在 microagi，我們將部署十億台機器人。當這一天來臨時，其帶來的經濟與社會衝擊將極為深遠。
我們相信，這將引領世界走向富足——因為機器人會大幅提升生產力與產出，使得「物質稀缺」這個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立在供需法則之上，並以資源稀缺為根本前提。Lionel Robbins 在 1932 年精準點出了這一點，他將經濟學定義為「目的與具有多種用途的稀缺手段之間的關係」。我們相信，機器人將消除這種稀缺。在這樣的世界裡，所有人的生活水準都會遠超今日任何人所能享有的程度，而人類能成就的可能性將無窮無盡。
然而，我們也必須承認，在由普及機器人技術所創造的富足世界中，其中一個後果就是：我們今天所熟知的許多人類體力勞動需求將會消失。過去，當機器增加供給、壓低價格時，需求會隨之上升，就業也會跟著增加以滿足需求。但這一次，通用型機器人將有能力自行滿足這些需求。如果我們的經濟體系維持現狀，這意味著數百萬個現有工作機會將消失，並可能奪走人們的收入、地位，以及對許多人而言的人生目標。
我們正面臨一個兩難困境，而目前大多數機器人業界人士甚至不願公開承認，更遑論解決它。這項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適當的解決方案，就永遠無法抵達那個富足的世界。多數人會團結起來，反對智慧進入實體世界；在這樣的壓力下，政府將停止部署機器人。
這篇文章是我們嘗試正視這個兩難的努力。我們會說明技術目前的發展階段、為什麼主流的「取代」經濟模型不足以應對即將到來的變化，以及為什麼「當人們不再需要工作時，他們是誰」這個問題，將決定富足是否真的會到來。接著，我們會把焦點轉向歐洲，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中處於極度脆弱的位置。歐洲的福利國家主要靠對勞動課稅來支撐；歐洲產業仍雇用數百萬人從事機器人正在學習的工作；而歐洲自己製造的機器人卻寥寥無幾。我們描繪了歐洲大陸三種可能的未來，其中兩種我們必須避免，而第三種則是我們打算打造的。
爭奪機器人領域的 GPT 時刻
在整個人類歷史中，物質上的舒適一直仰賴他人的勞動。糧食需要種植、房屋需要建造、貨物需要從一處運送到另一處。機器人技術承諾要自動化這些體力勞動，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，而且正快速逼近。
為了說明它有多快，光是看看過去十八個月就夠了。
Figure AI 的 02 人形機器人在南卡羅萊納州斯巴達堡的 BMW 工廠完成了為期十一個月的部署。到了第十個月，這些機器人已經能跑滿十小時的完整班次，從料箱中取出鈑金件並放到焊接夾具上，誤差控制在五毫米以內。整個計畫期間，它們裝載了超過 90,000 個零件，協助生產了超過 30,000 輛 BMW X3。雖然它們已在 2025 年 11 月退役，但這標示了進步的方向。
2026 年 4 月，Generalist 報告指出，其 GEN-1 模型將特定實體任務的平均成功率從 64% 提升到 99%，在摺紙箱和手機包裝等任務上，速度約為先前方法的三倍，且每項任務僅需約一小時的機器人資料。他們的展示包括連續摺疊紙箱 200 次而無需人工介入。這些仍是公司內部的評估結果，但可靠度與速度正是讓技術成就轉化為實際產出的關鍵特質：一台成功率 64% 的機器人足以用來做展示，但一台成功率 99% 的機器人就能取代一名員工。
今年 7 月 30 日，Google DeepMind 發布了 Gemini Robotics 2，用單一訓練好的策略（policy）控制人形機器人的雙腿、軀幹、手臂與五指手掌，並推出裝置端版本，能在數小時內適應全新的機體形態。8 月 25 日，Skild AI 發表了 S1，這是一個只需觀看一段人類執行陌生任務的影片，就能自己完成該任務的模型，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 回報在未曾見過的任務上成功率達 66%，而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打造「機器人領域的 GPT 時刻」，這意味著一個基礎機器人模型可以被要求執行幾乎任何實體任務，而且做得夠好、夠實用。ChatGPT 在 2022 年 11 月為語言做到了這件事，把一個研究圈的稀奇玩意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，在實體世界中，任務更容易被驗證；這在工業場景或時間跨度短的任務中尤其明顯（例如打包箱子或製造設備）。可驗證的任務就能被自動化，因此 AI 系統在實體世界的影響會更加顯著。
