TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
Bezos 的 AI 缺工預言遇上機器人成本帳，研究估出四十年時程
Amazon 創辦人 Jeff Bezos 在 Fox News 專訪說，AI 提高生產力後有些人一週工作三天就能養家、企業反而請不到人；Anthropic 的機器人研究給出另一本帳：技術上做得到的體力任務占 74%，成本比人力便宜的只占總工時 0.3%，照歷史降價速度要等約四十年。
用 AI 摘要這篇文章：
10 月 7 日晚間，Amazon 創辦人 Jeff Bezos 站在火箭公司 Blue Origin 位於佛羅里達州卡納維爾角（Cape Canaveral）的工廠裡，接受 Fox News 主播 Bret Baier 專訪，這場訪談在《Special Report》節目播出，時間點正逢 Fox News 開台三十週年。談到 AI 對工作的影響時，他給了一個和多數人直覺相反的方向：未來的麻煩不在於工作變少，而在於企業請不到人。
「有些人也會決定：你知道嗎？我一週工作三天就能養家。」他接著說，「這就是經濟生產力的意義。」在 Fox News 當天刊出的專訪報導裡，他把這個畫面推到勞動市場的結論：企業會發現真的很難請到人，因為生產力提高之後，不想兼兩份工作的人可以不必再兼。
這段話當晚就被搬上 X 轉述，Mario Nawfal 的帖文引了裡頭的句子，把重點放在一份薪水就夠養家和缺工這兩點上。這段預測站不站得住，得把兩本帳分開看：技術上做得到多少，以及經濟上比人力便宜多少。Anthropic 在專訪前一週、9 月 30 日發表的機器人勞動研究，正好先一步算好了第二本帳。
他在專訪裡實際說了什麼
先還原原話的語義。Fox News 的報導寫得清楚：Bezos 說的是生產力提高後「有些人會決定」一週工作三天就能養家，他也提到有些家庭屆時可以只靠一份薪水過活。這是一段關於選擇的描述，他沒有預測企業會全面實施三天工作制，沒有給出時間表，也沒有說明生產力的好處會用什麼方式流進員工的薪水。
Baier 當場提出對照：Amazon 從去年底以來已經裁減約 3 萬個企業職位。GeekWire 今年 1 月 28 日的報導給出更明確的帳：1 月再確認裁掉 1.6 萬人，加上去年 10 月的首波，總數正好是 3 萬。Bezos 的回應是，Amazon 在疫情期間大幅擴編、「處境非常特殊」；他理解大眾對 AI 影響工作的恐懼，但不同意那些預測更糟結果的說法。
同場專訪還有兩個背景該記下。談到監管，他說技術剛起步的階段「輕手監管才合適」，「你不會想管制刀子，你想管制的是謀殺」，主張把規範對準危險的用途與濫用的人，技術本身先放一邊。談到自己的新角色，他以 Prometheus 共同創辦人暨共同執行長的身分說，目標是做出讓任何人都能動手當工程師的「通用工程師」（artificial general engineer）；TechCrunch 今年 6 月報導這家公司募得 120 億美元。換句話說，這位預言生產力大躍進的人，本業正在賣生產力工具。他在專訪裡也預測 AI 能為整體經濟帶來兩位數的生產力提升，這句話屬於他個人的宣稱，報導並未附上推算基礎。
機器人做得到的工作，比很多人想像的多
Anthropic 的研究〈What work can robots do?〉由 Russell Legate-Yang 與 Maxim Massenkoff 兩位作者執筆。方法是把美國職業資料庫 O*NET 裡約 900 種職業、1.9 萬項工作任務拿出來，讓 Claude 針對每一項任務搜尋市面上真實存在的機器人，引用來源必須顯示實際部署、商業銷售或公開展示，再判斷機器人今天能不能做、在哪種環境裡能做。先記住它的誠實聲明：這些評分是模型協助產生的估計，並不是實地安裝的統計。
