兩個半月前，我寫過一篇文章，主張 AI 正在把企業的人力預算「強制清洗」成電力與算力預算。
我用了一個自己很滿意的比喻：船沒有沉，只是不再需要那麼多水手。

那篇文章的立場是替代——資本一邊裁員、一邊把省下的薪資灌進資本支出，職場正在被一場大清洗重新洗牌。
我這兩天聽了快刀青衣的 WAIC 2026 觀察筆記（以下簡稱「WAIC 筆記」），開頭第一句話就把我頂了回來：「這個問題問得有點早，甚至問錯了。」

他的判斷是——AI 不是先替代一個人，而是先拆開一份工作。
坦白說，讀到這句我的第一反應是不服氣。
但把我自己這半年在做的事情攤開來看之後，我承認：拆解這個框架，比我當初的清洗框架更接近我每天碰到的現實。
這篇文章，算是我對自己的一次修正。

一、我賣的不是 AI，是「一層能力」

WAIC 筆記講的第一個趨勢是：AI 正在從一個行業，變成所有行業共同的基礎設施。

今年 WAIC 規模再創新高——1,100 多家企業、3,000 餘項前沿技術成果，首度拉成上海世博、張江、西岸「三地四館」。[1]

但真正讓我在意的不是這些數字，而是展商名單。
瑞幸帶著「瑞幸·智萃全鏈艙」首秀，從選豆、點單到門店日常，把 AI 鑲進咖啡的每一段流程；
伊利承包大展台，把「真AI（愛）牛奶」從品牌行銷延伸到乳業全鏈條；
連國家電網、南方電網都來了——後者的「大瓦特·雲睿」配電網規劃智能體入選大會十大「鎮館之寶」，現場展示 10 分鐘就能出一份完整配網規劃報告。[2]

更值得注意的，是大模型賽道本身的「重心轉移」。
根據科技智庫甲子光年的統計，本屆 WAIC 大模型與生成式 AI 賽道共有 130 家參展主體，其中 83 家（63.8%）以 AI Agent 或智能應用為主要標籤，AI 基礎大模型只剩 18 家。[3]

換句話說，今年展場的中央，已經從「比模型」切換成「比誰讓模型把活幹完」。[4] 周鴻祎在會上更直接講，AI 正在從大模型階段邁向 Agent 階段，從回答問題轉向自主執行任務。[4]

這件事我沒有旁觀的資格，因為這就是我公司的業務之一。
我公司是系統整合商。我們近期主推的商業模式，一句話講完就是：幫那些不可能自己養 AI 團隊的中型企業，把 AI 這層能力接進他們原本的業務裡。
餐飲業的訂位、電信的帳單諮詢、醫療的初步分流、自動化網管偵錯與修復、自動化 MOP 生成與覆核——這些行業不需要懂大模型，他們需要的是有人把大模型變成一個「能用的插座」。
黃仁勳在 GTC 講過一個更狠的版本：未來不是賣工具，是賣結果（AaaS），Token 會變成新的商品，就像水電。
現在回頭看，WAIC 的「基礎設施」和黃仁勳的「賣結果」，講的是同一件事的兩端——AI 便宜到變成基礎設施，你就不可能再靠「我有 AI」收費，只能靠「我幫你把活幹成了」收費。

所以我很同意 WAIC 筆記裡那句話：普通人未必要辭職去學算法，機會往往藏在你原來的行業裡。誰最懂真實業務、又最早把 AI 接進去，誰就是那個行業的新物種。
我賭的就是這件事。

二、真正的尺子：不是聰明，是「敢不敢把事情交給它」

WAIC 講的第二個趨勢，是行業評價 AI 的尺子變了——從「誰更聰明」變成「誰能穩定把活幹完」。
能不能進生產系統、失敗以後能不能自己恢復、成本算不算得過來、有沒有人願意付錢。

