AI 時代的結構性脆弱點：
從電力、水資源到資產估值的重寫

S0｜這不是 AI 自己長出來的，而是我把觀點整理後再交給 AI 協作

最近我一直在做一件事，就是整理自己的數位資產。更準確地說，是把我自己對事件的看法、觀點、方法論，還有我對一些結構性問題的理解，先認真整理成重點，然後再用口述的方式講給 AI 聽，讓 AI 像編輯一樣，幫我把稿子順出來。這是我現在正在做的寫作方式，也是我在整理自己數位資產的方法。

某種程度上，我一邊做這件事，其實一邊在笑。因為人類與 AI 協作寫作，早就不是要不要的問題，而只是早晚的問題，而且那個「早晚」來得比很多人想像得更快。

我也因此想起我女兒之前提醒我的一件事。她說我有些東西寫得太長，也寫得太有 AI 味，所以她看到後面就不想看了。這個提醒對我來說其實很重要，因為它讓我開始更認真調整：不是不要用 AI，而是要怎麼用，才不會把本來應該有判斷、有人的東西，寫成一篇沒有呼吸感的長稿。

也正因為如此，我反而更清楚一件事：如果「所有人都會逐步使用 AI」這件事已經是不可逆的趨勢，那麼背後代表的，就不只是工具變方便而已，而是 AI 的算力需求會以非常快的速度持續增加。

這種增加，不只是大型企業或資料中心的事。它也包含了大量一般使用者每天的來回操作、反覆輸入、反覆修改，以及很多其實並不精準、但仍然持續發生的 token 消耗。這些看起來很小的使用行為，一旦放到全球規模來看，最後累積起來的，就是電力、算力與 token 的大量耗損，而且這是一個全球性的問題。

這也是我想寫這篇文章的原因。因為如果放在以前，很多改變可能是五年、十年慢慢發生；但現在很多變化，可能五個禮拜到十個禮拜，就是一次明顯的位移。也就是說，現在真正改變的，不只是 AI 本身，而是我們必須開始用完全不同的時間尺度去理解這個世界。

S1｜高科技優勢背後的結構性脆弱點

如果從脆弱點的角度來看，台灣與日本其實有很多非常相似的地方。這不只是因為近百年來，雙方在文化、經濟、科技上一直有高度密切的交流，更是因為它們在地理條件與現實結構上，本來就有很多高度相似之處。

其中一個最關鍵的共同點，就是它們都高度依賴外來能源，而且是極度依賴。也正因如此，台灣與日本今天所建立起來的高價值，很大一部分都綁在幾個共同的方向上：高科技服務、晶片生產、精密製造，以及機器人相關工業。這些產業表面上代表先進、代表效率、代表競爭力，但它們也有一個共同特徵，就是越高科技、越高密度、越高附加價值，背後就越依賴穩定的資源供應。

這些穩定資源，不只是電力而已，也包括水、環境承載能力，以及整體基礎設施能不能長時間維持穩定。當一個系統越依賴這些條件，它就越容易在繁榮底下，慢慢累積出一種平常不容易被看見、但一旦出事就會快速裂開的東西，那就是 結構性脆弱點。

如果放在過去那種變化比較慢的年代，這些脆弱點未必那麼可怕。因為就算有問題，還有時間慢慢調整、慢慢補強、慢慢修正。可是現在不一樣了。AI 帶來的變化速度，快到很多事情已經不能再用舊時代的節奏去理解。你沒有那麼多時間，一邊享受繁榮，一邊慢慢修補底層結構。因為很多原本可能要五年、十年才會浮現的壓力，現在可能幾個月內就開始被放大。

所以，當我們今天在談台灣與日本的脆弱性時，真正要看的，不是它們有沒有技術，而是：在這種高速度、高密度、高依賴的條件下，它們的結構性脆弱點會不會比過去更早暴露，而且更難補救。也就是說，這種脆弱點最危險的地方，往往不是出現在衰退時，而是出現在繁榮景況之下。因為越繁榮、越成功、越高效率，底下那條最容易裂開的線，反而越容易被忽略。

S2｜舊世代的能源需求模型，已經被 AI 的爆發速度推翻了

我最近看到黃仁勳寫的那篇「五層蛋糕」，裡面談到能源、晶片、基礎建設、模型到應用一層一層往上堆的結構。那篇文章讓我想到一件事：如果你把最近這一波 AI 的普及狀況放回現實世界來看，就會發現它的滲透速度，可能比很多人原本想像得還要更快。

你去看最近各種報導，這一陣子大家很流行裝各種 AI Agent、各種 AI 工具，不只是台灣、日本，連對岸也一樣，很多人在瘋狂地裝、瘋狂地試。這代表什麼？這代表使用 AI 的人，早就不是只有年輕人，也不是只有科技圈。大叔大媽、老年人，甚至警方、政府系統，都已經開始把 AI 納入日常使用。像是連公安系統都開始用 AI 幫助老人家防詐騙，這件事情本身就已經很說明問題了：只要連這種層級的日常治理都開始用 AI，就代表它的使用普及率與需求，會很快滲透到所有年齡、所有階層裡面。