目前為止，衡量這對工作意味著什麼的最嚴謹嘗試，是 Anthropic 的經濟學家在 9 月 30 日發表的研究。Russell Legate Yang 與 Maxim Massenkoff 利用 O*NET 資料庫中約 19,000 項工作任務，發現現有的機器人已經能執行美國 74% 的實體任務，相當於總工時的 34%，儘管主要集中在專門設計或結構化的環境中。若加上大型語言模型，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測顯示，那些更容易被當時機器人取代的工作，在後續幾十年中薪資與就業率都出現下滑；而且每年機器人都能多做到約 2% 原本無法完成的實體工作。
公共討論未能正視機器人技術的風險
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，打造人工智慧的人們開始以罕見的坦率發言，而他們說了什麼、又沒說什麼，都值得我們仔細聆聽。
2025 年 5 月，Dario Amodei 警告說，AI 可能在一到五年內消滅一半的初階白領工作，並將失業率推升至 10% 到 20% 之間。他描述了一個「癌症被治癒、經濟每年成長 10%、預算達到平衡——卻有 20% 的人沒有工作」的世界。三個月後，史丹佛的經濟學家利用美國最大薪資處理商的紀錄發現，自生成式 AI 普及以來，在最受 AI 影響的職業中，22 至 25 歲勞工的就業率相對下降了 13%，而同職務中年紀較長的同事則未受影響。
這些討論忽略了實體 AI 的潛在衝擊。Anthropic 在 9 月發表的《我們經濟未來的情境》提出了三種勞動力市場衝擊模型。在「重大」情境中，AI 能完成一半的知識工作，而知識工作者的薪資基本持平。在「極端」情境中，美國 GDP 上升約三分之一，勞動所得占比降至約 45%，知識工作者薪資下跌超過 10%，失業率則上升到「超越一般衰退水準」。
金融界也從另一個方向得出了類似結論。2026 年 8 月，Bridgewater 執行長 Nir Bar Dea 與投資長 Greg Jensen 在《紐約時報》撰文指出，由於只有勞動被課稅，稅制實際上在獎勵用機器取代人力。他們提議對 AI token 課徵消費稅，以降低對勞動的課稅，並用這筆資金持有 AI 公司的股份，再「與所有公民共享」。到了 9 月底，Bar Dea 已公開警告，若轉型處理不當，將導致「社會崩解」。
雖然看到基礎模型實驗室與全球最大避險基金至少願意承認廣泛社會衝擊的可能性令人振奮，但我們認為，他們的預測从根本上低估了即將到來的勞動力市場震盪規模。
即使是最極端的情境，也「未納入」「人類開發出超強機器人」的可能性。而對於被取代的知識工作者，文中明確指出的出路是實體勞動：他們必須「轉行去做水電工或護理師這類較不受 AI 影響的工作」，作者也承認這對許多人來說會是一段艱難且漫長的過渡。每一個認知取代模型，在某個環節上都依賴著同一個隱而未宣的假設：被取代的認知勞動最終會轉向實體工作。
然而，一旦機器人大規模部署變得可行，這個假設就會被嚴重動搖。如果一位顧問預期自己剛取得資格，機器人很快就會來接線，他就不會花幾年時間重新受訓成水電工。如果一位律師助理預期機器會去搬抬病人，她就不會轉行投入照護工作。經濟學家為認知自動化找到的逃生路線，正好迎面撞上從另一端衝過來的實體自動化。
富足何時到來
正如 Legate Yang 與 Massenkoff 的論文所述，雖然機器人目前至少在某些場景中能完成 74% 的實體任務，但在成本上能與人類競爭的只有 0.3%。如果機器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%。在他們的「快速」情境下，機器人也要到 2050 年才能在成本上與當今一半的實體工作競爭。然而，這是用過去的變化速率往未來推算，連作者自己也承認「AI 驅動的機器人可能會跳過我們的推估規模」。