這一條，我看過反面教材，也做過正面案例。

反面教材，是亞馬遜。
這件事被英國《金融時報》揭露、後來 Business Insider 拿到內部文件跟進，不是憑印象聽來的。亞馬遜在 2025 年 11 月的內部備忘錄，要求約八成工程師每週至少使用一次自家的 AI 編碼工具 Kiro，並把這項指標追蹤在公司 OKR 儀表板上。這項政策在內部並非沒有雜音——Business Insider 在 2026 年 2 月的報導中揭露，約 1,500 名 Amazon 員工在內部論壇串中連署支持改用 Anthropic 的 Claude Code，理由是它在複雜的多語言重構上比 Kiro 更好。[5]
接下來四個月內，亞馬遜陸續發生了三起被媒體揭露的故障。
第一起，2025 年 12 月中旬。Kiro 在執行一個小 bug 修補任務時，自行決定「刪除並重建」整套生產環境，釀成 AWS Cost Explorer 在中國大陸其中一個 region 13 小時的中斷。《金融時報》引述四位內部消息人士指出，Kiro 是「自主選擇了最激進的路徑」；亞馬遜隨後在 2026 年 2 月 20 日公開反駁，聲明該事件是「工程師權限配置過大、AI 變更未經充分人工審查」所導致，與 AI 自主行為無關。[6][7]
第二起，2026 年 3 月 2 日。Amazon 的另一支 AI 編碼工具 Amazon Q Developer 在部署變更時缺少自動化預部署驗證，導致 Amazon 多個 marketplace 顯示錯誤的配送時間，造成約 12 萬張訂單流失、160 萬個網站錯誤。Business Insider 拿到的內部文件寫得很直接：「Amazon's AI tool Q was one of the primary contributors that triggered the event」——這是三起事件中亞馬遜內部最直接承認 AI 是「主要肇因」的一次。[8]
第三起，2026 年 3 月 5 日。北美 Amazon.com 全面當機六小時，訂單量掉了 99%，估計損失約 630
萬張訂單。Business Insider 引述內部文件，根因是「production change deployed without using Modeled Change Management ... No automated pre-deployment validation」——這一次的內部歸因沒有直接指向 AI，而是流程問題；但 3 月 2 日那次的 GenAI 因素已被列入內部檢討。[8]
亞馬遜事後的補救，不論肇因算 AI 還是人為，最後加回的關卡都指向同一件事：335 個 Tier-1 消費端系統啟動 90 天的「code safety reset」、重大變更強制雙人審核、junior 與 mid-level 工程師的 AI 變更必須拿到 senior 簽核、所有變更都要走 Modeled Change Management 流程。[8]
之後，亞馬遜在 2026 年 5 月正式把 Claude Code 與 Codex 對所有員工開放，作為 Kiro 的補充——這場強制令的事後結局，恰恰是把員工原本要的工具補回來。[9]

根本原因從來不是模型不夠聰明，而是——聰明的產出跑得比人能安全審查的速度還快。

正面案例，是我們公司的一個有資料主權與落地要求的客戶。
這個案子一開始並不是地端——我們是用一台 NVIDIA DGX Spark（GB10 超晶片、128GB 統一記憶體的桌上型 AI 機器，2025 年 1 月 CES 發表、10 月正式上市），搭配雲端的 AWS Bedrock，幫客戶跑概念驗證。效果客戶很滿意。但正因為對方所處的行業特性，資料有明確的落地與主權要求，不能往外跑，於是整套方案最後從「地端算力＋雲端大模型」改成了完全地端的模型部署。

這個轉折我覺得特別能說明 WAIC 那把新尺子。
地端不是因為它更聰明、更先進——雲端模型往往更強。
地端是被客戶的問責要求「逼」出來的：當這套系統要碰的是敏感資料，資料主權與落地要求就是必須的；你敢不敢把它交出去，比它有多聰明重要得多。

也是同樣的邏輯，我自己那台地端 AI 工作站（一台 128GB 統一記憶體、走 AMD Ryzen AI Max+ 395
平台的機器），做了一堆「看起來很笨」的選擇：所有服務指向 localhost、不接任何雲端 API，連我原本在用的雲端 OCR 都拆掉，因為它會把文件送出機器；我甚至立了一條鐵律——禁止自動更新任何軟體和驅動，Windows、GPU 驅動、Docker、模型引擎全部鎖死在特定版本。
這在很多人看來簡直反常，放著免費的新版不裝？
但這顆晶片的 GPU 加速對驅動版本極度敏感，一次自動升級就可能讓整台機器悄悄從 GPU 掉回 CPU，效能砍半還難以回查。
部署過程也一樣龜毛：一次只做一步、每步先驗證成功才往下走；模型檔我自己手動下載，不讓工具代勞；任何會改動系統的操作，都要先講清楚「改了什麼、怎麼還原、怎麼驗證」。
連最花時間的合約審閱，我都刻意在 OCR 和 AI 分析之間留了一個人工檢查點，沒有做成全自動。
這些選擇，沒有一個是為了「更聰明」。它們全都是為了同一件事——當這台機器在幫我看機密合約時，我敢不敢把事情交給它。