尤其是在 4G 網路早已成熟、智慧型手機高度普及的條件下，這種擴散的速度只會更快。也正因為如此，我回頭看過去台灣與日本在能源基礎建設上的規劃——包括天然氣、綠電、非核、減核這些方向——我認為在當時的脈絡下，其實是合理的。因為那一套規劃，建立在一個舊時代的評估模型上：人口成長會趨緩、產業會升級、用電需求大致可預測，而在這樣的前提之下，透過綠電來減碳，甚至逐步把核能壓低到接近歸零，都是有其時代邏輯的。

問題不在那個時代的規劃完全錯了，而是現在 AI 的發展，已經超出當初那套模型能夠預估的範圍。這一波變化不是線性的，也不是局部性的，而是等比級數、甚至接近爆炸性的擴張。AI 資料中心、晶片製造、模型訓練、推論服務、日常使用者反覆來回的 token 消耗，全部一起往上推。這種需求，早就已經不是舊世代那套人口、產業、民生用電模型可以涵蓋的東西了。

所以如果到了今天，還繼續拿舊的模型去評估新的需求，拿舊的認知去理解新的風險，我覺得這會是一種非常危險的行為。因為它不是單純判斷失準而已，而是你會在看起來還算平穩的表面之下，錯過真正正在快速累積的壓力。所以我後面要講的東西，會更硬一點。但我要講的，仍然是我自己的觀點與啟發，只是我把它順著這條線，繼續往下推而已。

S3｜從農業與水資源來看，真正會發生的是有限資源的重新排序

寫到這裡，如果你還看得下去，應該也會明白，這不是 AI 自己憑空長出來的東西。這些判斷本來就是我自己的觀點，只是我把腦中原本分散的線索，透過 AI 協作整理、放大、串接起來而已。

某種程度上，我一邊講其實一邊在笑。因為人類與 AI 協作，早就不是要不要接受的問題，而只是早晚的問題。以前有些人還以為自己可以再拖個五年十年，不碰 AI 也沒差；但現在看起來，這個變化來得比很多人想像得更快。除非你真的回到深山野林，徹底抽離現代社會，不然你幾乎不可能不跟它發生關係。

不過，這篇真正的重點不在這裡。回到我自己的背景，無論是成長過程、專業訓練，還是後來創立品牌的路徑，其實都跟農業分不開。所以當我看 AI、高科技、晶片、機器人這些產業被定義成國家命脈時，我最在意的不是它們有多厲害，而是：在有限資源之下，它們會怎麼改變資源的流向與排序。

因為現實世界裡，資源從來都不是無限的。從農業的角度來看，這些有限資源至少包括：水資源、電力、土地、環境容忍度，還有政策的注意力與基礎設施的投資。環境容忍度不是一句空話，它裡面包含空氣、人、昆蟲、野生動物，也包含環保、動保這些議題背後真正要承受的代價。至於政策注意力與基礎設施投資，本來就永遠有先後順序。當年十大建設如此，今天面對 AI 時代也一樣如此。

所以，當高科技被推到國家命脈的位置時，農業與環境不會消失，但它們在整體資源排序中的位置，一定會被往後調整。誰先拿到水，誰先拿到電，誰先拿到土地，誰先得到政策支持，這些前後順序都會變。這種改變未必會被公開承認，也未必會被很多人直接說破，但它一定會在現實裡慢慢發生，而且留下很具體的影響。

尤其是水，這是現在很多人談 AI 時最容易忽略的一個盲點。大家想到的是電，卻沒想到資料中心、高科技製程與相關基礎設施，同樣會吃掉大量的水。也因為我自己身邊有一些朋友長期在環保、動保與民間組織裡面工作，所以我對這些資源如何被高耗能產業重新分配，感受會比一般人更敏感一些，也更容易看出其中的連動。

所以，如果從我的農業背景、專業視角，以及我長期接觸的不同現場來看，這個趨勢背後最值得警惕的一件事就是：社會資源一定會重新分配，而且這種重分配，很可能是不可逆的。

S4｜當需求模型改變，能源配置與地方價值模型都會被重寫

前面已經談到，真正的問題不只是需求增加，而是舊世代的需求模型，根本沒有預估到這種等比級數、甚至更快速度的變化。一旦這個前提成立，後面所有建立在舊模型之上的判斷，無論是能源配置、地方發展，還是資產價值的估算方式，都勢必要被改寫。

因為如果高科技產業——包括 AI、機器人、資料中心、晶片與其他高附加價值的技術服務——未來還要持續維持它的核心地位，那供應端就不可能維持舊樣子不變。問題已經不是再多加一點綠電，或再補一些天然氣就能解決。何況這還沒有把區域衝突、海運風險、燃料安全與極端氣候帶來的不確定性全部算進去。

