你有沒有這種感覺——最近三個月，身邊的 AI 相關內容多到讓你窒息？
LinkedIn 上每隔兩天就有人在說「不會 AI 的人要被淘汰了」，科技媒體用大標題警告你「AI 將取代你的工作」，連你主管都在 All Hands 上說「公司要 AI 轉型，不跟上的人要小心了」。
然後你打開 Coursera，看到幾百門「AI 生存課程」，一門要 $299。
你知道哪裡不對勁，但說不清楚。
好，讓我們今晚坐下來，把這件事拆開來看。
第一層：誰在販賣 AI 焦慮？他們為什麼？
我先說一個讓你冷靜的數據：根據 Challenger, Gray & Christmas 的追蹤，2025 年美國企業申報裁員中，明確說因為 AI 而裁員的，只佔 4.5%。
只有 4.5%。
但你有沒有覺得那一年 AI 取代人類的新聞，佔了科技版面的 90%？
這個落差不是偶然的。這是一門精心設計的生意。
源頭製造者：AI 公司 CEO 的自相矛盾
先來看幾段話：
Dario Amodei，Anthropic CEO，他說：「AI 在 6 到 12 個月內將取代大多數軟體工程師的工作」、「半數初級白領工作將消失」。
然後呢？Anthropic 同一時間瘋狂招募工程師，薪資開到年薪 $470K 到 $630K，部分職位超過 $90 萬美元。
你沒看錯，九十萬美元。
Sam Altman，OpenAI CEO，說 AI 將取代 40% 的工作，「連 CEO 都不安全」。但他後來又親口承認，很多企業根本是在「AI washing」——用 AI 當藉口裁員，實際上不關 AI 的事。
所以我要問你一個很基礎的問題：如果 AI 真的要取代工程師，為什麼要開百萬年薪搶工程師？
答案其實很簡單。Anthropic 估值大約 $3,500 億美元，OpenAI 估值約 $5,000 億，他們都計畫在 2026-2027 年附近 IPO。OpenAI 預計要虧損到 2029 年，累計虧損超過 $1,150 億。
這樣的估值，需要一個配得上的故事。
「我們讓人類工作效率提高 20%」——這個故事撐不起五千億美元。
「我們要顛覆全球勞動力市場、取代數億個工作崗位」——這個故事可以。
所以他們說的那些「AI 取代工作」，有多少是真心預測，有多少是估值敘事的一部分？你自己判斷。
中間商：顧問公司的雙面人生意
故事說完了，誰來接單？
麥肯錫（McKinsey）2025 年超過 40% 的營收——超過 64 億美元——來自 AI 相關諮詢。波士頓顧問（BCG）、Accenture、Capgemini 也在 2026 年初與 OpenAI 建立了正式合作夥伴關係。
他們的商業模式是這樣運作的：
- 發布一份措辭恐怖的「AI 衝擊報告」（免費）
- C-suite 高管看完睡不著覺（免費）
- 高管決定找顧問來幫他們「AI 轉型」（$5,000,000 起跳，不免費）
- 顧問做完這個案子，再發一份新報告（回到步驟 1）
這個迴圈可以無限循環。
最妙的地方在於：他們同時是 AI 工具的推廣者（賣給客戶）和 AI 恐懼的製造者（讓客戶有動機買）。他們既是裁判，又是球員。
套利者：企業管理層的神奇話術
Harvard Business Review 做了一個很有趣的調查，訪問了 1,006 位企業高管。
結論：60% 的企業在 AI 真正產生效果之前就已經宣布裁員。
裁員的真正原因是什麼？需求疲軟、過度擴張、資本市場施壓要求縮減成本。
但你知道對投資人說什麼最好聽？「我們正在進行 AI 轉型，精簡人力，提升效率。」
比起「我們當初招太多人了」，「我們 AI 轉型」聽起來是主動的、進取的、有遠見的。
Sam Altman 自己都承認這個現象存在。你看，連賣 AI 的人都知道這個把戲。
零售端：課程販子的恐懼變現
這是整條食物鏈的末端，也是最直接衝著你口袋來的人。
你曾經看過這種廣告嗎？
「2026 年 AI 時代，你的技能還剩多少價值？立刻報名課程，搶先掌握 AI 技能！限時優惠 $499 → $99」
這個句型跟健身廣告幾乎一模一樣：「你的身材還剩多少時間？立刻報名，搶在夏天來前改變！」
同樣的心理學結構：先製造問題（你的技能/身材有問題），再提供解方（買我的課程/課程）。
差別在於，健身廣告的問題是你照鏡子就能驗證的，但 AI 課程的問題——「你快被淘汰了」——是一個沒有截止日期的模糊威脅。
模糊的威脅最能讓人持續焦慮，而持續焦慮的人最容易衝動消費。
放大器：媒體的點擊率算法