我們認為它們會的。我們的論證如下：
1. 到 2027 年，AI 系統將投入嚴肅的機器人研究，開發週期將大幅縮短
2025 年 6 月，OpenAI 執行長 Sam Altman 預測，2026 年將出現能產出新穎洞見的系統，而 2027 年可能會帶來「能在真實世界執行任務的機器人」。到 2026 年 9 月，OpenAI 表示已打造出「自動化研究實習生」，這套系統能完成熟練人類研究員需要幾天才能做完的研究任務，而他們現在的目標是在 2028 年 3 月前實現完全自動化的 AI 研究員。獨立測量也指向相同方向。METR 發現，前沿 AI Agent 能以 50% 可靠度完成的軟體任務長度，六年來大約每七個月就翻倍一次。機器人技術說到底也是軟體問題、模擬問題與資料問題，而這些正是這些系統進步最快的領域。
應用在機器人上，這將使開發週期崩塌。硬體向來進展緩慢，因為每個設計都必須實作、弄壞、再重做，每一項新技能都得在真實機器人上一次一次透過遙控操作示範來教。如今這兩個瓶頸都在鬆動。AI 現在可以在早上提出致動器方案、寫好控制策略並讀完錯誤日誌，因此迭代速度更接近軟體開發的節奏。
資料來源現在也比傳統的遙控操作多元得多。今年 2 月，NVIDIA 用 20,854 小時的人類第一人稱手部操作影片預訓練了一個機器人模型，搭配僅四小時的機器人遙控操作資料，不到訓練資料組合的 0.1%。他們發現，隨著人類影片時數增加，效能會以可預測的方式提升。NVIDIA 與其學術合作者用超過 44,000 小時的同類影片訓練了 DreamDojo 世界模型（NVIDIA, DreamDojo, 2026）。市場對自我中心視角資料的信心，反映在過去十八個月機器人訓練資料新創公司募得的超過 7 億美元資金上。Skild 的單影片學習與 DeepMind 的跨機體遷移也顯示，為每個新任務、每種新機體收集資料這個昂貴步驟正在瓦解。
2. 到 2029 年，機器人在技術上將能完成所有具備經濟價值的任務
要達成這一點，我們不一定需要一台萬能的完整系統機器人。相反地，它會是以下幾者的結合：能跨多種機體運作的通用機器人智慧、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設計的專用機體。
今年 2 月，Physical Intelligence 展示了其 π0.6 基礎模型，經過針對各項工作的微調後，在實際商業場景中操作其他公司的機器人：在舊金山的自助洗衣店摺疊顧客衣物，以及在倉庫中連續一個班次打包真實電商訂單，自主性達 96.4%。凡是能圍繞機器重新設計的工作場所，都會被重新設計，就像當年的裝配線一樣。凡是不行的，機器就會學會適應工作場所：那次試驗中的倉庫機器人就是為了直接嵌入現有工作站、並在數小時內開始工作而設計的。
3. 社會效應會隨「能力」而來，而非隨「採用」而來
這是我們論證的核心。擴散曲線描述的是機器人何時會無所不在，但它無法描述人們何時會相信機器人將無所不在，並據此做出決策。一名工人不會等到自己被機器人取代，才去思考這樣的發展對孩子未來意味著什麼。在歐洲，人們已經預期最糟的情況：在歐盟執委會自己的調查中，66% 的人認為 AI 摧毀的工作會比創造的多。這個數字記錄於 2024 年春季，當時世界上還沒有人形機器人完成過任何一個完整的生產班次。我們所擔心的社會後果不需要擴散立刻發生，只需要人們相信它即將到來。
如果主流敘事變成「經濟正在學會如何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開始。
這就是為什麼我們把這篇文章命名為《富足 2029》。當然，到那時並非歐洲的每個倉庫都會被自動化；我們在上一節描述的認知取代可能需要 5 到 10 年，實體取代或許更久。但到了 2029 年，實體 AI 的能力會非常清晰，所謂的「富足火花」這條軌跡將人人可見，而決定歐洲將迎來哪種未來的決策，在那之前就已經定案了。
人們如何贏得自己在社會中的位置
要理解人們會對「富足的能力」做出什麼反應，我們必須回到歷史。