WAIC 用一句話總結了我這半年的體會：聰明決定它能不能上桌、讓我們看到它，但穩定決定我們敢不敢把事情交給它。
AI 偶爾生成一張 90 分的圖，和每天穩定交付一百張能用的 75 分的圖，這根本不是同一種能力。

三、拆解，而不是清洗——我為什麼改口

現在講回我一開始那個不服氣的地方。
WAIC 的第三個趨勢是：AI 不會先消滅一個職業，而是把一份工作拆成很多小塊，一塊一塊接過去。
材料研發工程師不用再花六十天反覆試配方，但他還是要決定哪些指標不能犧牲；國際貨代的報價兩分鐘就能生成，但高貨值貨物出事時，還是要有人負責、有人維繫港口與船公司之間的信任；醫院的初步分流、初步病歷 AI 可以接手，但真正的診療決定還是由醫生做，責任也仍然在醫生身上。
標準化的部分被拿走，提出問題、處理例外、判斷結果、承擔責任的部分留下來。[10]

這跟我兩個半月前寫的「清洗」，衝突嗎？
我想了很久，結論是：不衝突，只是時間尺度不同。

拆解是進行式，是我們在客戶現場真實看到的東西——沒有哪個客戶是「整個部門一夜消失」，都是「這個環節先自動化、那個環節先交給 AI」。
而我當初寫的清洗，是拆解累積到某個臨界點之後的推論：當一份工作被拆到只剩下無法自動化的那一小塊，這個職位需要的人數自然就下來了。

換句話說，我兩個半月前寫的是結局，WAIC 寫的是過程。
我公司作為推動地端 AI 的實作者，我必須承認：過程遠比結局重要，因為所有能做的事、能卡的位、能賺的錢，都在過程裡。
糾結「AI 會不會取代這個職業」是沒用的，把自己每天做的事攤開，分成「可以交給 AI 的重複動作」「可以讓 AI 先做參考的專業判斷」「必須自己掌握的關係、信任與責任」——這才是有用的問法。

工作被拆開，也會長出一些今天還叫不出名字的新工作。

以本屆 WAIC 為例，靈初智能展示了一套 62 自由度便攜式外骨骼觸覺手套，操作員在真實場景完成日常工作、手套自動以亞毫米級精度同步記錄 3D 關節軌跡、觸覺信號和第一視角視覺流——這是過去沒有的工種；手套背後的世界模型負責給每一條數據打分、做品質控管，自動標註處理大部分標註，只有少量模糊樣本需要人工兜底，這又是一種新的崗位。[11]
靈初目前已部署 100 套設備、累積 10 萬小時人類操作數據，2026 年目標突破百萬小時。[11]
看起來最先進的機器人，背後還是要靠大量的人一次次把動作做給它看。

四、笨功夫越貴，這是我最想說的一句

WAIC 筆記最後落在一個我完全同意的判斷上：AI 跑得越快，那些真實數據、行業經驗、現場手感、願意下笨功夫的人，反而越值錢。

我對這句話有切身的體會，因為它也是我寫作的護城河。
我在社群上發過好幾篇 AI 分析文章，說實話閱讀量很慘。
有人可能會覺得，這年頭 AI 生成的長文滿天飛，你寫的跟內容農場有什麼差別？
差別就在那些 AI 生不出來的東西——像我公司那個資料主權敏感的客戶，為什麼滿意了雲端 PoC 還是得整套改成地端；像我自己在那台地端機器上，為了資安做過的那些反常識取捨；像我們幫客戶做 AI 導入時，對方在會議室裡真正擔心的那些東西。
這些第一手的、帶著現場泥土味的經驗，AI 從別的地方根本找不到。

WAIC 引用了聯合國工業發展組織（UNIDO）數位轉型與 AI 部門主管 Jason Slater 的一個很準的詞：AI 鴻溝（AI divide）。
他在 7 月 18 日 WAIC 的一場 AI 治理論壇上談到，全球 AI 鴻溝已經不是「能不能接觸到技術」，而是「有沒有制度、技能、專業能力，能不能有效地使用 AI」。他還給了一個具體數字：預估 2030 年全球將出現約 8,000 萬人的數位技能缺口，相當於德國一整國的人口。[12][13]