媒體沒有義務讓你冷靜，媒體有義務讓你點擊。
「AI 將取代 3 億個工作崗位」的標題，點擊率遠高於「研究顯示 AI 對就業影響比預期低」的標題。
Bloomberg 在 2025 年底甚至發明了一個詞：AI scare trade——一種專門押注「AI 恐慌情緒」會帶動某些股票的交易策略。
沒錯，「你的恐懼」本身已經是一個可以交易的金融商品。
整理一下這條食物鏈的本質：
| 角色 | 從你的焦慮中獲得什麼 |
|---|---|
| AI 公司 CEO | 千億美元估值 |
| 管理顧問公司 | 數億美元諮詢費 |
| 企業管理層 | 更好看的財報和投資人故事 |
| 課程販子 | 直接從你口袋拿錢 |
| 媒體 | 點擊率和廣告收入 |
這條鏈上的每一個節點，都需要你焦慮才能運轉。你的焦慮，是他們的燃料。
第二層：七種話術與如何破解它們
知道了這條食物鏈，你就已經有了最重要的防禦——你知道他們有動機讓你焦慮。
但知道還不夠，你還需要具體的工具來識破話術。以下是我整理的七種最常見 PUA 話術，以及對應的破解方式。
話術一：「不學 AI 就被淘汰」
破解：問「誰淘汰的？淘汰的機制是什麼？」
美國國家經濟研究局（NBER）做了大規模企業調查，結果是：超過 90% 的企業表示 AI 工具對人力需求幾乎沒有影響。
「不學就被淘汰」這句話的威脅有效性，取決於「淘汰者」的存在。如果 90% 企業都還沒開始因為 AI 而裁員，你被誰淘汰？
當然，這不代表你不需要學 AI——只是學習的動力應該是「它讓我更有能力」，而不是「不學就死」。
話術二：「XX 職業 2026 年將消失」
破解：問「數據來源是什麼？方法論是什麼？」
大部分「職業消失」預測都來自顧問公司的報告，而那些報告的方法論通常是：找出某個職業的主要任務清單，然後問「這些任務 AI 能做嗎？」如果能，就說這個職業要消失。
問題是，這完全忽略了：
- 職業的定義會改變（以前「電話接線生」是個職業，後來電話普及，但換來更多其他工作）
- 任務被自動化 ≠ 職業消失（會計師還在，只是用 Excel 而不是算盤）
- 新技術創造的新職業
Yale 大學的勞動力數據也確認，到 2026 年初，就業市場結構並沒有因為 AI 出現顯著的系統性變化。
話術三：「我們公司已經全面 AI 化了」
破解：問「業績真的提升了嗎？有數字嗎？」
「AI 化」在企業界是一個非常有彈性的說法。可能是：
- 客服用了 ChatGPT 回一些基本問題
- 開會時有人開著 Otter.ai 做記錄
- 有工程師在用 GitHub Copilot
這些都叫「全面 AI 化」，但跟「AI 根本性地改變了我們的競爭力」完全是兩回事。
下次有人說這句話，直接問：「所以你們的人均產值或毛利率有沒有顯著提升？」
大概率得到沉默，或者一個含糊其辭的答案。
話術四：「AI 現在已經寫了我們 100% 的程式碼」
破解：問「架構設計、需求澄清、系統維護也是 AI 在做嗎？」
這是 AI 公司 CEO 最愛說的話，偶爾也出現在創業圈。
「寫程式」是軟體開發中最機械化、最容易自動化的部分。但軟體工程的核心工作是：理解業務需求、做架構決策、處理模糊的技術問題、除非常難以重現的 bug、以及在多個不完美方案中做取捨。
如果你的工作真的只是把規格書翻譯成程式碼，那確實要小心。但大部分有價值的工程師工作，遠不只是「打字」。
話術五：「現在不投資就來不及了」
破解：問「來不及什麼？價格在漲還是在跌？」
事實是：AI 的使用成本正在暴跌。
2024 年初，GPT-4 等級的 API 大約要 $60 美元每百萬個 token。到 2026 年初，類似性能的模型降到了約 $1.75 美元每百萬 token。一年內跌了將近 97%。
DeepSeek 用 $560 萬訓練出了可以比肩 GPT-4o 的模型，比 OpenAI 的訓練成本便宜了幾十倍到上百倍。
在這個趨勢下，「現在不投資就來不及」是最沒邏輯的說法——等一等，你能用更少的錢得到更強的東西。
話術六：「你的競爭對手已經在用了，你跑輸了」
破解：問「用了之後效果如何？有公開的競爭數據嗎？」
這是最古老的 FOMO（Fear of Missing Out）技法。
大部分宣稱「全面 AI 化」的企業，效果都還在「實驗」階段，並沒有可量化的競爭優勢出現。MIT Sloan Management Review 建議的黃金法則是：不要問「為什麼不用 AI」，要問「你要解決什麼問題？AI 是最好的解法嗎？」