在這樣的情況下，未來最容易被推導出來的方向，其實並不難理解。第一，是更高韌性的電網設計；第二，是更多的備援能力；第三，是更分散式的能源配置。也就是說，不能再把整套系統過度押在單一大型電廠或單一節點上，因為只要其中一段連接出了問題，後面整串都可能受到影響。這樣的問題，台灣談了很多年，日本也談了很多年，只是過去還沒有被逼到今天這麼急迫。

再往下推，就會碰到一個過去很難談、但未來越來越難避開的方向：小型模組化核能，或其他高密度、穩定型的能源配置。如果放在我年輕的時候來講，這幾乎是不可能的事。因為那個年代不管是技術條件、社會環境，還是配套能力，都還遠遠沒有走到這一步。但今天不一樣了。小型模組化核能，以及其他高密度穩定能源，至少在可行性這件事上，已經不像過去那樣只能停留在想像。

所以我一直認為，很多問題走到今天，真正卡住的往往已經不是技術本身。技術未必是最難的，真正難的是人與人之間的信任、社會接受度，以及政治成本。也就是說，就算未來有一些方法理論上能應對這些趨勢，一旦它真的要進入地方現實，進入社區、進入生活圈、進入土地利用與地方治理，它的價值模型與風險模型就會立刻改變。

這也是為什麼，當我回頭看黃仁勳那篇文章時，會被引出另一個更現實的推論：未來在每一個資料中心，或每一個高耗能的高科技設施旁邊，出現一個小型的發電設施，未必是天方夜譚。它可能是小型核能，也可能是其他形式的高密度穩定能源，不一定只有一種答案。

但只要 AI、高科技服務與晶片產業真的照現在這個方向繼續擴張，那台灣也好、日本也好，以目前的能源供給結構來看，都很可能是遠遠不夠的。換句話說，未來被改寫的，不只是能源政策本身，而是整個地方社會如何理解「價值」這件事。當基礎設施、供能方式、備援設計與高科技設施開始深度綁在一起，地方的發展邏輯、風險認知與價值判斷，也都會跟著被重寫。

S5｜未來投資與資產配置，不能只看產值，而要看韌性

如果把我們前面一路談過的內容——包括能源、水資源、地方韌性、區域衝突、基礎設施風險、退出能力——全部放在一起看，最後會推導出一個很重要、但很多人還沒有真正意識到的結論：高科技地區，不一定等於最安全的資產配置地區。

這件事，我們前面其實已經從不同角度談過了。無論是台灣、日本，還是像福島、熊本，或者許多人習慣用舊思維去判斷「哪裡有高科技投資、哪裡就一定有發展」的那些地方，其實都在提醒同一件事：未來真正該看的，不只是產值，也不只是表面的產業題材，而是能源韌性、水資源韌性、地緣政治韌性、基礎設施韌性、退出能力，以及個人與家庭的因應能力。

這些條件，未來都應該被放進新的評估模型裡。也就是說，房地產與地方資產的估值，未來不能再只看地段、交通、商圈、生活機能。因為一旦前面談到的那些前提變了——舊的需求模型失效了、能源配置改了、地方基礎設施被重新配置了、風險模型被重寫了——那整個地方資產的評估邏輯，也一定會跟著改變。

所以我真正想講的，其實不是 AI 只改變了某個產業。AI 改變的，是整個社會對風險與價值的理解。如果還用舊的模型、舊的價值觀、舊的想像去看未來，很容易產生非常嚴重的認知錯位。很多人現在一看到高科技設施進駐，就直覺認為那裡一定會發展、一定會帶動就業、一定會讓周邊土地與房地產升值。但未來的情況，未必還是這樣。

因為當機器人、自動化系統與高效能設施越來越成熟之後，很多原本需要大量人力的工作，可能已經不再需要人類。無論是電廠的維運、高效能晶片生產，還是某些資料中心與基礎設施的日常運作，都可能越來越依賴自動化與機器系統，而不是靠大量人進駐。

這就帶出一個很現實、也很少人願意提前去想的問題：如果一個地方未來之所以被投資，是因為它要承接高耗能、高耗水、高密度的技術設施；而這些設施又反過來擠壓了當地的民生資源、農業資源與生活環境，甚至讓那個地方越來越適合機器運作、卻未必適合人類生活，那麼你還能不能用過去那套「工廠進來就會帶動發展」的舊邏輯去評估它？

這裡面的風險，不只是投資判斷錯誤而已。更嚴重的是，你可能拿著舊世界的估值模型，去判斷一個已經被新世界重寫條件的地方。這才是真正危險的地方。

所以，未來投資理財與資產配置，不能只看哪裡最先進、哪裡有高科技、哪裡看起來最有發展性。真正該看的，是哪裡的韌性最強，哪裡的風險承受能力最完整，哪裡在能源、水資源、基礎設施與地緣衝突的壓力下，仍然有辦法維持穩定與退出能力。高科技，不一定最安全。先進，不一定最適合用舊模型估值。而 AI 最後改寫的，也不會只是產業，而是整個社會怎麼理解風險、價值與未來。

FAQ｜AI 時代的結構性脆弱點：從電力、水資源到資產估值的重寫

📚 參考文獻（APA）