七萬年前，正如 Yuval Noah Harari 在《人類大歷史》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）並沒有什麼特別之處。」然而，想要對彼此有意義的渴望早已存在。
體力提供了通往地位的一條路：贏得較量、保護群體或強加自身意志的能力。但作為體力平平、沒有利爪、面對獅子毫無勝算的靈長類，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。我們擊敗了食物鏈上所有高於我們的物種，因為我們能傳承有用的知識，讓每一代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越來越困難，也需要更高的專業化。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，「你必須先爬上他們的背」。需要多年才能獲得的知識掌握在少數人手中，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。能做出更好工具、或帶領大家度過嚴冬的人，會讓同伴有理由信任他的判斷。但群體內部的尊重，不等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裡，並不存在這樣的秩序。
啟蒙哲學的出現改變了既有的社會階層體系。康德為那個時代提出的座右銘 sapere aude（勇於求知），是一道要求你獨立思考的指令，它也帶來了關於「什麼樣的人值得尊重」的新觀念：是理性，而非出身或虔誠。智力逐漸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，量化交易員的薪水和律師的聲望，都是這種動態的現代體現。現代經濟將智力視為稀缺資源，因此有價值，並用物質與社會地位獎勵那些被認為擁有它的人。對於從事體力工作的人，也存在一條平行的階梯，它比啟蒙運動更古老，根源於行會制度：大師級工匠、Meister、比工程師更懂產線的領班、焊縫從未失敗的焊工。手上的技藝本身就是一種智慧，同樣受到敬重。
簡而言之，工作是多數人不僅藉此謀生、更藉此贏得社會位置的制度。它提供意義感與目標感，讓人不必在凌晨三點獨自面對存在主義的質問。那麼，當人們賴以維生、建立地位的能力不再稀缺，因此也不再珍貴時，會發生什麼事？當機器同時比律師更聰明、比焊工更穩時，又會發生什麼事？
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，這理所當然。但對多數人來說，McKinsey 需要更少顧問的前景，可以理解地不太會激起同情。但當一位同事丟了工作，隔天早上就有一台具體、實體的機器坐進他的位子時，這種威脅就很難再被輕描淡寫帶過了。
自動化有可能讓收入、教育程度與政治立場截然不同的人得出相同的結論：經濟正在學會在沒有他們的情況下運作。一位顧問與一位產業工人不需要在社會該如何組織上達成共識，就能同意社會的發展方向正威脅著他們在其中的位置。這樣的聯盟不需要大規模失業已經發生才會形成。被排除在外的預期，就足以創造共同的政治利益。而當懷抱不同不滿的群體認定了共同的對手，歷史告訴我們，劇烈的變革往往緊隨其後。
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，卻匯聚成對抗同一套秩序的力量。巴黎的麵包價格正是在巴士底獄被攻陷的那一週達到高峰。瑪麗·安東妮成為那套秩序特權的仇恨象徵，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與士兵。列寧「和平、土地與麵包」的承諾，把不同的不滿連結成單一綱領，一個延續三個世紀的政權在幾個月內垮台。
科技本身的近代史同樣發人深省。1811 年至 1816 年間，英格蘭中部與北部的盧德分子砸毀了威脅熟練紡織工的寬幅織襪機與剪毛機，國會則以 1812 年的《破壞機器法》回應，將破壞機械定為死罪。盧德分子被記憶為進步的敵人。事實上，他們是熟練工人，清楚看見新技術的收益將流向他人，而代價卻由自己承擔——在他們有生之年，他們是對的。