反轉舉證責任。讓他們來證明 AI 在他們的情境下真的有效，而不是你去為「沒用 AI」道歉。
話術七：「這次不一樣」
破解：回顧歷史。每次技術革命都有人說「這次不一樣」。
1990 年代網際網路：「這次不一樣，實體零售要消失了」→ 確實改變了零售，但實體店還在，只是型態變了。
2008 年社交媒體：「這次不一樣，傳統媒體要死了」→ 傳統媒體受衝擊，但並未消失。
2017 年區塊鏈：「這次不一樣，銀行要被顛覆了」→ 銀行繼續很賺錢。
AI 這次確實是真實的技術進步，但「真實的技術進步」和「天啟式的勞動力革命」之間，有很長的距離。
信任分級制度
下面我給你一個實用的「誰的話你應該多聽」參考：
| 來源 | 可信度 | 原因 |
|---|---|---|
| AI 公司 CEO | ⭐ 低 | 估值敘事需求，自相矛盾 |
| 麥肯錫/BCG 報告 | ⭐ 低 | 直接利益衝突 |
| LinkedIn「AI 先知」 | ⭐ 最低 | 通常附課程連結 |
| 科技媒體 | ⭐⭐ 偏低 | 激進標題有流量誘因 |
| OECD/NBER 獨立研究 | ⭐⭐⭐⭐ 高 | 無直接商業利益 |
| Yale/MIT 學術數據 | ⭐⭐⭐⭐⭐ 高 | 同行審查，方法論公開 |
| 你自己的觀察 | ⭐⭐⭐ 中高 | 有情境偏差，但直接 |
關鍵原則：追蹤利益鏈。說話的人是否從你的焦慮中獲益？
第三層：如何白嫖他們的 AI 算力？
好了，我們已經看穿了這場遊戲的規則。
現在來談最重要的問題：你應該怎麼做？
答案很諷刺：用免費的，練真實的技能，等他們互殺到白菜價，然後再進場。
價格崩盤：數字說話
先看一張表，讓你理解現在的市場狀況：
| 時間 | GPT-4 等級 API 價格（每百萬 token 輸入） | 備注 |
|---|---|---|
| 2024 年初 | ~$30 | GPT-4 Turbo |
| 2024 年中 | ~$10 | 競爭加劇 |
| 2025 年初 | ~$5 | DeepSeek 登場前 |
| 2026 年初 | ~$1.75 | DeepSeek + 開源壓力 |
一年跌了 97%，而且趨勢沒有停下來的跡象。
DeepSeek 用 $560 萬訓練出可以媲美 GPT-4o 的模型，這個數字顛覆了「AI 模型需要數十億美元訓練費」的神話。Anthropic 的 CEO 說 AI 取代工程師，但 DeepSeek 的出現告訴我們：AI 的成本壁壘在快速崩潰，能讓 OpenAI/Anthropic 睡不著覺的，是開源社群，不是你沒買他們的課程。
免費額度白嫖清單
現在，不花任何錢，你可以用到的 AI 工具：
雲端免費層：
- ChatGPT Free：現在可用 GPT-4o（功能限制但夠用）
- Claude Free：Anthropic 的 Sonnet 模型
- Gemini Free：Google 的 Flash 模型（速度極快）
- DeepSeek：幾乎免費，比 OpenAI 便宜 90-95%
- Grok Free：Elon Musk 的 xAI 提供
- Microsoft Copilot Free：整合 GPT-4o
本地部署（你的電腦，你的隱私）：
- Ollama：4GB RAM 起跳，跑 Llama 3.1 8B 沒問題
- LM Studio：有 GUI 的本地模型管理器，8GB RAM 建議
- Jan：完全離線，適合注重隱私的使用者
如果你在本地跑 Llama 3.1 8B + Mistral 7B，相比訂閱 ChatGPT Plus（$240/年）或 Claude Pro（$240/年），每年可以省下 $240 到 $600 美元，而且對一般的文字處理、程式輔助任務，8B 模型已經夠用。
時間軸：等他們互殺
下面是我根據現在的市場格局，對未來兩年的粗略預測（注意：這是分析，不是預言）：
2026 Q1-Q2：白嫖期
- 價格戰繼續白熱化
- 每家雲端大廠都在燒錢搶市佔
- 策略：大量使用免費層，練習整合 AI 到自己的工作流程
2026 Q3-Q4：觀望期
- OpenAI 等公司 IPO 後，市場第一次看到真實財報
- 投資人開始質疑「什麼時候獲利」
- 策略：不追 AI 股，不衝動買訂閱
2027-2028：整合淘汰期
- 沒有真實商業模式的 AI 公司開始出問題
- 開源社群繼續壓低成本
- 策略：觀察哪些工具真正倖存，此時進場選擇更好
2028+：基礎設施化