分級的依據是環境。E1 代表在為機器人專門打造的環境做得到，例如工廠產線；E2 代表在一般人類工作場所做得到，例如物流倉庫；E3 代表在開放環境做得到，例如一般道路。一項任務的評分取決於機器人能在多不結構化的環境裡完成它。
覆蓋面的數字比多數人預期高得多：機器人今天已經能在某種環境下完成 74% 的體力任務，換算成工時占全部工作的 34%；若把語言模型能接手的認知與人際任務也算進來，覆蓋率從大約一半增加到 81%。研究的回測也支持這套衡量方式：從 1977 年到今天，對當時機器人暴露程度高的工作，之後幾十年的工資與就業降幅都比其他工作大，即使扣除產業趨勢等干擾因素仍然成立。哪些工作排最前面？研究算出的暴露指數前十名裡有九個是駕駛類職業，計程車駕駛以 2.2 分（滿分 3 分）居首，自駕車、自駕農機與自駕卡車是主要依據；倉儲搬運則靠能在人類工作場所裡走動的搬運機器人拿下 E2 級。反過來看，染髮、搭鷹架這類需要精細手感與肌力平衡的任務，機器人今天做不來；替幼兒換尿布這類工作，則卡在人們不放心交給機器人。軟體端的情況可以對照 NBER 那份 AI 應用供給研究，實體這一側的證據此前一直缺席，這份研究補上了缺口。
成本這一關，只有 0.3% 過了線
第二組數字替樂觀踩了煞車。研究對每一項暴露任務估計機器人的年度成本：設備購置按使用壽命攤提，加上場地改造、維護、能源與真人監督，全部算進去，再和該職業的人力成本比較。結論是機器人今天只在 0.3% 的任務上比人力便宜。
34% 的覆蓋對 0.3% 的划算份額，這就是「技術做得到」和「成本用得起」之間的距離：
| 比較項目 | 研究估計 |
|---|---|
| 機器人技術上做得到的體力任務 | 74%，占全部工作 34% |
| 語言模型加機器人的技術覆蓋 | 81% |
| 成本比人力便宜的任務 | 0.3%（以任務計） |
| 想讓這個比例達到 10%，機器人需降價 | 約 70% |
| 依 1990 年代以來每年約 3% 的降價速度 | 約 40 年 |
降價速度不是憑空假設：產業與政府資料顯示，機器人價格自 1990 年代以來每年約下降 3%。照這個速度，降 20% 需要 7 年左右；要讓成本過線的工作占到全部工作的 10%，得降約 70%，也就是約 40 年。研究再往前推了情境：照基準速度走下去，機器人對一半的體力工作取得成本優勢要等到 2085 年；即使在降價速度最多快四倍、能力擴張速度快一倍的快速採用情境裡，也要到 2050 年，而且要自動化 90% 的體力工作，仍需要 53 年。
採用的現況也呼應這條緩慢的曲線：機器人支出目前只占美國設備投資的約 1%；企業調查倒是顯示，未來三年內的美國機器人採用率有望接近翻倍。已經過線的 0.3% 長什麼樣？研究給出的具體案例是包裝員。美國約有 56 萬名包裝與包裝操作員，一整套機器人（裝箱、廠內搬運、視覺檢查、封箱貼標）購置安裝超過 200 萬美元，取代約 14 名工人的年產出，攤提後每年約 4.5 萬美元，略低於人力成本的 4.9 萬美元。這個職業 2015 年以來就業已減少 22%，美國勞動統計局預測到 2035 年它會是全美減員第 11 多的職業。相對地，郵務員有 94% 的任務機器人做得到，但機器人年度成本約 16.6 萬美元，人力約 8.2 萬美元，機器人得再降價 54% 才打平。能力與成本的這種錯位，和 Judith Dada 那張 AI 能力與成本地圖畫出的斷層，是同一件事的兩種畫法。