在英國，每位工人的產出上升了約半個世紀，而實質工資卻幾乎不動，經濟史學家 Robert Allen 將這段時期稱為「恩格斯的停滯」。砸毀機器的人沒能活著看到收益，而取代他們的工作往往更糟。亞當·史密斯絕非產業的敵人，但他擔心一輩子重複幾個簡單動作，會讓工人「變得像人類所能成為的那樣愚蠢無知」。
盧德分子錯在長期的判斷。砸毀機器並未阻止工業革命，而工業革命最終讓普通人比前幾代人都更富有，正如我們預期機器人技術會做到的那樣。而且在整個過程中，工作依然存在。
當前 AI 與機器人革命的不同之處，在於進步的速度與廣度。Bill Gates 在 8 月也做出了類似的區分：早期的轉型，例如從農場轉向辦公室工作，花了幾代人的時間，並創造出需要人類認知能力的新工作。然而，當 AI 在多數領域超越我們的能力，而且速度快得多時，「許多工作將永遠消失」，他寫道。工業革命的收益透過工作傳遞給普通人：透過它創造的職位與支付的薪水。如果機器人創造了富足卻沒有創造工作，這些收益就需要另一條路徑傳遞給人們，而人們也需要另一個地位來源。
在這條路徑存在之前，橫跨政治與經濟光譜的人們都有動機去抗拒這項技術變革，而 1789 年與 1917 年式的匯聚可能再次上演。如果政府與科技公司無法證明這些進步如何造福勞動者，那麼即使技術上可行，能提升所有人生活水準的物質富足也不會實現。而如果政府與科技業真的失敗了，誰又能責怪人們得出這樣的結論呢？
聯盟已經在成形
這些動態已經可以在資料中心的爭議中看到。在美國，Data Center Watch 統計出，在約兩年內，因地方反對而被阻擋的專案價值達 180 億美元、延遲的達 460 億美元，紅州與藍州皆然，起因包括電費、用水、噪音與土地。僅在 2026 年第一季，它就記錄到至少 75 個、總值約 1,300 億美元的專案受阻，創下單季最高紀錄。在愛爾蘭，資料中心在 2025 年消耗了全國 23% 的計量電力，電網營運商 EirGrid 已暫停受理都柏林地區新的資料中心併網申請，直到 2028 年。
政府與模型開發者未能證明他們的技術如何讓普通人的生活更好，催生出一個跨越左右派的反資料中心聯盟。這直接關係到機器人技術。每一台通用機器人都依賴算力進行訓練，而且越來越依賴算力進行推論。一個蓋不了資料中心的大陸，就無法大規模運行實體 AI。
2025 年 6 月 8 日，洛杉磯市中心的抗議者點燃了至少五輛 Waymo 無人計程車，該公司隨後暫停了當地的服務。這場抗議的起因是移民突擊搜查，而非自動化。當一個社會充滿怒火時，街頭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）的四萬五千名碼頭工人讓從緬因州到德州的 36 個港口停擺，而「防止被自動化取代」正是他們的核心訴求之一。
每一家機器人公司都有責任避免重蹈資料中心建設者的覆轍：必須正視即將發生的社會衝擊，並確保通往富足的轉型能惠及所有人。如果人們感受到的自動化，只是收入與地位被剝奪，卻沒有可靠的替代方案，也無法在未來分一杯羹，那麼要求減緩這套顛覆性系統的呼聲就會越強烈。一個社會即使擁有打造富足智慧的技術，仍然可能拒絕部署它。
因此，在全面部署之前，我們必須先提出一個可信的答案：人們該如何保有地位、權力與人生意義。
歐洲的致命弱點
誰來給出這個答案，取決於誰擁有這些機器。作為一家歐洲公司，我們關心的是歐洲是否有能力給出答案。以下內容大多也適用於其他地區，但歐洲同時具備人口老化、工會強勢、福利制度優渥、產業知識深厚，以及在 AI 與機器人製造上相對弱勢等特徵，使它成為最值得探討的案例。
實體 AI 有兩個部分：讓機器人能夠看見、推理與行動的智慧，以及執行動作的軀體。這兩者的地理版圖早已底定，而歐洲兩樣都不具備。
美國主導智慧層。讓機器人能看、能想、能動的基礎模型，絕大多數都由美國的實驗室與新創公司打造：Google DeepMind 的 Gemini Robotics、Physical Intelligence、Skild、Generalist、OpenAI Robotics，以及 NVIDIA 的 Cosmos 與 GR00T 平台。這些就是「大腦」，而且正以軟體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 29.5 萬台工業機器人，創下歷史新高，超過全球安裝總量的一半；相比之下，整個歐盟為 67,800 台，德國為 26,982 台。