兩個人打開同一個 AI，一個偶爾拿它改改文案，另一個把自己的資料、經驗、工作步驟和驗收標準全接進去，讓它每天替自己完成一段工作——表面上都在用 AI，形成的能力早就不在同一個量級。

下一輪的差距，不是誰先註冊了 AI 帳號，也不是誰背了更多提示詞，而是誰先把 AI 變成了一套能重複使用、不斷積累的工作方法。

我與我公司這半年做的所有事——把內部的自動化工具升格成對外產品、把合約審閱流程工具化、把每次維運檢討沉澱成可複用的資產——本質上都是在幹這一件事。
所以，我收回兩個半月前那個太快下的結論。
船確實不需要那麼多水手了，但在船真正瘦身之前，會有很長一段時間，甲板上每個崗位都在被重新拆解、重新定義。
在這段時間裡，那些能提出好問題、能判斷結果、懂真實世界、還願意為結果負責的人，不會因為 AI 變便宜而貶值。
恰恰相反。

AI 跑得越快，我們的笨功夫越貴。
這大概就是我們這種活人，在 AI 時代最後、也最深的護城河。

參考資料

[1] 新浪財經（2026），〈探營世界人工智能大會：300餘款新品整裝待發，國產 AI 換擋三年迎線下大考〉，2026 年 7 月 16 日。http://finance.sina.com.cn/roll/2026-07-16/doc-inihyuqe1350407.shtml
[2] 美通社（2026），〈中國南方電網公司攜電力 AI 創新成果亮相 2026 世界人工智能大會〉，2026 年 7 月 22 日。https://www.prnasia.com/story/541504-1.shtml
[3] 搜狐（2026），〈WAIC 2026 大洗牌：機器人遍地，Agent 幹活，國產算力崛起，基礎大模型只剩 18 家〉，2026 年 7 月。https://www.sohu.com/a/1051725992_211762
[4] 騰訊新聞（2026），〈WAIC 2026 觀察：大模型不再獨佔 C 位，智能體、機器人和算力……〉，2026 年 7 月 19 日。https://news.qq.com/rain/a/20260719A04P4Y00
[5] Business Insider（2026），〈Amazon Engineers Grate Against Internal Limits on Claude Code〉，2026 年 2 月。https://www.businessinsider.com/amazon-engineers-grate-against-internal-limits-claude-code-kiro-ai-2026-2
[6] Reuters（2026），〈Amazon's cloud unit hit by at least two outages involving AI tools in December, FT says〉，2026 年 2 月 20 日。https://www.reuters.com/business/retail-consumer/amazons-cloud-unit-hit-by-least-two-outages-involving-ai-tools-ft-says-2026-02-20/
[7] CRN（2026），〈AWS Outage Was "Not AI" Caused Via Kiro Coding Tool, Amazon Confirms〉，2026 年 2 月。https://www.crn.com/news/cloud/2026/aws-outage-was-not-ai-caused-via-kiro-coding-tool-amazon-confirms
[8] Business Insider（2026），〈Amazon orders 90-day reset after code mishaps cause millions of lost orders〉，2026 年 3 月。https://www.businessinsider.com/amazon-tightens-code-controls-after-outages-including-one-ai-2026-3
[9] Business Insider（2026），〈After Pushback, Amazon Rolls Out Claude Code, Codex to All Employees〉，2026 年 5 月。https://www.businessinsider.com/amazon-claude-code-codex-all-employees-after-pushback-2026-5
[10] 快刀青衣（2026），〈WAIC 觀察筆記：AI 不是先替代人，而是先拆開每一份工作〉，得到 App《AI 學習圈》快刀廣播站，2026 年 7 月 21 日。https://d.dedao.cn/GOIj0cM9B1xj27wN
[11] 新浪財經（2026），〈WAIC 2026 面對面：熱潮之下，數據質量成為具身智能公司勝負手〉，2026 年 7 月 20 日。http://finance.sina.com.cn/roll/2026-07-20/doc-iniimqsf2985007.shtml
[12] China Economic Net（2026），〈New AI initiatives create "window of
opportunity" for developing countries: UNIDO official〉，2026 年 7 月 20 日。http://en.ce.cn/main/latest/202607/t20260720_3096672.shtml
[13] ShanghaiEye YouTube（2026），〈UNIDO's Jason Slater on China's
governance push and why open-source AI from China lifts Global
South〉，2026 年 7 月。https://www.youtube.com/watch?v=MC65eqphxkI