- AI 成為像水、電、網路一樣的基礎設施
- 真正的競爭不是「你有沒有用 AI」，而是「你用 AI 做了什麼」
- 策略：此時已有數年的免費練習經驗，你是早期熟練者
核心戰略：五條你現在就可以執行的原則
原則一：技能先行，付費靠後
不要為了「學 AI」花錢。先把免費工具用到極致。真正有價值的技能是：如何問問題（prompt engineering）、如何把 AI 輸出整合到真實工作流、如何驗證 AI 輸出的品質。這些技能，用免費工具就可以練。
原則二：絕不為焦慮買單
任何時候，當你感受到「再不買就來不及了」的衝動，先停下來問自己：「是誰讓我有這個感覺？他從我的焦慮中得到什麼？」
如果答案是「賣課的人/賣訂閱的人/媒體」，那這個衝動就是被設計出來的，不是真實的。
原則三：追蹤開源生態
DeepSeek、Llama、Mistral、Qwen——這些才是真正壓低 AI 成本的力量，也是讓「AI 變成白菜」趨勢持續的引擎。追蹤他們的進展，比追蹤 OpenAI 的新聞稿更有實際價值。
原則四：等 IPO 後的現實檢驗
OpenAI、Anthropic IPO 後，你第一次能看到真實財報。屆時市場對「AI 改變世界的速度」的預期，可能會面臨現實修正。這個修正後的市場，才是你做決策的更好資訊來源。
原則五：進場信號——當 AI 不再是頭條
真正成熟的技術不在頭條新聞上。你最後一次看到「電力取代勞工」的頭條是什麼時候？「網際網路顛覆所有工作」的頭條？
當 AI 從「末日預言」變成「工具使用注意事項」的時候，那才是它真正融入日常的信號。現在的噪音，等比例地反映了它還沒有完全落地。
最後，給你一個框架
整篇文章下來，我想給你留下一個可以隨時使用的思考框架：
每次看到 AI 焦慮內容，問三個問題：
- 誰說的？ — 他們有沒有從你的焦慮中獲益？
- 數據在哪？ — 是報告還是獨立研究？方法論是什麼？
- 行為 vs 嘴巴 — 說 AI 取代工程師的人，同時開多少錢在招工程師？
這三個問題，能過濾掉 80% 的噪音。
剩下 20% 真實的 AI 進展，確實值得你認真學習和適應。但那是「聰明的應對」，不是「恐懼驅動的消費」。
他們販賣焦慮，讓你現在花錢。你的反擊策略是：白嫖免費額度練真實技能，等他們互殺到白菜價，再用更少的錢得到更多的能力。
耐心，是對抗 PUA 最強的武器。
參考資料
- Fortune: “The billion-dollar justification: why AI giants need you to fear for your job” (2026/2/19)
- Medium: “The AI Job Loss Hoax. How Fear Became a Product” (Dan Chang, 2026/2)
- Harvard Business Review: “Companies Are Laying Off Workers Because of AI’s Potential—Not Its Performance” (2026/1)
- CNBC: “Therapists see more workers anxious about AI: fear of becoming obsolete” (2026/1/24)
- Fortune: “Sam Altman confirms AI washing” (2026/2/19)
- Fortune: “OpenAI partners with McKinsey, BCG, Accenture, Capgemini” (2026/2/23)
- Technology.org: “DeepSeek Started a Price War” (2026/2/12)
- “The DeepSeek Disruption: How a $5M Model Shattered the AI Scaling Myth”
- TLDL: LLM API Pricing March 2026 — 30+ Models Compared
- Challenger, Gray & Christmas: Job Cut Report 2025
- NBER: “The Employment Impact of AI: Evidence from Large Language Models” (2025)
— 一見生財，2026 年 3 月 11 日
載入留言中...