中國供應商如今已拿下國內 57% 的市場，十年前這個數字約為 28%。在人形機器人領域，這種不對稱更加明顯。2025 年全球出貨的 13,318 台人形機器人中，智元機器人（AgiBot）出貨超過 5,100 台，宇樹科技（Unitree）約 4,200 台，前十名幾乎全由中國企業包辦。2026 年 8 月，宇樹科技的人形機器人營收首次超越四足機器人後，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《人形機器人創新發展指導意見》，目標是在 2025 年前打造出機器人的「大腦、小腦與肢體」，並在 2027 年前將人形機器人深度整合進實體經濟。它把人形機器人視為與電腦和智慧型手機同等量級的技術，並以此規格付諸行動。
美國正在教機器思考，中國正在學習如何以最低成本造出機器。歐洲的風險在於，在這個未來裡什麼都握不住，但它對這項技術的需求卻比前兩者更迫切。歐盟執委會的分析指出，依照目前的人口預測與不變的教育水平，到 2050 年歐盟勞動力可能減少多達 1,880 萬人。
機器人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：歐洲停止部署
歐洲既未能理解缺乏自動化所帶來的長期失業風險有多龐大，也沒看清可能的解決方案長什麼樣子。工會、地方運動與各光譜的政治人物開始用看待資料中心的眼光看待機器人：認為它只會消耗電力、水資源、土地與工作機會，卻幾乎沒有回饋給住在旁邊的居民。電網接入申請遭到拒絕，就像都柏林已經發生的情況一樣。建照審批陷入停滯。原本為圍欄式工業機械手臂撰寫的安全規範，被套用在可移動、會學習的機器上，導致部署幾乎不可能實現。長期以來拖慢歐洲工廠傳統自動化腳步的勞工恐懼，固化成一道強而有力的政治否決權；因此，沒有任何政治人物敢冒著風險，在不明確反對加速機器人部署的情況下參選。
我們相信，如果現狀不變，這將是預設的發展軌跡。已有三分之二的歐洲人認為 AI 摧毀的工作會比創造的多，而至今還沒有人給他們理由去相信另一種可能。結果就是，西方民主社會封鎖機器人部署，而競爭對手持續推進。不受相同民主制約的中國，繼續壓低生產成本。中國工廠每安裝一台工業機器人，整個歐盟才安裝不到四分之一。產能外移，連帶把投資、供應商網絡與實務知識一起帶走。
我們已經能在當下看到這個未來的雛形。光是 2025 年，德國產業就流失約 12.4 萬個工作機會，幾乎是前一年的兩倍；自 2019 年以來累計減少約 26.6 萬個，其中汽車業在六年內失去 11.1 萬個職位，相當於 13% 的勞動力。2025 年 11 月，巴斯夫（BASF）在中國南部的湛江啟動新一體化（Verbund）基地的生產，投資額約 87 億歐元，是公司史上最大的單一專案。與此同時，落腳 160 年的總部路德維希港（Ludwigshafen）卻在關閉工廠。這是面對不可持續的國內經濟環境時，理性的應對方式。
作為德國產業骨幹的中小企業（Mittelstand）正在失去客戶。它們的天賦一向是隱性知識：那位清楚知道某種合金在特定溫度下會如何表現的工程師。隨著產能外移，歐洲企業先是外包製造，接著發現自己的智慧財產越來越依賴海外生產，最後才發覺那些知識本身已經消失。
產業工人失去工作。同時，專業人士則面臨來自美國 AI 系統的認知自動化，而歐洲無法用監管擋下它，因為它負擔不起。兩波取代浪潮同時襲來。
2024 年，包含社會保險費在內的勞動稅收占歐盟整體稅收的 51.5%。歐洲福利國家的根基，說到底是由人們有工作來支撐的。然而，老年扶養比預計將從 2022 年的 36% 上升至 2070 年的 59%，也就是從大約三名勞動年齡人口供養一名 65 歲以上長者，降到不足兩名。馬里奧·德拉吉（Mario Draghi）將歐洲的人口與生產力處境稱為「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，因為歐洲企業生產與銷售得不夠多，無力買單。政府只剩三個選項：任由服務品質惡化、在縮水的稅基上加稅，或讓債務繼續累積。每一項都令人難以接受或無法持續。極端情況下，福利國家將無力兌現承諾。一項本意是保護勞工的政策，最終既保不住他們的工作，也保不住支撐他們的制度。