成本打平還不夠，剩下的任務會卡住整段流程
研究還有更根本的提醒：就算機器人成本降到和人力打平，也不會自動帶來高失業或高成長。兩位作者引用 Acemoglu 與 Restrepo 等經濟學家的結論，自動化要在機器遠比人力便宜的時候才真正推動生產力；在打平點附近，人還在做的任務可能會變成瓶頸，而且機器人的成本估計裡本來就常包含真人監督、例外處理與維修。
這對「一週工作三天」的推論有直接影響。假設 AI 把某段流程加速十倍，但現場搬運、面對面服務這些環節沒有同步變快，整份工作的工時就不會跟著縮短。研究把這種進度不平均列為自動化擴散的主要限制。拉長時間看，能力確實在往前走：1977 年機器人做不到的體力任務占 62%，用今天的機器人回頭衡量同一批任務，只剩 24% 做不到，等於平均每年機器人多學會約 2% 原本不會的體力工作。方向對 Bezos 有利，速度站在另一邊。除了成本，能力缺口讓約 70% 的體力任務無法大規模自動化，光是抓取與操作的靈巧度就卡住一半的體力任務；人們的偏好擋住四分之一的任務，例如不放心讓機器人替幼兒換尿布；現行法規不允許機器人執行 14% 的體力任務。每一道關卡都可能讓生產力紅利停在半路。
生產力紅利的兩種結局，歷史偏向哪一種
Bezos 的推論鏈是：生產力提高，家庭收入足夠，人們選擇少工作，於是出現缺工。這條鏈的每一步都說得通，但研究裡找不到最後一環的證據：紅利要怎麼從企業帳上流進家庭收入。生產力提升可以變成降價、加薪、擴充產能或股東利潤，只有部分路徑會讓員工有能力減少工時。Bezos 在專訪裡沒有提出任何分配機制；這份成本分析也把偏好、法規與工資回饋等因素擺在一邊，沒有處理紅利怎麼分。
回測給的線索偏向另一種結局。過去 50 年，對機器人暴露的工作經歷的是工資與就業下降；回測沒有涵蓋工時，但至少在量得到的兩個維度上，暴露增加對應的是收入變薄，而非人們自願減少工作天數。暴露程度最高的五分之一工作者，時薪比未暴露者低約 30 美元，失業率超過兩倍，擁有大學以上學歷的比例低 55 個百分點。最容易先被機器人碰到的工作，恰恰是最沒有本錢用「少上班」兌現生產力紅利的族群。兩位作者也把駕駛與倉儲包裝這類高暴露職業，當成觀察實體自動化會先在哪裡發動的前哨站。這一層是從研究數字出發的推論，報告本身沒有對 Bezos 的說法表態。
這份研究和 Bezos 的預測並不直接衝突。研究量的是今天的機器人與今天的價格，作者也明說 AI 可能讓機器人跳過現有的能力階梯，新製程也可能加速降價。它真正限制的是速度：報告寫道，機器人得在未來幾十年維持紀錄等級的降價與改進速率，快速自動化才會發生；硬體昂貴、不像軟體那樣容易複製與散布，這是報告自己點出的差別。這也是 Anthropic 另一份測研發速度的報告在追的同類問題：能力什麼時候變成經濟事實。
這個預測還欠的東西，和可以盯著看的數字
Bezos 的說法目前缺三樣：時間表（他沒給）、分配機制（專訪和研究都沒給）、美國以外的地方版（研究樣本只有美國，台灣沒有對應的衡量，這些比例不能直接搬到本地勞動市場）。
想驗收這個預測，可以盯四個可觀察的數字：實際平均工時有沒有往下走（尤其是高暴露職業）、家庭收入中位數的變化、包裝員與駕駛等高暴露職業的就業人數，以及工業機器人的價格指數。研究提到這項衡量可以用定期更新來追蹤機器人能力；下一次更新時，0.3% 這個數字往哪邊移動，會比任何一場專訪都更誠實。
