的目標。這才是我們所說的 Interstellar 的真正含義，比任何目的地都重要。
無論機械人變得多麼強大，我們所嘗試之事的規模，都會為人類保留一席之地；而伴隨這個位置而來的，是世世代代工作所賦予人們的認可、地位和貢獻感。
資料來源 @ bercankilic.com