歐洲可以在自己境內擋下機器人。但它擋不了深圳或舊金山的機器人發展，也無法實際阻止這些產品以歐洲工廠無法匹敵的價格運抵自家港口。在歐洲封鎖機器人部署，等於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
在第二種未來裡，歐洲沒有阻擋機器人的廣泛部署，因此所有人的物質生活條件確實獲得實質改善。然而，未來依然出了差錯。
面對擁有全自動化「無燈工廠」的外國競爭者，企業選擇如法炮製。理性的經濟決策不再是圍繞人類重新設計工作，而是直接把人類從方程式中移除。Acemoglu 與 Restrepo 的研究發現，在美國的地方勞動市場中，每千名工人多增加一台機器人，就業人口比就會下降約 0.2%，薪資下降約 0.42%。他們研究的對象是 1990 與 2000 年代的機器人：被關在圍欄裡、用途單一且看不見周遭環境。而我們預期在 2029 年出現的通用型機器人，其衝擊將遠遠更大。
第二個問題是所有權。歐洲發明了數位經濟背後的大部分科學，卻只能看著別人建立公司：Amazon、Microsoft 與 Google 如今掌握歐洲約 70% 的雲端市場，而所有歐洲業者加起來僅占約 15%，低於 2017 年的約 29%。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。機器人可能會走上同樣的路徑。未能在算力與硬體製造上投入足夠資源，加上對歐洲企業不利的環境，將導致美國與中國強勢攻占市場。美國的智慧被裝進中國的軀體，而兩者都被安裝在歐洲的工廠裡。
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管制，而多數高效能馬達——包括每台機器人關節裡的馬達——都依賴它。兩個月內，數條歐洲生產線被迫停工，某些採用中國技術的應用甚至被要求揭露敏感的智財資訊。一個工廠、醫院、農場與倉庫都靠外國機器人運轉的歐洲，可能會被北京斷供軀體，被加州關閉大腦。
在這種情境下，自動化的收益流向外國模型與外國硬體的所有者，成本卻留在國內。大量失業來臨，但價值累積在其他司法管轄區，導致缺乏必要的稅基來吸收衝擊，社會經濟裂痕加劇。政府會試圖用任何還能課稅的項目來彌補缺口。這可能表現為 Bridgewater 提議的那種針對 AI token 的消費稅、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、能源與算力資源課稅。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困。但關鍵在於，領錢的人依然沒有工作。
在《人的條件》一書中，漢娜·鄂蘭（Hannah Arendt）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。「確實，」她寫道，「沒有比這更糟的事了。」凱因斯在 1930 年寫作時，認為他的孫輩將面臨完全相同的處境，並預測那些世世代代被訓練去奮鬥的人，將會出現「普遍的『精神崩潰』」。
如前所述，對我們許多人而言，工作是自我認同的重要一部分，一筆轉移支付不足以取而代之。地位以及我們對地位的渴望不會蒸發，而是會轉移到其他仍能賦予它的東西上：財富、關注力、怨懟，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。企業競相奔向無燈工廠，製造出經濟落差，而落差又引發動盪。即使一定程度的重分配能緩和經濟衝擊，人性的問題依然無解。
這類動盪可能摧毀富足所依賴的政治條件：即持續興建資料中心、部署機器與維護機器人的社會共識。一個擁有富足卻失去意義的歐洲，可能會在不滿中投票拆掉餵養它的系統。往好了說，未來二是個糟糕的未來；往壞了說，它只是繞遠路回到未來一。
未來三：歐洲擁抱機器人並建立新經濟
在第三種未來裡，歐洲全面擁抱機器人，並建立起主導其發展的能力。我們開發模型、製造機器人，並打造驅動它們的基礎設施。歐洲產業保持競爭力，更多的知識、所有權與收益留在本地。國際合作持續進行，但歐洲擁有談判條件的技術實力，以及支撐公共機構的生產力。
歐洲有機會運用自身已有的優勢來打造這個未來。它在機器人學習領域擁有世界級的研究，有仍雇用數百萬人的製造業基礎，還有能把通用機器人智慧轉化為上千種具體應用的工程傳統。它也開始挹注算力：2025 年 2 月，歐盟執委會宣布 InvestAI 計畫，目標動員 2,000 億歐元投入 AI，其中 200 億歐元用於 AI「超級工廠」。它過去欠缺的，是一種信念：相信實體 AI 正是歐洲仍能領先的領域，因為實體 AI 獎勵的恰恰是歐洲擅長的事——精密製造、深厚的領域知識，以及讓機器變得可靠的耐心。
此外，機器人帶來的收益應該在歐洲課稅。阿拉斯加自 1982 年起，每年從石油財富中向每位符合資格的居民發放紅利；挪威用北海石油建立的主權基金，如今代表國民持有全球所有上市公司平均 1.5% 的股份。由機器本身支應的歐洲機器人紅利，將遵循同樣的模式。但正如未來二所示，單靠收入無法賦予人們角色；如果我們的野心停留在原地，能給出的角色將所剩無幾。
遲早有一天，幾乎能做我們所有事情的機器人，會完成我們目前想做的每一件事，留給我們物質上的富足，卻讓我們在生產過程中毫無參與感。然而，人類終究是人類。我們依然希望自己的努力被看見、有向上發展的機會，並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在乎的事物都派不上用場的世界裡，這些都不會存在。
我們的答案是一項原則，我們稱之為 Interstellar（星際）。本質上，人類野心的範圍必須永遠大於我們的生產能力。如果我們手上的機器人能完成一千個專案，我們就該嘗試一千零一個。當每台機器都已滿載，剩下的工作——無論占總量的比例多小——就落在人類身上。機器人會造出更多機器人來縮小差距，所以每次機器追上我們的野心時，我們的野心就得再次向前推進。唯有如此，即使在機器幾乎事事都比我們強的世界裡，人類依然是不可或缺的。
無論我們是否真能抵達星辰，這個名字指向的是一個永遠超出當前能力的目標。羅伯特·布朗寧（Robert Browning）在 1855 年表達過這個想法：「人的追求應超越他的掌握……否則天堂何用？」最近的先例是阿波羅計畫。1962 年，約翰·甘迺迪在萊斯大學表示，美國將登上月球，並「做其他那些事，不是因為它們容易，而是因為它們困難」。在高峰期，該計畫動員了政府、產業與大學約 40 萬人，由超過兩萬家企業支援。工程師、焊工、數學家，以及縫製太空衣的女裁縫，都成了那個世紀最耀眼人類成就的一部分。
他們之中很少有人受過太空飛行訓練，但他們把自己的技能與專業帶到了一個需要他們的目標上。歐洲更宏大的目標，也會對那些角色被機器人接手的人提出同樣的要求，而多數人需要協助才能完成轉換。這正是我們為 shift 設想的角色：一個與政府、雇主及地方機構合作打造的平台，提供持續教育、技能重塑與有意義的工作。目標是讓 shift 協助人們接受邊緣必要工作的訓練，並將他們與這些工作連結起來。
雖然私人企業可以改善學習管道、創造機會，但收入權、公共資金與公平使用的權利仍必須掌握在民主機構手中，因為它們的重要性超越任何單一公司的財富或優先事項。管理這場轉型，可能涵蓋從取代發生前的收入保障，到分享自動化收益（運用前述部分機制），再到透過 shift 資助人們走向更宏大目標所創造的工作。
也沒有任何一家公司能單獨承擔設定這種規模野心的責任。這需要一種社會契約，讓企業、勞工與公部門共同決定歐洲——以及更廣泛的人類——打算用自己的富足做些什麼。
沒有這樣的契約，我們就無法負責任地大規模部署，而且這件事刻不容緩。我們還說不出邊緣工作會是什麼，也不確定它能否帶來今天一份工作所能給予的貢獻感。但另一個選項，是一個野心完全由機器滿足的社會，而未來二已經告訴我們那會通向何方。
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、修復被破壞的生態系、探索海洋、在地球之外建立生命，並最終抵達其他恆星。每一項成就都會揭示更多可能性，而每一項都會向我們索求比當代機器所能獨自提供的更多。一個不斷設定這種規模目標的文明，永遠不會讓人民無事可做，因為每達成一個目標，都會讓它看見更大的目標。比起任何目的地，這才是我們所說的 Interstellar。
無論機器人變得多麼強大，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，是世世代代以來工作所賦予人們的認可、地位與貢獻感。
資料來源 @ bercankilic.com
